EP4078463A2 - Verfahren zur bestimmung und korrektur des maschinenzustands einer werkzeugmaschine und diagnosesystem - Google Patents

Verfahren zur bestimmung und korrektur des maschinenzustands einer werkzeugmaschine und diagnosesystem

Info

Publication number
EP4078463A2
EP4078463A2 EP20829778.8A EP20829778A EP4078463A2 EP 4078463 A2 EP4078463 A2 EP 4078463A2 EP 20829778 A EP20829778 A EP 20829778A EP 4078463 A2 EP4078463 A2 EP 4078463A2
Authority
EP
European Patent Office
Prior art keywords
machine
parameters
image
module
machine tool
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP20829778.8A
Other languages
English (en)
French (fr)
Inventor
Jens Ottnad
Leonie Felica TATZEL
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Trumpf Werkzeugmaschinen SE and Co KG
Original Assignee
Trumpf Werkzeugmaschinen SE and Co KG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Trumpf Werkzeugmaschinen SE and Co KG filed Critical Trumpf Werkzeugmaschinen SE and Co KG
Publication of EP4078463A2 publication Critical patent/EP4078463A2/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by monitoring or safety
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by any single one of main groups B23K1/00 - B23K28/00
    • B23K31/02—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by any single one of main groups B23K1/00 - B23K28/00 relating to soldering or welding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by any single one of main groups B23K1/00 - B23K28/00
    • B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by any single one of main groups B23K1/00 - B23K28/00 relating to investigating the properties, e.g. the weldability, of materials
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form
    • G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form
    • G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/36—Nc in input of data, input key till input tape
    • G05B2219/36199—Laser cutting
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50064—Camera inspects workpiece for errors, correction of workpiece at desired position
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50297—Compensation of positioning error due to a-axis, b-axis tool rotation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Definitions

