Accessible Requires Authentication Published by De Gruyter September 19, 2021

Modularer digitaler Zwilling für Werkzeugmaschinen

Genauigkeitstransparenz auf Basis experimenteller Daten für optimale Planung und Betrieb

Modular Digital Twin for Machine Tools
Felix Dörrer, Andreas Otto, Martin Kolouch and Uwe Frieß

Abstract

Dieser Beitrag stellt Ansätze zur Modellierung des Konturfehlers aufgrund geometrischer und dynamischer Abweichungen spanender Werkzeugmaschinen vor, welche für die Prozessplanung, die Zustandsüberwachung und das Live-Monitoring von Konturabweichungen genutzt werden können. Die auf Basis experimenteller Daten gewonnenen Modelle sind modular aufgebaut und bilden die Regelung, die mechanische Struktur sowie das Werkzeugverhalten ab. Dadurch ist für die Implementierung ein vergleichsweise geringer Aufwand notwendig und die Methode kann auch für Maschinen ohne umfangreiche CAD-Dokumentation angewendet werden.

Abstract

The paper represents different approaches for modelling the geometric and dynamic contour errors in machine tools, which can be used for process planning, condition monitoring and live-monitoring of the path accuracy. The models are based on experimental data, and consists of different modules, for the control behaviour, the mechanical structure and the tool. Therefore the implementation is possible with relatively low effort and the method is also applicable without detailed CAD-data.


Tel.: +49 (0) 371 5397-1601

Funding statement: Wesentliche Teile des Artikels entstanden im Rahmen des EU-Projektes Level-UP, gefördert über das Horizon 2020 Forschungsprogramm (Förder-Nr. 869991).

Literatur

1 Geis, B.; Kuczaty, N.; Pelz, S.; Salokat, J.: Marktbericht 2019. Verein Deutscher Werkzeugmaschinenfabriken e. V. (VDW), Frankfurt a. M. 2019 Search in Google Scholar

2 Sun, Y.; Ren, F.; Guo, D.; Jia, Z.: Estimation and Experimental Validation of Cutting Forces in Ball-end Milling of Sculptured Surfaces. International Journal of Machine Tools and Manufacture 49 (2009 )15, S. 1238–1244 DOI: 10.1016/j.ijmachtools.2009.07.015 Search in Google Scholar

3 Altintas, Y.; Kersting, P.; Biermann, D.; Budak, E.; Denkena, B.; Lazoglu, I.: Virtual Process Systems for Part Machining Operations. CIRP Annals 63 (2014) 2, S. 585–605 DOI: 10.1016/j.cirp.2014.05.007 Search in Google Scholar

4 Biermann, D.; Surmann, T.; Kersting, P.: Oscillator-based Approach for Modeling Process Dynamics in NC Milling with Positionand Time-dependent Modal Parameters. Production Engineering 7 (2013) 4, S. 417–422 DOI: 10.1007/s11740-013-0454-6 Search in Google Scholar

5 Großmann, K.; Löser, M.: Einflussgrößen auf die Stabilität von Zerspanprozessen – eine vergleichende Untersuchung. ZWF 106 (2011) 3, S. 147–152 DOI: 10.3139/104.110518 Search in Google Scholar

6 Otto, A.; Rauh, S.; Kolouch, M.; Radons, G.: Extension of Tlusty‘s Law for the Identification of Chatter Stability Lobes in Multi-dimensional Cutting Processes. International Journal of Machine Tools and Manufacture 82/83 (2014), S. 50–58 DOI: 10.1016/j.ijmachtools.2014.03.007 Search in Google Scholar

7 Altintas, Y.: Virtual High Performance Machining. Procedia CIRP 46 (2016), S. 372–378 DOI: 10.1016/j.procir.2016.04.154 Search in Google Scholar

8 Yang, J.; Kilic, Z.: Virtual Prediction and Constraint of Contour Errors Induced by Cutting Force Disturbances on Multi-axis CNC Machine Tools. CIRP Annals 68 (2019) 1, S. 377–380 DOI: 10.1016/j.cirp.2019.04.019 Search in Google Scholar

9 Neugebauer, R.; Scheffler, C.; Wabner, M.; Schulten, M.: Advanced State Space Modeling of Non-proportional Damped Machine Tool Mechanics. CIRP Journal of Manufacturing Science and Technology 3 (2010) 1, S. 8–13 DOI: 10.1016/j.cirpj.2010.08.004 Search in Google Scholar

10 Groß, H.; Hamann, J.; Wiegärtner G.: Elektrische Vorschubantriebe in der Automatisierungstechnik: Grundlagen, Berechnung, Bemessung. Publicis-MCD-Verlag, Erlangen 2000 Search in Google Scholar

11 Law, M.; Rentzsch, H.; Ihlenfeldt, S.: Predicting Mobile Machine Tool Dynamics by Experimental Dynamic Substructuring. International Journal of Machine Tools and Manufacture 108 (2016), S. 127–134 DOI: 10.1016/j.ijmachtools.2016.06.006 Search in Google Scholar

12 Rentzsch, H.; Kolouch, M.; Putz, M.: Application of Substructure Techniques to Predict Cutting Stability for Mobile Machine Tools Procedia CIRP 58 (2017), S. 110–115 DOI: 10.1016/j.procir.2017.03.205 Search in Google Scholar

13 Glänzel, J.; Naumann, C.; Putz, M.: Comparison of Basis Functions for Thermal Error Compensation Based on Regression Analysis – A Simulation Based Case Study. Journal of Machine Engineering 20 (2020) 4, S. 28–40 DOI: 10.36897/jme/128629 Search in Google Scholar

14 Frieß, U.; Kolouch, M.; Friedrich, A.; Zander, A.: Fuzzy-clustering of Machine States for Condition Monitoring. CIRP J. Manuf. Sci. Technol. (2018), S. 64–77 DOI: 10.1016/j.cirpj.2018.09.001 Search in Google Scholar

Published Online: 2021-09-19
Published in Print: 2021-09-30

© 2021 Walter de Gruyter GmbH, Berlin/Boston, Germany