Masterthesis am PTW zu vergeben: Entwicklung datengetriebener Methoden für ein echtzeitfähiges Prozessüberwachungssystem zum Erkennen von Werkzeugauszug

  • Beim Fräsen von schwer zerspanbaren Werkstoffen ist bekannt, dass Werkzeuge aus dem Spannfutter ausgezogen werden können. Zur Vermeidung des Phänomens existieren bislang nur aufwändige Maßnahmen, die entweder einen zusätzlichen Fertigungsprozess oder eine konstruktionstechnische Sonderlösung erfordern.



    Digitalisierte Werkzeugmaschinen ermöglichen mit ihrer eingebauten Sensorik das Erfassen von hochfrequenten Prozessdaten. Die Prozessdaten können weiterverarbeitet und für die Prozessüberwachung eingesetzt werden. Am PTW wurden bereits sowohl White-Box als auch KI Methoden zur Erkennung von Werkzeugauszug erfolgreich eingesetzt. Ziel dieser Arbeit ist die Aufarbeitung der Methoden und Überführung in ein echtzeitfähiges Modell zur Gestaltung eines Demonstrators.



    Die Arbeitspakete der Arbeit gliedern sich wie folgt:


    -Einarbeiten in die Themenfelder Zerspanung, Datenverarbeitung und Machine Learning

    -Durchführung einer Literaturrecherche zu Prozessüberwachung

    -Datenauswertung und Ableitung eines hybriden Modells zur echtzeitfähigen Erkennung von Werkzeugauszug

    -Erstellen eines Konzepts zur Auszugskompensation

    -Planung und Durchführung von Versuchsreihen sowie Validierung des echtzeitfähigen Modells

    Visuell ansprechende Präsentation der Ergebnisse der Arbeit