  • the present invention relates to a method for determining and correcting the machine status of a machine tool, in particular a laser cutting machine, and a diagnostic system.
  • the machine condition of a machine tool is a frequent cause of inadequate surface quality during processing, especially during laser cutting. In laser cutting processes, this leads to poor quality at the cutting edge of the workpiece.
  • the machine status depends on the status of the individual components.
  • the protective gas of a laser cutting machine can influence the focus position and the nozzle of a laser cutting machine can influence the gas dynamics.
  • the individual components overlap in their effect on the overall condition of the machine. In practice, therefore, a quality defect at the cut edge cannot be traced back to one or more specific individual components by skilled workers.
  • a standardized manual maintenance program with at least 13 individual steps that build on one another has to be carried out on suspicion.
  • the invention is based on the object of providing a method and a diagnostic system by means of which a defective machine condition can be determined and corrected in a simple and rapid manner.
  • the object is achieved by a method according to claim 1 and a diagnostic system according to claim 4.
  • the subclaims reproduce preferred embodiments.
  • the object is thus achieved according to the invention by a method for determining and correcting the machine status of a machine tool, in particular one
  • the output according to the invention of a maintenance instruction for correcting the machine status can relate to one or more specific individual components of the machine. This eliminates the need for maintenance of the entire machine in the form of many individual checks for suspicion, which is particularly time-saving and cost-effective.
  • the sequence of the specified process steps is particularly advantageous with regard to a fast process sequence, but is not to be understood as conclusive. A changed order is also conceivable.
  • the invention thus relates to a method for determining and correcting the defective machine state and / or at least one defective component state of a machine tool.
  • an image of the surface created by the machine tool, in particular the cutting edge is provided.
  • the surface image is provided in particular in the form of a photograph, particularly preferably in the form of a digital color photograph.
  • a surface mapping is understood to mean only the mapping of the machined workpiece surface. If, in addition to the surface image, an image also contains an image of the surroundings of the workpiece, it is provided that the image is reduced to the surface image. In other words, the surface image is cut out from an overall image with an image of the surroundings.
  • a further method step can be provided for this purpose. Particularly preferably, the surface image is cut free during the analysis of the surface image. As a result, the method can be carried out particularly quickly and easily.
  • the method has at least one, in particular several, data aggregation routines.
  • a data aggregation routine can be designed to aggregate several “determined data” into a new data packet.
  • the new data packet can have one or more numbers or vectors.
  • the new data packet can be made available in full or in part to further data aggregation routines as “determined data”.
  • "Determined data” can be, for example, machine parameters, material parameters, machining parameters or data packets made available by one of the data aggregation routines.
  • a method is particularly preferably designed in the form of an algorithm with several connected data aggregation routines. In particular, several hundred, in particular several thousands of such data aggregation routines can be linked together. This significantly improves the quality and speed of the process.
  • the method can have a function with weighted variables.
  • One, in particular several, particularly preferably all, data aggregation routines can be designed to combine several “determined data” in each case with a weighted variable, in particular to multiply, and thus to convert the “determined data” into “combined data” and then to aggregate the “combined data” into a new data package, in particular to add them.
  • the method can be run through with data, in particular machine parameters, material parameters and / or machining parameters, the relationship between which is known in each case.
  • the features of the machine and machining parameters as well as the cut edge features can themselves be data packets, in particular several structured data, in particular data vectors or data arrays, which themselves again "determined data”, e.g. for the method, in particular for the data aggregation routines of the Procedure.
  • the surface mapping is analyzed by means of the data aggregation routine, in particular a convolutional neural network (CNN).
  • the data aggregation routine first determines the relevant mapping area of the provided surface mapping. This ensures that image areas with low quality or fuzzy image areas are recognized by the data aggregation routine before the analysis and, if necessary, are interpreted as subordinate in the analysis, in particular excluded from the analysis. This can further improve the quality and the speed of the method.
  • CNN convolutional neural network
  • the data aggregation routine analyzes the surface with regard to the surface quality, in particular the surface structure, and determines the Surface quality underlying actual machine parameters of the machine tool.
  • Actual machine parameters are the actually effective machine settings of the machine tool that lead to the depicted workpiece surface. For example, the laser power actually arriving on the sheet metal during the cutting process of a laser cutting machine can deviate from the set laser power in the faulty state of the laser cutting machine. The actual machine parameters therefore correspond to the set machine parameters in an error-free, in particular very good, machine condition.
  • the machine parameters can include the machining parameters (referred to as “process parameters” in some prior art documents), such as the focus position, the feed and / or the gas pressure, of the machine tool, since these also infer the status of individual components to let.
  • process parameters such as the focus position, the feed and / or the gas pressure, of the machine tool, since these also infer the status of individual components to let.
  • the list is not to be understood as exhaustive.
  • a changed feed rate can indicate a defect in the drive.
  • any machine settings that have an influence on the cutting edge surface are to be understood as machine parameters.
  • the set machine parameters of the machine tool are provided and compared with the actual machine parameters by the data aggregation routine.
  • the actual and set machine parameters are compared.
  • the data aggregation routine uses this comparison to determine the difference between actual and set machine parameters, or the difference between the optimal machine status and the actual machine status.
  • the machine status can be determined by the status of only one individual component of the machine tool.
  • the difference can be in a single value, in several values and / or in multi-dimensional comparisons (tables, graphs, etc.).
  • the difference can take place in the form of a list of the machine components that are relevant for the creation of the cutting surface, in particular all of the machine components, with a representation of the probability of errors. This makes it particularly easy to understand the derived maintenance instructions.
  • the determined states of the individual components and the resulting machine state are then used to output at least one specific maintenance instruction in order to correct the defective machine state.
  • No optimization of the set cutting parameters of the machine tool is proposed here, which is intended to improve the cutting edge quality based on a current machine state that is assumed to be optimal, but rather an optimization of the machine state assuming optimally set cutting parameters.
  • the specific individual component can be serviced particularly advantageously by a specialist without in-depth knowledge of the machine. There is no need for complex machine maintenance.
  • the set machine parameters are determined from an image, in particular a photo, of an operator unit of the machine tool.
  • the set machine parameters required for the method can be made available particularly easily by the user in the case of diagnosis.
  • the mapping is evaluated by means of the data aggregation routine and the set machine parameters are determined automatically.
  • a comparison between the image and the determined set machine parameters is checked by a specialist.
  • the set machine parameters are transmitted via a machine interface and / or an automatic Image creation of the user interface are provided.
  • the set machine parameters can be determined automatically in the event of a diagnosis.
  • a further development of the method is also preferred in which at least one process parameter determined by a process sensor system is provided.
  • the at least one process parameter can be provided via a sensor interface in the form of a variable and / or in the form of an image, in particular a photo, which is evaluated by a data aggregation routine.
  • the process sensors are used to monitor and record the machining process by the machine tool.
  • the process sensor system has at least one sensor for determining a process-relevant variable, for example a forward speed, process temperature, process gas pressure, etc. The list is only intended as an example and is not intended to be conclusive.
  • a diagnostic system for carrying out the method according to the invention with an image generator module, a data processing module with a data aggregation routine, a reference module, an evaluation module and an output module
  • the image generator module being designed to display an image , in particular to provide a photo of a surface processed by the machine tool and wherein the data aggregation routine is designed to evaluate the image of the processed surface with regard to the surface quality and to determine actual machine parameters
  • the reference module is designed to provide set machine parameters
  • the evaluation module is designed to determine the machine status, in particular the component statuses, on the basis of the actual machine parameters and the set machine parameters, and wherein a maintenance instruction based on the machine status can be provided via the output module.
  • the image generator module comprises a central buffer and at least one imaging device, in particular a camera, particularly preferably a smartphone camera.
  • the at least one imaging device can be designed to be mobile and / or fixed to a machine tool.
  • the image generator module comprises at least one machine tool-fixed imaging device and a variable imaging device.
  • the at least one imaging device is designed to store images on a central buffer store.
  • the at least one imaging device can be connected to the data memory via a permanent or temporary data transmission connection, in particular wirelessly. In particular, it can be provided to carry out the data transmission via a smartphone application. This enables access to the central buffer store to be made possible in a particularly simple manner.
  • the central buffer can have at least one, in particular several, digital storage units.
  • the central buffer is designed to manage the digital storage units and the data storage.
  • the central buffer can transmit storage instructions, in particular data designations, to the image generator module.
  • the central buffer can be used centrally for several diagnostic systems in a particularly advantageous manner.
  • the image generator module can be designed to carry out a machine and / or diagnostic assignment of the stored images, in particular after receiving a storage instruction from the central buffer.
  • images transmitted by the image generator module can be stored in a particularly structured manner on the central buffer memory.
  • the reference module is designed to determine the set machine parameters directly from the machine tool.
  • the reference module is designed for communication with the machine tool. Communication can Be designed via a permanent and / or intermittent data transmission between the machine tool and the reference module.
  • the reference module is designed to determine the set machine parameters from an image, in particular a photo, of the operator unit of the machine tool. This enables fast data acquisition and / or data transmission of the set machine parameters to the reference module and avoids errors in the manual data transmission from the operator unit to the reference module.
  • the diagnostic system can have a machine tool fixed and / or a mobile imaging device.
  • An embodiment is particularly preferred in which the imaging of the operator unit of the machine tool is provided by the imaging module, in particular the imaging device for imaging the processed surface.
  • the same imaging device can be used in a particularly simple manner to transmit the image of the cut edge and the operator unit.
  • the images transmitted by the image generator module are evaluated directly by the data aggregation routine.
  • the reference module can therefore particularly easily access information that has already been evaluated.
  • the diagnostic system has a central intermediate memory which is designed to store and provide all parameters relevant to the method.
  • the provided actual machine parameters, the set machine parameters, process parameters and all determined data and information (process-relevant parameters) are stored on the central buffer under an individual diagnostic identifier, in particular with machine tool and user identifier.
  • the image generator module has a smartphone and / or a camera that is fixed to the machine tool. This enables the processed surface and / or the set machine parameters to be recorded particularly quickly.
  • the evaluation module is spatially spaced from the machine tool.
  • a spacing of the evaluation module from the machine tool is understood here to mean a spatially wide distance between the evaluation module and the machine tool.
  • a connection is preferably established via a data network, in particular via the Internet.
  • FIG. 2 shows an embodiment of a diagnostic system according to the invention in a schematic representation.
  • 1 shows the method 10 according to the invention in a schematic representation.
  • a machining step 12 a workpiece 16 is machined by a machine tool 14 in accordance with machine parameters 18 set on the machine tool 14.
  • the set machine parameters 18 also include the machining parameters, in particular the cutting parameters, of the machine tool for the machining step 12.
  • the machined workpiece 16 has a machined surface 20.
  • the processed surface 20 is imaged, in particular photographed, in a subsequent imaging step 22 by an imaging device 24, in particular a camera, preferably arranged fixed to the machine tool, and an image 26 of the processed surface 20 of the workpiece 16 is created.
  • an imaging device 24 in particular a camera, preferably arranged fixed to the machine tool, and an image 26 of the processed surface 20 of the workpiece 16 is created.
  • the created image 26 is divided into sub-areas 30.
  • the sub-areas 30 are categorized according to irrelevant and relevant sub-areas 30.
  • Irrelevant subregions 30 are characterized, for example, by the workpiece environment that is also depicted or by the blurred representation of the processed surface 20.
  • Relevant partial areas have, for example, good resolution and quality in the image of the processed surface 20.
  • FIG. 2 shows, by way of example, four partial areas 30 which, however, are only to be understood as examples with regard to their number and section dimensions. A division of the sub-areas 30 into further, for example partially relevant, categories is also conceivable.
  • the processed surface 20 is analyzed by a data aggregation routine 34, in particular a convolutional neural network (CNN).
  • a data aggregation routine 34 in particular a convolutional neural network (CNN).
  • CNN convolutional neural network
  • a comparison step 38 the set machine parameters 18 are compared with the actual machine parameters 36 and the difference is determined.
  • the difference allows conclusions to be drawn about the nature of the individual components of the machine tool 14 and results in the output of a maintenance instruction 40 for correcting the machine condition.
  • the machine parameters 18 set on an operator unit 42 of the machine tool 14 are made available to the method 10 via a data transmission 44. This takes place, for example, through manual input and / or through a data connection between machine tool 14 and a central buffer store 46.
  • the central buffer 46 also serves to store the image 26 of the processed surface 20, the determined actual machine parameters 36 and possible process parameters 48.
  • the process parameters 48 are created via a process sensor system 50 during the processing step 12.
  • the process sensor system 50 is used to monitor the machining step 12 and the machine tool 14 and records the prevailing conditions.
  • the diagnostic system 100 has an image generator module 110 with an imaging device 24, software and a central buffer 46.
  • the imaging device 24 in the form of a smartphone is used to create the image 26 of the processed surface 20 expensive equipping of the machine tool 14 with an imaging device 24, for example in the form of a camera fixed to the machine tool (see FIG. 1), can be dispensed with.
  • the software of the image generator module 110 is designed to establish a data connection to the central buffer store 46 and / or to a data processing module 120. This enables, on the one hand, the storage of the image 26 on the central buffer store 46 and, on the other hand, the further processing of the image 26 in the data processing module 120.
  • the data processing module 120 comprises the data aggregation routine 34 and is used to subdivide the image 26 of the processed surface 20 into sub-areas 30 (see FIG. 1) and to analyze the image 26 of the processed surface 20. Results of the analysis and the creation of the sub-areas 30 (see FIG. 1) are stored on a central buffer 46 connected to the data processing module 120 by means of a data transmission 44.
  • Set machine parameters 18 are transmitted to the diagnostic system 100 via a data transmission 44 between a reference module 130 and the operator unit 42 and stored in the central buffer 46.
  • An evaluation module 140 determines the, in particular multi-dimensional, difference between the set machine parameters 18 (see FIG. 1) and the actual machine parameters 36 (see FIG. 1) as well as the machine status of the machine tool 14.
  • a maintenance instruction 40 (see FIG . 1) for maintenance of the machine tool 14 via an output module 150 to an output unit accessible for a skilled worker entrusted with the maintenance of the machine tool 14, in particular the operator unit 42 and / or the smartphone of the imaging module 110.
  • the invention relates to a method 10 for determining and correcting the defective machine state and / or at least one defective component state of a machine tool 14, the state determination by means of image 26 and analysis 32 of a created cutting edge 20 and comparison 38 being set Machine parameters 18 is determined and the correction is carried out by a maintenance instruction 40 based on the machine condition for maintenance of the machine tool 14.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Numerical Control (AREA)
  • Laser Beam Processing (AREA)

