Bis heute wird der Verschleißzustand von Zerspanwerkzeugen aufwändig außerhalb der Maschine mit Standmessmikroskopen, Taschenlupen und Geräten zur Werkzeugeinstellung überprüft. Alle diese Verfahren erfodern manuelle Eingriffe; Mikroskope sind zudem teuer, Taschenlupen erlauben keine Messung einer Verschleißmetrik, und Werkzeugeinstellgeräte erfassen zwar die Schneidenkontur, können aber nicht die Verschleißart identifizieren. In jedem dieser Fälle können die Messungen erst nach Abschluss der Fertigung durchgeführt werden, wenn es zu spät ist für korrigierende Eingriffe in den Prozess.
Ein Forschungsteam des Fraunhofer IPT entwickelte nun im Projekt »CAMWear 2.0« gemeinsam mit Projektpartnern ein System, das den Verschleißzustand der Zerspanungswerkzeuge nahezu in Echtzeit während des Fräsprozesses präzise erfasst und bewertet.
Neues Messystem überwindet Schwachstellen in der Werkzeugverschleiß-Detektion
Dazu integrierten die Forscherinnen und Forscher ein Mikroskop in die Fräsmaschine, das während der Bearbeitung, zwischen den einzelnen Bearbeitungsschritten, automatisiert Bilder des Fräswerkzeugs aufnimmt. Inspiriert von medizintechnischen Verfahren entwickelten sie Techniken zur Bildsegmentation, auf deren Basis industrie-typische Bewertungskenngrößen des Werkzeugzustands abgeleitet werden können. Um das empfindliche Mikroskop in der rauen Umgebung der Werkzeugmaschine zu schützen, konstruierten die Forschenden ein widerstandsfähiges Gehäuse mit Sperrluftfunktion, das Kühlschmierstofftropfen von der Kamera fernhält.
Fotos und synthetische Bilddaten als Grundlage für ein KI-generiertes Verschleißmodell
Die erfassten Bilder dienen als Trainingsdaten für das KI-gestützte Bildverarbeitungsprogramm, das die Partner im Laufe des Projekts entwickelten. Das Programm ist in der Lage, Werkzeugtypen zu klassifizieren, verschlissene Bereiche zu aufzuzeigen und Verschleißmetriken zu berechnen.
Um den vorgelagerten manuellen Aufwand für das Training der Künstlichen Intelligenz zu verringern, nutzten die Forscherinnen und Forscher einen neuen Ansatz: Sie erstellen mithilfe generativer Algorithmen und neuronaler Netzwerke synthetische Bilddaten um dadurch die Datenbasis künstlich zu vergrößern. Zudem werden die realen Bilder mit einfachen Augmentationstechniken, etwa Spiegeln oder Drehen, verändert und vervielfältigt.
Erfolgreicher Praxistest bestätigt Leistungsfähigkeit
Das Kamerasystem und das Bildverarbeitungsprogramm bestanden im abschließenden Projektabschnitt unter realen Bedingungen den ersten Praxistest: Die Automatisierung der Bildaufnahme und die herausragende Qualität der aufgenommenen Fotos übertrafen die Erwartungen des Projektteams. Das Kameragehäuse erwies sich als robust genug, um die Mikroskopieeinheit zuverlässig zu schützen. Die KI der Bildverarbeitungssoftware identifizierte äußerst zuverlässig und präzise die visuell erfassbaren Verschleißformen.
Die Anwendung wird nun weiter gezielt für den industriellen Einsatz optimiert: Weiteres Ziel ist es, die KI-Modelle weiter zu verfeinern, um Verschleißerscheinungen noch präziser zu identifizieren und zu analysieren. In einer engen Zusammenarbeit mit spezialisierten Hardwarelieferanten gilt es nun, die neue KI-Anwendung schnellstmöglich in die industrielle Praxis zu überführen.