Clustering zur Bestimmung von Werkzeugverschleiß-Reference-Cited by-同舟云学术

Clustering zur Bestimmung von Werkzeugverschleiß

Published:2022-04-01 Issue:4 Volume:117 Page:218-223
ISSN:2511-0896
Container-title:Zeitschrift für wirtschaftlichen Fabrikbetrieb
language:en
Short-container-title:

Author:

Brecher Christian¹,Lohrmann Vincent¹,Wiesch Marian¹,Fey Marcel¹

Affiliation:

1. Werkzeugmaschinenlabor WZL der RWTH Aachen Steinbachstraße 19 , Aachen Germany

Abstract

Abstract Eine Haupteinflussgröße in der zerspanenden Produktion ist der Verschleißzustand der eingesetzten Werkzeuge. Durch die prozessparallele Ermittlung des Verschleißes können Werkzeuge optimal ausgenutzt werden ohne die Bauteilqualität negativ zu beeinflussen oder Maschinenstillstände zu verursachen. In diesem Artikel wird ein Ansatz vorgestellt, der durch Kombination von Prozessdaten und Verhaltensmodellen bereichsgültige Verhaltenscluster für eine übertragbare Ermittlung von Werkzeugverschleiß aufbaut.

Publisher

Walter de Gruyter GmbH

Subject

Management Science and Operations Research,Strategy and Management,General Engineering

Link

https://www.degruyter.com/document/doi/10.1515/zwf-2022-1027/pdf

Reference14 articles.

1. Teti, R.; Jemielniak, K.; O‘Donnell, G.; Dornfeld, D.: Advanced Monitoring of Machining Operations. CIRP Annals 59 (2010) 2, S. 717–739 DOI: 10.1016/j.cirp.2010.05.010

2. Zhou, J.; Pang, C.; Zhong, Z.; Lewis, F.: Tool Wear Monitoring Using Acoustic Emissions by Dominant-Feature Identification. IEEE Transactions on Instrumentation and Measurement 60 (2011) 2, S. 547–559 DOI: 10.1109/TIM.2010.2050974

3. Klocke, F.; Döbbeler, B.; Pullen, T.; Bergs, T.: Acoustic Emission Signal Source Separation for a Flank Wear Estimation of Drilling Tools. Procedia CIRP 79 (2019), S. 57–62 DOI: 10.1016/j.procir.2019.02.011

4. Nouri, M.; Fussell, B.; Ziniti, B.; Linder, E.: Real-time Tool Wear Monitoring in Milling Using a Cutting Condition Independent Method. International Journal of Machine Tools and Manufacture 89 (2015), S. 1–13 DOI: 10.1016/j.ijmachtools.2014.10.011

5. Azmi, A.: Monitoring of Tool Wear Using Measured Machining Forces and Neurofuzzy Modelling Approaches during Machining of GFRP Composites. Advances in Engineering Software 82 (2015), S. 53–64 DOI: 10.1016/j.advengsoft.2014.12.010

Cited by 9 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Design Elements of a Platform-Based Ecosystem for Industry Applications;Internet of Production;2023-12-30

2. Processes and Structures for Agile Product Development;Internet of Production;2023-12-30

3. The Internet of Production: Interdisciplinary Visions and Concepts for the Production of Tomorrow;Internet of Production;2023-12-30

4. Clustering of Learning Sub-models for Quality Prediction in a Resource-Efficient Tool Grinding Process;Lecture Notes in Production Engineering;2023-11-18

5. Asset Administration Shells in Tool Lifecycle Monitoring;Procedia CIRP;2023