Description

Verfahren zur Bestimmung und Korrektur des Maschinenzustands einer
Werkzeuqmaschine und Diaqnosesvstem
Die vorliegende Erfindung betrifft ein Verfahren zur Bestimmung und Korrektur des Maschinenzustands einer Werkzeugmaschine, insbesondere einer Laserschneidmaschine, sowie ein Diagnosesystem.
Der Maschinenzustand einer Werkzeugmaschine ist bei der Bearbeitung, insbesondere beim Laserschneiden, eine häufige Ursache für eine unzureichende Oberflächenqualität. Bei Laserschneidverfahren führt dies zu einer mangelhaften Qualität an der Schnittkante des Werkstücks. Der Maschinenzustand hängt dabei von den Zuständen der Einzelkomponenten ab. Beispielsweise kann das Schutzgas einer Laserschneidmaschine die Fokuslage und die Düse einer Laserschneidmaschine die Gasdynamik beeinflussen. Die Einzelkomponenten überlagern sich dabei in ihrer Auswirkung auf den Gesamtzustand der Maschine. In der Praxis kann ein Qualitätsmangel an der Schnittkante daher nicht durch Fachkräfte auf eine oder mehrere bestimmte Einzelkomponenten zurückgeführt werden. Zur Ermittlung der mangelhaften Komponenten muss vielmehr auf Verdacht ein standardisiertes manuelles Wartungsprogramm mit wenigstens 13 aufeinander aufbauenden Einzelschritten durchgeführt werden.
Die Wartungsmaßnahmen erfordern lange Maschinenstandzeiten sowie den Einsatz gut ausgebildeter Fachkräfte zur Durchführung. Dies verursacht im Wartungsfall erhebliche Kosten und Produktionsausfälle.
Im Stand der Technik werden zwar Methoden vorgeschlagen, anhand einer Aufnahme einer Schnittkante Qualitätsmerkmale einer Werkstückoberfläche zu verbessern. Allerdings wird bei den bekannten Methoden stets von einem optimalen Maschinenzustand ausgegangen.
Aufgabe der Erfindung
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren und ein Diagnosesystem bereitzustellen, durch das ein mangelhafter Maschinenzustand auf einfache und schnelle Art ermittelt und korrigiert werden kann.
Gegenstand der Erfindung
Die Aufgabe wird gelöst durch ein Verfahren gemäß Patentanspruch 1 und ein Diagnosesystem gemäß Patentanspruch 4. Die Unteransprüche geben bevorzugte Ausführungsformen wieder. Die Aufgabe wird somit erfindungsgemäß gelöst durch ein Verfahren zur Bestimmung und Korrektur des Maschinenzustands einer Werkzeugmaschine, insbesondere einer
Laserschneidmaschine, mit den Verfahrensschritten:
A) Bereitstellen einer Oberflächenabbildung einer durch die Werkzeugmaschine erstellten Oberfläche, insbesondere einer Schnittkantenoberfläche;
B) Analysieren der Oberflächenabbildung mittels einer Daten-Aggregations-Routine und ermitteln von aus der Oberflächenabbildung bestimmbarer tatsächlicher Maschinenparameter;
D) Bereitstellen von an der Werkzeugmaschine eingestellten Maschinenparametern; wobei das Verfahren folgende Verfahrensschritte aufweist:
I) Vergleich der tatsächlichen Maschinenparameter mit den eingestellten Maschinenparametern;
J) Bestimmen des Maschinenzustands, insbesondere der Komponentenzustände, auf Grundlage der zuvor ermittelten Differenz zwischen den tatsächlichen Maschinenparametern und den eingestellten Maschinenparametern;
K) Ausgabe einer Wartungsanweisung zur Korrektur des Maschinenzustands.
Die erfindungsgemäße Ausgabe einer Wartungsanweisung zur Korrektur des Maschinenzustands kann sich dabei auf eine oder mehrere konkrete Einzelkomponenten der Maschine beziehen. Hierdurch entfällt besonders zeit- und kostengünstig die Wartung der gesamten Maschine in Form von vielen einzelnen Überprüfungen auf Verdacht.
Die Reihenfolge der angegebenen Verfahrensschritte ist besonders vorteilhaft hinsichtlich eines schnellen Verfahrensablaufs, ist jedoch nicht abschließend zu verstehen. Denkbar ist ebenso eine geänderte Reihenfolge. Die Erfindung betrifft somit ein Verfahren zur Ermittlung und Korrektur des defekten Maschinenzustands und/oder zumindest eines defekten Komponentenzustands einer Werkzeugmaschine.
Im ersten Verfahrensschritt wird eine Abbildung der durch die Werkzeugmaschine erstellten Oberfläche, insbesondere der Schnittkante, bereitgestellt. Die Bereitstellung der Oberflächenabbildung erfolgt dabei insbesondere in Form einer Fotografie, besonders bevorzugt in Form einer digitalen Farbfotografie. Flierdurch kann eine Bereitstellung und Weiterverwendung der Oberflächenabbildung besonders schnell und einfach erfolgen. Unter einer Oberflächenabbildung wird dabei lediglich die Abbildung der bearbeiteten Werkstückoberfläche verstanden. Enthält eine Abbildung neben der Oberflächenabbildung zusätzlich eine Umgebungsabbildung der Werkstückumgebung, so ist vorgesehen, die Abbildung auf die Oberflächenabbildung zu reduzieren. Mit anderen Worten wird die Oberflächenabbildung aus einer Gesamtabbildung mit einer Umgebungsabbildung freigeschnitten. Hierzu kann ein weiterer Verfahrensschritt vorgesehen sein. Besonders bevorzugt erfolgt ein Freischneiden der Oberflächenabbildung während der Analyse der Oberflächenabbildung. Hierdurch kann das Verfahren besonders einfach und schnell durchgeführt werden.
Das Verfahren weist zumindest eine, insbesondere mehrere Daten-Aggregations- Routinen, auf. Eine Daten-Aggregations-Routine kann ausgelegt sein, mehrere „ermittelte Daten“ zu einem neuen Datenpaket zu aggregieren. Das neue Datenpaket kann eine oder mehrere Zahlen oder Vektoren aufweisen. Das neue Datenpaket kann vollständig oder teilweise weiteren Daten-Aggregations-Routinen als „ermittelte Daten“ zur Verfügung gestellt werden. „Ermittelte Daten“ können z.B. Maschinenparameter, Materialparameter, Bearbeitungsparameter oder von einer der Daten-Aggregations- Routinen zur Verfügung gestellte Datenpakete sein. Besonders bevorzugt ist ein Verfahren in Form eines Algorithmus mit mehreren verbundenen Daten-Aggregations- Routinen ausgebildet. Insbesondere können mehrere hundert, insbesondere mehrere tausend solcher Daten-Aggregations-Routinen miteinander verbunden werden. Die Qualität und Geschwindigkeit des Verfahrens wird hierdurch deutlich verbessert. Das Verfahren kann eine Funktion mit gewichteten Variablen aufweisen. Eine, insbesondere mehrere, besonders bevorzugt alle, Daten-Aggregations-Routinen können ausgelegt sein, mehrere „ermittelte Daten“ jeweils mit einer gewichteten Variablen zu kombinieren, insbesondere zu multiplizieren, und so die „ermittelten Daten“ zu „kombinierten Daten“ umzuwandeln um dann die „kombinierten Daten“ zu einem neuen Datenpaket zu aggregieren, insbesondere zu addieren. Zur Ermittlung geeigneter gewichteter Variablen kann das Verfahren durchlaufen werden mit Daten, insbesondere Maschinenparametern, Materialparametern und/oder Bearbeitungsparametern, deren Zusammengehörigkeit jeweils bekannt ist.
