Die Feinplanung bildet den letzten Schritt der Arbeitsvorbereitung. Hierbei werden die Prozessstellgrößen des Bearbeitungsprozesses an der jeweils zugeordneten Werkzeugmaschine festgelegt. Insbesondere vor dem Hintergrund einer adaptiven Fertigungsplanung ist eine beschleunigte Prozessfeinplanung notwendig. Auf diese Weise können für kurzfristig umgeplante Fertigungsaufträge an einer alternativen Werkzeugmaschine geeignete Prozessparameter bestimmt werden. Trotz großer Weiterentwicklungen im Bereich der Datenaufnahme und -analyse wird insbesondere bei Drehprozessen die Prozessfeinplanung oft manuell auf Grundlage der Erfahrung des jeweiligen Maschinenbedieners durchgeführt. Hierdurch wird die Flexibilität der Fertigung aufgrund der Abhängigkeit von erfahrenem Personal reduziert. Hinzu kommt eine eingeschränkte Nutzung des insgesamt verfügbaren Erfahrungswissens aufgrund verschiedener Maschinenbediener sowie einer eingeschränkten Dokumentation der Prozesse.  

Bild 1: Grundkonzept der adaptiven Fertigungsplanung im SFB 653 und Einordnung der Prozessfeinplanung

Aus diesen Gründen wurde im Teilprojekt K2 des Sonderforschungsbereichs 653 eine Methode für die wissensbasierte Prozessfeinplanung entwickelt. Diese ermöglicht das automatisierte Bestimmen und Optimieren von Prozessstellgrößen basierend auf den Prozessdaten vergangener Bearbeitungsprozesse. Hierbei werden die aufgenommenen Prozess- und Qualitätsdaten mit Methoden des Data-Minings analysiert [Sch15]. Für die Aussagekraft der Analyseergebnisse eines Data-Mining-Prozesses ist die zugrundeliegende Datenqualität hinsichtlich Konsistenz und Durchgängigkeit von besonderer Bedeutung. Die erforderlichen Daten werden in fertigungstechnischen Unternehmen oft nicht oder nur in unzureichender Qualität aufgenommen, sodass eine effektive Anwendung von Data-Mining Methoden verhindert wird. Durch einen Transfer der im Teilprojekt K2 entwickelten Methode zur wissensbasierten Prozessfeinplanung kann dieses Defizit behoben und eine standardisierte Aufnahme, Rückführung und wissensbasierte Analyse von Fertigungsdaten in einem industriellen Umfeld ermöglicht werden. Die Datenanalyse erfolgt mittels der Data-Mining Methoden Clustering und Regression. Auf diese Weise wird eine Grundlage für die industrielle Anwendung der entwickelten Methode geschaffen.  

Das Ziel des Transferprojekts ist die Überführung des erarbeiteten Grundlagenwissens aus dem Teilprojekt K2 in die Anwendung.  Zu diesem Zweck wird die im Teilprojekt K2 entwickelte Methode gemeinsam mit dem Kooperationspartner ISTOS GmbH (nachstehend kurz ISTOS) in einen Demonstrator übertragen und anwendungsorientiert weiterentwickelt. An diesem wird die Praxistauglichkeit der Methode in einem industrienahen Umfeld validiert. Für die vorausgesetzte Praxistauglichkeit sind Anpassungen der Methodik notwendig, insbesondere in Hinblick auf die standardisierte Datenaufnahme und -rückführung aus der Qualitätssicherung und aus der Maschinendatenerfassung.  

Transferprojektleiter

Prof. Dr.-Ing. Berend Denkena
Executive Director
Address
An der Universität 2
30823 Garbsen
Building
Room
113
Prof. Dr.-Ing. Berend Denkena
Executive Director
Address
An der Universität 2
30823 Garbsen
Building
Room
113

Industriepartner

ISTOS GmbH
Address
Gildemeisterstr. 60
33689 Bielefeld
ISTOS GmbH
Address
Gildemeisterstr. 60
33689 Bielefeld