17/02/2020
Door Ad Spijkers
Onderzoekers van het Karlsruher Institut für Technologie (KIT) hebben een systeem ontwikkeld voor het automatisch bewaken van kogelomloopspindels in gereedschapmachines.
Er wordt een camera gebruikt die rechtstreeks in de moer van de spindel is geïntegreerd. Op basis van de beeldgegevens die tijdens het proces worden gegenereerd, controleert kunstmatige intelligentie (AI) continu de slijtage en vermindert zo de stilstand van de machine.
Het onderhoud en de tijdige vervanging van defecte componenten in werktuigmachines is een belangrijk onderdeel van het productieproces in de machinebouw. In het geval van kogelomloopspindels, zoals die bijvoorbeeld in draaibanken worden gebruikt voor nauwkeurige geleiding bij de vervaardiging van cilindrische componenten, wordt de slijtage tot nu toe handmatig bepaald. Onderhoud gaat daarom gepaard met demontagewerkzaamheden. De machine staat dan dus stil.
De aanpak van het KIT is gebaseerd op de integratie van een intelligent camerasysteem rechtstreeks in de kogelomloopspindel. Hierdoor kan een gebruiker continu de status van de spil bewaken. Als er actie nodig is, wordt hij automatisch op de hoogte gebracht.
Het nieuwe systeem bestaat uit een camera met verlichting die is gemonteerd op de moer van de kogelomloopspindel. (foto's: KIT)
De camera die is geïntegreerde in de spindelmoer zorgt in combinatie met kunstmatige intelligentie voor het evalueren van de beeldgegevens. Terwijl de moer op de as beweegt, maakt deze individuele foto's van elke sectie op de spindel. Dit betekent dat het gehele oppervlak van de as wordt geanalyseerd.
AI voor machinebouw
De combinatie van beeldgegevens van de lopende bewerking met methoden voor machinaal leren stelt gebruikers van het systeem in staat om direct de toestand van het spiloppervlak te beoordelen. De onderzoekers hebben het algoritme getraind met duizenden opnames, zodat het nu onderscheid kan maken tussen spillen met en zonder defecten. Door de beeldgegevens verder te evalueren, kan de slijtage nauwkeurig worden gekwantificeerd en geïnterpreteerd. Hierdoor kunnen gebruikers onderscheid maken of verkleuring wijst op vuil of op schadelijke putjes.
Het algoritme is geschikt voor alle toepassingen waarin op afbeeldingen gebaseerde defecten op het oppervlak van een spil moeten worden geïdentificeerd. De kennis kan dus worden overgedragen naar andere toepassingen.