Die Merkmale der Maschinen- und Bearbeitungsparameter sowie die Schnittkantenmerkmale können hierbei selbst Datenpakete, insbesondere mehrere strukturierte Daten, insbesondere Datenvektoren oder Daten-Arrays, sein, die selbst wieder „ermittelte Daten“ z.B. für das Verfahren, insbesondere für die Daten- Aggregations-Routinen des Verfahrens, darstellen können.
In einem Verfahrensschritt wird die Oberflächenabbildung mittels der Daten- Aggregations-Routine, insbesondere einem Convolutional Neural Network (CNN), analysiert. Die Daten-Aggregations-Routine ermittelt hierfür zunächst den relevanten Abbildungsbereich der bereitgestellten Oberflächenabbildung. Dies stellt sicher, dass Abbildungsbereiche, mit geringer Qualität, beziehungsweise unscharfe Abbildungsbereiche vor der Analyse durch die Daten-Aggregations-Routine erkannt werden und gegebenenfalls in der Analyse untergeordnet gedeutet, insbesondere von der Analyse ausgenommen, werden. Hierdurch kann die Qualität und die Geschwindigkeit des Verfahrens weiter verbessert werden.
Die Daten-Aggregations-Routine analysiert die Oberfläche hinsichtlich der Oberflächenbeschaffenheit, insbesondere der Oberflächenstruktur, und ermittelt der Oberflächenbeschaffenheit zugrunde liegende tatsächliche Maschinenparameter der Werkzeugmaschine. Tatsächliche Maschinenparameter sind dabei die tatsächlich wirkenden Maschineneinstellungen der Werkzeugmaschine, die zur abgebildeten Werkstückoberfläche führen. Beispielsweise kann die tatsächlich während des Schneidvorgangs einer Laserschneidmaschine am Blech ankommende Laserleistung im fehlerbehafteten Zustand der Laserschneidmaschine von der eingestellten Laserleistung abweichen. Mithin entsprechen die tatsächlichen Maschinenparameter in einem fehlerfreien, insbesondere sehr gutem, Maschinenzustand den eingestellten Maschinenparametern.
Im erfindungsgemäßen Sinn können die Maschinenparameter dabei die Bearbeitungsparameter (in einigen Dokumenten zum Stand der Technik als „Prozessparameter“ bezeichnet), wie beispielsweise die Fokuslage, den Vorschub und/oder den Gasdruck, der Werkzeugmaschine umfassen, da diese ebenfalls auf den Zustand von Einzelkomponenten schließen lassen. Die Aufzählung ist nicht abschließend zu verstehen. Beispielsweise kann ein veränderter Vorschub auf einen Defekt des Antriebs deuten. Darüber hinaus sind jegliche Maschineneinstellungen mit einem Einfluss auf die Schnittkantenoberfläche als Maschinenparameter zu verstehen.
In einem weiteren Verfahrensschritt werden die eingestellten Maschinenparameter der Werkzeugmaschine bereitgestellt und durch die Daten-Aggregations-Routine mit den tatsächlichen Maschinenparametern verglichen. Mit anderen Worten erfolgt eine Gegenüberstellung von tatsächlichen und eingestellten Maschinenparametern. Die Daten-Aggregations-Routine ermittelt durch diesen Vergleich die Differenz zwischen tatsächlichen und eingestellten Maschinenparametern, beziehungsweise die Differenz zwischen dem optimalen Maschinenzustand und dem tatsächlichen Maschinenzustand. Hierbei kann der Maschinenzustand durch den Zustand lediglich einer Einzelkomponente der Werkzeugmaschine bestimmt sein. Die Differenz kann in einem einzelnen Wert, in mehreren Werten und/oder in mehrdimensionalen Gegenüberstellungen (Tabellen, Schaubilder, etc.) ausgebildet sein. Insbesondere kann die Differenz in Form einer Aufstellung der für die Erstellung der Schnittoberfläche relevanten, insbesondere allen, Maschinenkomponenten mit Darstellung einer Fehlerwahrscheinlichkeit erfolgen. Hierdurch lässt sich die abgeleitete Wartungsanweisung besonders leicht nachvollziehen.
Die ermittelten Zustände der Einzelkomponente sowie der resultierende Maschinenzustand werden anschließend zur Ausgabe von zumindest einer konkreten Wartungsanweisung verwendet, um den mangelhaften Maschinenzustand zu korrigieren. Hierbei wird keine Optimierung der eingestellten Schneidparameter der Werkzeugmaschine vorgeschlagen, die ausgehend von einem momentanen, als optimal vorausgesetzten Maschinenzustand die Schnittkantenqualität verbessern soll, sondern eine Optimierung des Maschinenzustands unter Annahme optimal eingestellter Schneidparameter. Besonders vorteilhaft kann hierdurch die konkrete Einzelkomponente durch eine Fachkraft ohne tiefes Maschinenwissen gewartet werden. Eine aufwendige Maschinenwartung entfällt.
In einer bevorzugten Weiterbildung des Verfahrens werden die eingestellten Maschinenparameter aus einer Abbildung, insbesondere einem Foto, einer Bedienereinheit der Werkzeugmaschine ermittelt. Hierdurch können die für das Verfahren benötigten eingestellten Maschinenparameter im Diagnosefall besonders einfach durch den Benutzer bereitgestellt werden. Insbesondere kann vorgesehen sein, dass die Abbildung mittels der Daten-Aggregations-Routine ausgewertet und die eingestellten Maschinenparameter automatisch ermittelt werden. In diesem Fall kann vorgesehen sein, dass eine Gegenüberstellung zwischen Abbildung und ermittelten eingestellten Maschinenparametern durch eine Fachkraft überprüft wird.
Alternativ oder zusätzlich kann vorgesehen sein, dass die eingestellten Maschinenparameter über eine Maschinenschnittstelle und/oder eine automatische Bilderstellung der Benutzeroberfläche bereitgestellt werden. Flierdurch können die eingestellten Maschinenparameter im Diagnosefall automatisch ermittelt werden.
Weiterhin bevorzugt ist eine Weiterbildung des Verfahrens, bei der zumindest ein durch eine Prozess-Sensorik ermittelter Prozessparameter bereitgestellt wird. Der zumindest eine Prozessparameter kann dabei über einer Sensorik-Schnittstelle in Form einer Variablen und/oder in Form einer Abbildung, insbesondere eines Fotos, die durch eine Daten-Aggregation-Routine ausgewertet wird, bereitgestellt werden. Die Prozess-Sensorik dient der Überwachung und Aufnahme des Bearbeitungsprozesses durch die Werkzeugmaschine. Die Prozess-Sensorik weist dabei zumindest einen Sensor zum Ermitteln einer prozessrelevanten Größe auf, beispielsweise einer Vorlaufgeschwindigkeit, Prozesstemperatur, Prozessgasdruck, usw. Die Auflistung ist dabei lediglich beispielhaft und nicht abschließend zu verstehen.
Die der Erfindung zugrunde liegende Aufgabe wird weiterhin gelöst durch ein erfindungsgemäßes Diagnosesystem zur Ausführung des erfindungsgemäßen Verfahrens mit einem Bildgebermodul, einem Datenverwertungsmodul mit einer Daten-Aggregations-Routine, einem Referenzmodul, einem Auswertungsmodul und einem Ausgabemodul, wobei das Bildgebermodul dazu ausgebildet ist, eine Abbildung, insbesondere ein Foto, einer durch die Werkzeugmaschine bearbeiteten Oberfläche bereitzustellen und wobei die Daten-Aggregations-Routine dazu ausgebildet ist, die Abbildung der bearbeiteten Oberfläche hinsichtlich der Oberflächenqualität auszuwerten und tatsächliche Maschinenparameter zu ermitteln, und wobei das Referenzmodul zur Bereitstellung von eingestellten Maschinenparametern ausgebildet ist, wobei das Auswertungsmodul dazu ausgebildet ist, auf Grundlage der tatsächlichen Maschinenparameter und der eingestellten Maschinenparameter den Maschinenzustand, insbesondere die Komponentenzustände, zu ermitteln und wobei eine auf dem Maschinenzustand basierende Wartungsanweisung über das Ausgabemodul bereitstellbar ist. Das Bildgebermodul umfasst einen zentralen Zwischenspeicher und zumindest eine Abbildungsvorrichtung, insbesondere eine Kamera, besonders bevorzugt eine Smartphone-Kamera. Die zumindest eine Abbildungsvorrichtung kann mobil und/oder werkzeugmaschinenfest ausgebildet sein. Insbesondere umfasst das Bildgebermodul zumindest eine werkzeugmaschinenfeste Abbildungsvorrichtung und eine variable Abbildungsvorrichtung. Die zumindest eine Abbildungsvorrichtung ist dazu ausgebildet, Abbildungen auf einem zentralen Zwischenspeicher zu speichern. Hierfür kann die zumindest eine Abbildungsvorrichtung über eine dauerhafte oder zeitweise Datenübertragungsverbindung, insbesondere drahtlos, mit dem Datenspeicher verbunden sein. Insbesondere kann vorgesehen sein, die Datenübertragung über eine Smartphone-Anwendung durchzuführen. Hierdurch kann der Zugriff auf den zentralen Zwischenspeicher besonders einfach ermöglicht werden.
Der zentrale Zwischenspeicher kann mindestens eine, insbesondere mehrere, digitale Speichereinheiten aufweisen. Der zentrale Zwischenspeicher ist dazu ausgebildet, die digitalen Speichereinheiten sowie die Datenablage zu verwalten. Zu diesem Zweck kann der zentrale Zwischenspeicher Speicheranweisungen, insbesondere Datenbezeichnungen, an das Bildgebermodul übermitteln. Hierdurch kann der zentrale Zwischenspeicher besonders vorteilhaft für mehrere Diagnosesysteme zentral verwendet werden. Das Bildgebermodul kann dazu ausgebildet sein, eine Maschinen- und/oder Diagnosezuordnung der gespeicherten Abbildungen, insbesondere nach Erhalt einer Speicheranweisung durch den zentralen Zwischenspeicher, vorzunehmen. Hierdurch können durch das Bildgebermodul übermittelte Abbildungen besonders strukturiert auf dem zentralen Zwischenspeicher gespeichert werden.
Bei einer bevorzugten Ausführungsform des Diagnosesystems ist vorgesehen, dass das Referenzmodul dazu ausgebildet ist, die eingestellten Maschinenparameter direkt aus der Werkzeugmaschine zu ermitteln. Das Referenzmodul ist hierbei zur Kommunikation mit der Werkzeugmaschine ausgebildet. Die Kommunikation kann über eine dauerhafte und/oder zeitweise Datenübertragung zwischen Werkzeugmaschine und Referenzmodul ausgebildet sein.
Weiterhin bevorzugt ist eine Ausführungsform, bei der das Referenzmodul dazu ausgebildet ist, die eingestellten Maschinenparameter aus einer Abbildung, insbesondere einem Foto, der Bedienereinheit der Werkzeugmaschine zu ermitteln. Dies ermöglicht die schnelle Datenerfassung und/oder Datenübermittlung der eingestellten Maschinenparameter an das Referenzmodul und vermeidet Fehler bei der manuellen Datenübertragung von der Bedienereinheit an das Referenzmodul. Flierzu kann das Diagnosesystem eine werkzeugmaschinenfeste und/oder eine mobile Abbildungsvorrichtung aufweisen.
Besonders bevorzugt ist eine Ausführungsform, bei der die Abbildung der Bedienereinheit der Werkzeugmaschine durch das Bildgebermodul, insbesondere die Abbildungsvorrichtung zum Abbilden der bearbeiteten Oberfläche, bereitgestellt wird. Hierdurch kann auf besonders einfache Weise dieselbe Abbildungsvorrichtung zur Übermittlung der Abbildung der Schnittkante und der Bedienereinheit verwendet werden. Insbesondere erfolgt eine direkte Auswertung der durch das Bildgebermodul übermittelten Abbildungen durch die Daten-Aggregations-Routine. Das Referenzmodul kann somit besonders einfach auf bereits ausgewertete Informationen zugreifen.
In einer bevorzugten Ausführungsform weist das Diagnosesystem einen zentralen Zwischenspeicher auf, der zum Speichern und Bereitstellen aller verfahrensrelevanten Parameter ausgebildet ist. Insbesondere werden die bereitgestellten tatsächlichen Maschinenparameter, die eingestellten Maschinenparameter, Prozessparameter sowie alle ermittelten Daten und Informationen (verfahrensrelevante Parameter) unter einer individuellen Diagnosekennung, insbesondere mit Werkzeugmaschinen- und Nutzerkennung, auf dem zentralen Zwischenspeicher gespeichert. Somit kann besonders vorteilhaft auf zurückliegende Diagnosefälle bei weiteren Analysen zurückgegriffen werden.
Weiterhin bevorzugt ist eine Ausführungsform bei der das Bildgebermodul ein Smartphone und/oder eine werkzeugmaschinenfeste Kamera aufweist. Hierdurch wird eine besonders schnelle Erfassung der bearbeiteten Oberfläche und/oder der eingestellten Maschinenparameter ermöglicht.
In einer bevorzugten Ausführungsform ist das Auswertungsmodul örtlich von der Werkzeugmaschine beabstandet. Unter einer Beabstandung des Auswertungsmoduls von der Werkzeugmaschine wird hierbei eine örtlich weite Entfernung zwischen Auswertungsmodul und Werkzeugmaschine verstanden. Eine Verbindung wird dabei bevorzugt über ein Datennetz, insbesondere über das Internet, hergestellt. Durch örtliche Beabstandung des Auswertungsmoduls kann die Daten-Aggregations-Routine zentral mit Rechenleistung und Energie versorgt werden und besonders günstig für mehrere Diagnosesysteme verwendet werden.
Weitere Vorteile ergeben sich aus der Beschreibung und der Zeichnung. Ebenso können die vorstehend genannten und die noch weiter aufgeführten Merkmale je für sich oder zu mehreren in beliebigen Kombinationen Verwendung finden. Die gezeigten und beschriebenen Ausführungsformen sind nicht als abschließende Aufzählung zu verstehen, sondern haben vielmehr beispielhaften Charakter für die Schilderung der Erfindung.
Es zeigen:
Fig. 1 das erfindungsgemäße Verfahren in einer schematischen Darstellung;
Fig. 2 eine Ausführungsform eines erfindungsgemäßen Diagnosesystems in einer schematischen Darstellung. Fig. 1 zeigt das erfindungsgemäße Verfahren 10 in einer schematischen Darstellung. In einem Bearbeitungsschritt 12 wird durch eine Werkzeugmaschine 14 ein Werkstück 16 gemäß an der Werkzeugmaschine 14 eingestellter Maschinenparameter 18 bearbeitet. Die eingestellten Maschinenparameter 18 umfassen dabei neben den Werkzeugmaschinenparametern auch die Bearbeitungsparameter, insbesondere die Schneideparameter, der Werkzeugmaschine für den Bearbeitungsschritt 12. Das bearbeitete Werkstück 16 weist eine bearbeitete Oberfläche 20 auf.
Die bearbeitete Oberfläche 20 wird in einem nachfolgenden Abbildungsschritt 22 von einer Abbildungsvorrichtung 24, insbesondere einer, vorzugsweise werkzeugmaschinenfest angeordneten, Kamera, abgebildet, insbesondere fotografiert, und eine Abbildung 26 der bearbeiteten Oberfläche 20 des Werkstücks 16 erstellt.
In einem Vorbereitungsschritt 28 wird die erstellte Abbildung 26 in Teilbereiche 30 unterteilt. Die Teilbereiche 30 werden nach irrelevanten und relevanten Teilbereichen 30 kategorisiert. Irrelevante Teilbereiche 30 sind dabei beispielsweise durch die mitabgebildete Werkstückumgebung oder unscharfe Darstellung der bearbeiteten Oberfläche 20 charakterisiert. Relevante Teilbereiche weisen beispielsweise eine gute Auflösung und Qualität in der Abbildung der bearbeiteten Oberfläche 20 auf. Darüber hinaus können weitere Kriterien zur Unterteilung, beziehungsweise zur Reduzierung der Abbildung 26 vorgesehen sein. Fig. 2 zeigt beispielhaft vier Teilbereiche 30 die jedoch hinsichtlich ihrer Anzahl und Ausschnittsmaße lediglich beispielhaft zu verstehen sind. Denkbar ist zudem eine Einteilung der Teilbereiche 30 in weitere, beispielsweise teilrelevante, Kategorien.
In einem Analyseschritt 32 wird die bearbeitete Oberfläche 20 durch eine Daten- Aggregations-Routine 34, insbesondere ein Convolutional Neural Network (CNN), analysiert. Hierbei ist denkbar, dass der Vorbereitungsschritt 28 unmittelbar vor dem Analyseschritt 32 durch dieselbe Daten-Aggregations-Routine 34 durchgeführt wird. Hierdurch kann das Verfahren 10 besonders effektiv durchgeführt werden und es wird weniger Speicherplatz benötigt. Die Daten-Aggregations-Routine 34 ermittelt auf Grundlage der Abbildung 26 der bearbeiteten Oberfläche 20 tatsächliche Maschinenparameter 36, mit denen die bearbeitete Oberfläche 20 bei intaktem Maschinenzustand erstellt wird.
In einem Vergleichsschritt 38 werden die eingestellten Maschinenparameter 18 mit den tatsächlichen Maschinenparametern 36 verglichen und die Differenz ermittelt. Die Differenz lässt Rückschlüsse auf die Beschaffenheit der Einzelkomponenten der Werkzeugmaschine 14 zu und resultiert in der Ausgabe einer Wartungsanweisung 40 zur Korrektur des Maschinenzustands.
In der gezeigten Ausführungsform der Fig. 1 werden dem Verfahren 10 die an einer Bedienereinheit 42 der Werkzeugmaschine 14 eingestellten Maschinenparameter 18 über eine Datenübertragung 44 bereitgestellt. Dies erfolgt beispielsweise durch manuelle Eingabe und/oder durch eine Datenverbindung zwischen Werkzeugmaschine 14 und einem zentralen Zwischenspeicher 46.
Der zentrale Zwischenspeicher 46 dient darüber hinaus zum Speichern der Abbildung 26 der bearbeiteten Oberfläche 20, der ermittelten tatsächlichen Maschinenparameter 36 sowie möglicher Prozessparameter 48.
Die Prozessparameter 48 werden über eine Prozess-Sensorik 50 während des Bearbeitungsschritts 12 erstellt. Die Prozess-Sensorik 50 dient der Überwachung des Bearbeitungsschritts 12 sowie der Werkzeugmaschine 14 und erfasst die vorherrschenden Bedingungen.
Fig. 2 zeigt ein erfindungsgemäßes Diagnosesystem 100, insbesondere zur Durchführung des Verfahrens 10. Das Diagnosesystem 100 weist ein Bildgebermodul 110 mit einer Abbildungsvorrichtung 24, einer Software und einem zentralen Zwischenspeicher 46 auf. Die Abbildungsvorrichtung 24 in Form eines Smartphones dient zur Erstellung der Abbildung 26 der bearbeiteten Oberfläche 20. Flierdurch kann auf eine kostenintensive Ausrüstung der Werkzeugmaschine 14 mit einer Abbildungsvorrichtung 24, beispielsweise in Form einer werkzeugmaschinenfesten Kamera (siehe Fig. 1) verzichtet werden. Die Software des Bildgebermoduls 110 ist dazu ausgebildet, eine Datenverbindung zu dem zentralen Zwischenspeicher 46 und/oder zu einem Datenverwertungsmodul 120 herzustellen. Flierdurch wird einerseits das Speichern der Abbildung 26 auf dem zentralen Zwischenspeicher 46, andererseits das Weiterverarbeiten der Abbildung 26 im Datenverwertungsmodul 120 ermöglicht.
Das Datenverwertungsmodul 120 umfasst die Daten-Aggregations-Routine 34 und dient der Unterteilung der Abbildung 26 der bearbeiteten Oberfläche 20 in Teilbereiche 30 (siehe Fig. 1 ) sowie der Analyse der Abbildung 26 der bearbeiteten Oberfläche 20. Ergebnisse der Analyse sowie der Erstellung der Teilbereiche 30 (siehe Fig. 1) werden auf einem, mittels einer Datenübertragung 44 an das Datenverwertungsmodul 120 angebundenen, zentralen Zwischenspeicher 46 gespeichert.
Über eine Datenübertragung 44 zwischen einem Referenzmodul 130 und der Bedienereinheit 42 werden eingestellte Maschinenparameter 18 (siehe Fig. 1 ; Bearbeitungsparameter und Maschineneinstellungen) an das Diagnosesystem 100 übertragen und auf dem zentralen Zwischenspeicher 46 gespeichert.
Ein Auswertungsmodul 140 ermittelt die, insbesondere mehrdimensionale, Differenz zwischen den eingestellten Maschinenparametern 18 (siehe Fig. 1 ) und den tatsächlichen Maschinenparametern 36 (siehe Fig. 1) sowie den Maschinenzustand der Werkzeugmaschine 14. Mittels der Datenübertragung 44 wird eine Wartungsanweisung 40 (siehe Fig. 1 ) zur Wartung der Werkzeugmaschine 14 über ein Ausgabemodul 150 an eine, für eine mit der Wartung der Werkzeugmaschine 14 beauftragte Fachkraft zugängliche Ausgabeeinheit, insbesondere die Bedienereinheit 42 und/oder das Smartphone des Bildgebermoduls 110 übertragen. Unter Vornahme einer Zusammenschau aller Figuren der Zeichnung betrifft die Erfindung ein Verfahren 10 zur Ermittlung und Korrektur des defekten Maschinenzustands und/oder zumindest eines defekten Komponentenzustands einer Werkzeugmaschine 14, wobei die Zustandsermittlung mittels Abbildung 26 und Analyse 32 einer erstellten Schnittkante 20 und Vergleich 38 mit eingestellten Maschinenparametern 18 ermittelt wird und die Korrektur durch eine auf dem Maschinenzustand basierende Wartungsanweisung 40 zur Wartung der Werkzeugmaschine 14 erfolgt.
Bezuqszeichenliste
10 Verfahren;
12 Bearbeitungsschritt;
14 Werkzeugmaschine;
16 Werkstück;
18 eingestellte Maschinenparameter;
20 bearbeitete Oberfläche;
22 Abbildungsschritt;
24 Abbildungsvorrichtung;
26 Abbildung der bearbeiteten Oberfläche;
28 Vorbereitungsschritt;
30 Teilbereich;
32 Analyseschritt;
34 Daten-Aggregations-Routine;
36 tatsächliche Maschinenparameter;
38 Vergleichsschritt;
40 Wartungsanweisung;
42 Bedienereinheit;
44 Datenübertragung;
46 zentraler Zwischenspeicher;
48 Prozessparameter;
50 Prozess-Sensorik;
100 Diagnosesystem;
110 Bildgebermodul;
120 Datenverwertungsmodul;
130 Referenzmodul;
140 Auswertungsmodul;
150 Ausgabemodul.

Claims

Patentansprüche
1. Verfahren (10) zur Bestimmung und Korrektur des Maschinenzustands einer
Werkzeugmaschine (14), insbesondere einer Laserschneidmaschine, mit den
Verfahrensschritten:
A) Bereitstellen einer Oberflächenabbildung (26) einer durch die
Werkzeugmaschine (14) erstellten Oberfläche (20), insbesondere einer Schnittkantenoberfläche;
B) Analysieren der Oberflächenabbildung (26) mittels einer Daten- Aggregations-Routine (34) und Ermitteln von aus der Oberflächenabbildung (26) bestimmbarer tatsächlicher Maschinenparameter (36);
D) Bereitstellen von an der Werkzeugmaschine (14) eingestellten Maschinenparametern (18); wobei das Verfahren (10) weiterhin folgende Verfahrensschritte aufweist:
I) Vergleich der tatsächlichen Maschinenparameter (36) mit den eingestellten Maschinenparametern (18);
J) Bestimmen des Maschinenzustands, insbesondere der Komponentenzustände, auf Grundlage der zuvor ermittelten Differenz zwischen den tatsächlichen Maschinenparametern (36) und den eingestellten Maschinenparametern (18);
K) Ausgabe einer Wartungsanweisung (40) zur Korrektur des
Maschinenzustands.
2. Verfahren nach Anspruch 1 , aufweisend einen Verfahrensschritt:
C) Ermitteln der eingestellten Maschinenparameter (18) aus einer Abbildung, insbesondere einem Foto, einer Bedienereinheit (42) der
Werkzeugmaschine (14).
3. Verfahren nach einem der vorhergehenden Ansprüche, aufweisend einen Verfahrensschritt:
E) Bereitstellen von zumindest einem durch eine Prozess-Sensorik ermittelten Prozessparameter (48);
4. Diagnosesystem (100) zur Ausführung eines Verfahrens (10), insbesondere nach einem der vorhergehenden Ansprüche, mit einem Bildgebermodul (110), einem Datenverwertungsmodul (120) mit einer Daten-Aggregations-Routine (34), einem Referenzmodul (130), einem Auswertungsmodul (140) und einem Ausgabemodul (150), wobei das Bildgebermodul (110) dazu ausgebildet ist, eine Abbildung (26), insbesondere ein Foto, einer durch die Werkzeugmaschine (14) bearbeiteten Oberfläche (20) bereitzustellen und wobei die Daten- Aggregations-Routine (34) dazu ausgebildet ist, die Abbildung der bearbeiteten Oberfläche (20) hinsichtlich der Oberflächenqualität auszuwerten und tatsächliche Maschinenparameter (36) zu ermitteln, und wobei das Referenzmodul (130) zur Bereitstellung von eingestellten Maschinenparametern (18) ausgebildet ist, wobei das Auswertungsmodul (140) dazu ausgebildet ist, auf Grundlage der tatsächlichen Maschinenparameter (36) und der eingestellten Maschinenparameter (18) den Maschinenzustand, insbesondere die Komponentenzustände, zu ermitteln und wobei eine auf dem Maschinenzustand basierende Wartungsanweisung (40) über das Ausgabemodul (150) bereitstellbar ist.
5. Diagnosesystem nach Anspruch 4, wobei das Referenzmodul (130) dazu ausgebildet ist, die eingestellten Maschinenparameter (18) direkt aus der Werkzeugmaschine (14) zu ermitteln.
6. Diagnosesystem nach Anspruch 4, wobei das Referenzmodul (130) dazu ausgebildet ist, die eingestellten Maschinenparameter (18) aus einer Abbildung (26), insbesondere einem Foto, der Bedienereinheit (42) der Werkzeugmaschine (14) zu ermitteln.
7. Diagnosesystem nach Anspruch 6, wobei die Abbildung der Bedienereinheit (42) durch das Bildgebermodul (110) bereitgestellt wird.
8. Diagnosesystem nach einem der Ansprüche 4 bis 7, aufweisend einen zentralen Zwischenspeicher (46), der zum Speichern und Bereitstellen aller verfahrensrelevanten Parameter ausgebildet ist.
9. Diagnosesystem nach einem der Ansprüche 4 bis 8, wobei das Bildgebermodul (110) ein Smartphone und/oder eine werkzeugmaschinenfeste Kamera aufweist.
10. Diagnosesystem nach einem der Ansprüche 4 bis 9, wobei das
Auswertungsmodul (140) örtlich von der Werkzeugmaschine (14) beabstandet ist.
EP20829778.8A 2019-12-20 2020-12-18 Verfahren zur bestimmung und korrektur des maschinenzustands einer werkzeugmaschine und diagnosesystem Withdrawn EP4078463A2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019220485.6A DE102019220485A1 (de) 2019-12-20 2019-12-20 Verfahren zur Bestimmung und Korrektur des Maschinenzustands einer Werkzeugmaschine und Diagnosesystem
PCT/EP2020/087168 WO2021123268A2 (de) 2019-12-20 2020-12-18 Verfahren zur bestimmung und korrektur des maschinenzustands einer werkzeugmaschine und diagnosesystem

Publications (1)

Publication Number Publication Date
EP4078463A2 true EP4078463A2 (de) 2022-10-26

Family

ID=74175775

Family Applications (1)

Application Number Title Priority Date Filing Date
EP20829778.8A Withdrawn EP4078463A2 (de) 2019-12-20 2020-12-18 Verfahren zur bestimmung und korrektur des maschinenzustands einer werkzeugmaschine und diagnosesystem

Country Status (6)

Country Link
US (1) US12346104B2 (de)
EP (1) EP4078463A2 (de)
JP (1) JP7485767B2 (de)
CN (1) CN114868134B (de)
DE (1) DE102019220485A1 (de)
WO (1) WO2021123268A2 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019220485A1 (de) * 2019-12-20 2021-06-24 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Verfahren zur Bestimmung und Korrektur des Maschinenzustands einer Werkzeugmaschine und Diagnosesystem
CN119057565B (zh) * 2024-09-29 2025-01-28 成都秦川物联网科技股份有限公司 基于工业物联网的数控加工刀具智能监测方法和系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10311822A1 (de) * 2003-03-13 2004-10-07 Ekra Eduard Kraft Gmbh Maschinenfabrik Verfahren und Vorrichtung zur Kontrolle oder Beeinflussung des Druckprozesses beim Lotpastendruck

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITVI20050320A1 (it) * 2005-12-02 2007-06-03 Automatismi Brazzale Srl Macchina multifunzionale per la correzione degli errori di planarita' e dello stato di tensionamento di lame discoidali, nonche' metodo e programma di controllo di tale macchina
MX2011005335A (es) * 2008-11-21 2011-10-11 Precitec Kg Metodo y dispositivo para monitorear una operacion de procesamiento laser a ser realizada sobre una pieza de trabajo y cabeza de procesamiento laser que tiene dicho dispositivo.
KR20100115594A (ko) * 2009-04-20 2010-10-28 박래경 공작기계용 가공공정 검정장치
WO2012000648A1 (en) * 2010-06-28 2012-01-05 Precitec Kg Method for closed-loop controlling a laser processing operation and laser material processing head using the same
US9529343B2 (en) 2010-06-30 2016-12-27 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Dialogue system and method for examining machining processes
DE102010030691B4 (de) 2010-06-30 2024-08-29 TRUMPF Werkzeugmaschinen SE + Co. KG Dialogsystem und Verfahren zur Untersuchung eines Bearbeitungsprozesses
CN102581244B (zh) * 2012-03-02 2013-11-13 中冶连铸技术工程股份有限公司 一种连铸铸坯表面质量的在线控制系统及控制方法
DE102012203752A1 (de) * 2012-03-09 2013-09-12 Homag Holzbearbeitungssysteme Gmbh Verfahren zum Manipulieren einer Bearbeitungsmaschine
KR101439430B1 (ko) * 2012-11-29 2014-09-11 주식회사 동구산업 타이어 코드 제조 설비용 가이드 롤러 제조방법 및 그 제품
CN103100678A (zh) * 2013-01-15 2013-05-15 中冶南方工程技术有限公司 连铸坯缺陷影响参数的在线控制系统与方法
CN103111753B (zh) * 2013-02-04 2015-04-22 福建省威诺数控有限公司 一种基于视觉的全自动晶圆划片机控制系统
EP3107680A4 (de) 2014-02-20 2018-01-03 Dmg Mori Seiki Advanced Solutions Inc. Bearbeitungskopf für ein hybrides zentrum zur generativen/subtraktiven fertigung
DE102014212682A1 (de) * 2014-07-01 2016-01-07 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Verfahren und Vorrichtung zum Bestimmen einer Werkstoffart und/oder einer Oberflächenbeschaffenheit eines Werkstücks
US10960493B2 (en) 2014-11-11 2021-03-30 DMG Mori USA Machine tool system and method for additive manufacturing
KR20160127461A (ko) * 2015-04-27 2016-11-04 삼성전기주식회사 레이저 가공 장치 및 그 가공방법
JP6660681B2 (ja) 2015-07-09 2020-03-11 Dmg森精機株式会社 加工機械
JP6625914B2 (ja) * 2016-03-17 2019-12-25 ファナック株式会社 機械学習装置、レーザ加工システムおよび機械学習方法
KR102127109B1 (ko) * 2016-07-14 2020-06-26 미쓰비시덴키 가부시키가이샤 기판 계측 장치 및 레이저 가공 시스템
WO2018098394A1 (en) * 2016-11-25 2018-05-31 Glowforge Inc. Fabrication with image tracing
EP3432099B1 (de) * 2017-07-20 2021-09-01 Siemens Aktiengesellschaft Verfahren und system zur erkennung eines anormalen zustands einer maschine
DE112017007980B4 (de) * 2017-08-28 2024-12-19 Mitsubishi Electric Corporation Numerisches steuerungssystem
CN109753979B (zh) * 2017-11-01 2022-11-15 阿里巴巴集团控股有限公司 基于图像特征的故障检测方法及装置
JP6845180B2 (ja) * 2018-04-16 2021-03-17 ファナック株式会社 制御装置及び制御システム
CN108734142A (zh) * 2018-05-28 2018-11-02 西南交通大学 一种基于卷积神经网络的核堆内构件表面粗糙度评估方法
TWI684080B (zh) * 2018-06-21 2020-02-01 高聖精密機電股份有限公司 智慧型調整系統及其方法
CN109291657B (zh) * 2018-09-11 2020-10-30 东华大学 基于卷积神经网络航天结构件工业物联标识激光打码系统
CN111823221A (zh) * 2019-03-27 2020-10-27 天津工业大学 一种基于多传感器的机器人打磨方法
US11960843B2 (en) * 2019-05-02 2024-04-16 Adobe Inc. Multi-module and multi-task machine learning system based on an ensemble of datasets
DE102019220485A1 (de) * 2019-12-20 2021-06-24 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Verfahren zur Bestimmung und Korrektur des Maschinenzustands einer Werkzeugmaschine und Diagnosesystem
US11816831B2 (en) * 2020-04-29 2023-11-14 Medtronic Navigation, Inc. System and method for navigating and illustrating a procedure
US11243507B2 (en) * 2020-04-29 2022-02-08 Grale Technologies Morphic manufacturing
DE112020007259T5 (de) * 2020-05-29 2023-03-16 Mitsubishi Electric Corporation Laserbearbeitungssystem
CN116158215B (zh) * 2023-03-15 2025-09-26 华中农业大学 一种基于地表形貌特征信息的旋耕作业智能控制系统
CN118070983B (zh) * 2024-04-19 2024-07-26 苏州城市学院 一种基于深度学习的工业机械生产优化方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10311822A1 (de) * 2003-03-13 2004-10-07 Ekra Eduard Kraft Gmbh Maschinenfabrik Verfahren und Vorrichtung zur Kontrolle oder Beeinflussung des Druckprozesses beim Lotpastendruck

Also Published As

Publication number Publication date
CN114868134B (zh) 2026-03-27
JP7485767B2 (ja) 2024-05-16
US12346104B2 (en) 2025-07-01
JP2023507179A (ja) 2023-02-21
WO2021123268A2 (de) 2021-06-24
DE102019220485A1 (de) 2021-06-24
CN114868134A (zh) 2022-08-05
US20220317654A1 (en) 2022-10-06

Similar Documents

Publication Publication Date Title
DE2500086B2 (de)
DE102007053993B4 (de) Verfahren und Vorrichtung zur Werkzeugvermessung
WO2010118863A1 (de) Verfahren zum aufbereiten von prozesszustandsdaten und/oder maschinenzustandsdaten einer werkzeugmaschine
DE102011006447A1 (de) Verfahren zum Bearbeiten von Werkstücken mittels einer numerisch gesteuerten Werkstückbearbeitungsvorrichtung sowie Werkstückbearbeitungsvorrichtung
DE102018009309B4 (de) Numerisches Steuergerät
DE112005001415T5 (de) Verfahren und Vorrichtung zum automatischen Einstellen eines Vibrationsunterdrückungsfilters
DE102019202908A1 (de) Numerisches Steuersystem
DE102019211656A1 (de) Bestimmung eines Verschleißgrades eines Werkzeugs
EP3825796A1 (de) Verfahren und vorrichtung zum ki-basierten betreiben eines automatisierungssystems
DE102019104822A1 (de) Verfahren und Vorrichtung zum Überwachen eines industriellen Prozessschrittes
WO2021123268A2 (de) Verfahren zur bestimmung und korrektur des maschinenzustands einer werkzeugmaschine und diagnosesystem
DE102020128648A1 (de) Analysator
DE102020104952A1 (de) Verwaltungsvorrichtung und verwaltungssystem
DE102018124208A1 (de) Verfahren und Vorrichtung zur Überwachung eines Bearbeitungsprozesses eines Werkstücks mittels eines Laserstrahls
EP3811170B1 (de) Bestimmen von zuständen einer vorrichtung mittels support-vektor-maschinen
DE102018214307B4 (de) System und Verfahren zur Qualitätsprüfung bei der Herstellung von Einzelteilen
DE102020213960A1 (de) Abnormalitäts-Diagnoseverfahren und Abnormalitäts-Diagnosevorrichtung für Vorschubachsenvorrichtung
DE102009024102A1 (de) Verfahren zum Bereitstellen einer Information über einen Verschleiß einer Komponente einer Maschine und Verfahren zum Bereitstellen eines Ersatzalgorithmus
EP3921810B1 (de) Verfahren und vorrichtung zum automatisierten identifizieren eines produktfehlers eines produkts und/oder zum automatisierten identifizieren einer produktfehlerursache des produktfehlers
DE102020118783B4 (de) Unterschiedsextraktionsvorrichtung
DE102018206708A1 (de) Belastungserfassung eines bearbeiteten Werkstücks auf Grundlage einer Simulation
WO2023001442A1 (de) Additive manufacturing system und verfahren zur additiven herstellung eines bauteils
DE102017001171A1 (de) Numerische Steuervorrichtung
DE102022209327B4 (de) Verfahren zur Schweißnahtoptimierung
DE102022208868A1 (de) Maschinelles Lernsystem zur optischen Inspektion

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20220718

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: TRUMPF WERKZEUGMASCHINEN SE + CO. KG

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20250409

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN WITHDRAWN

18W Application withdrawn

Effective date: 20250922