Data leiden naar DNA verspaningsproces

Eind vorig jaar organiseerde Sirris een masterclass rond het potentieel van datagebruik in de verspaning in het kader van Machining 4.0. Tom Jacobs van Sirris legt uit.

Trefwoorden: #data, #frezen, #Machining, #Sirris, #verspaning

Lees verder

Magazine

Download het artikel in

ENGINEERINGNET.BE -  “Wie de performantie van zijn bewerkingsprocessen wil verhogen, kan data gebruiken om procescondities te optimaliseren, processen te simuleren, kwaliteit te verhogen, kosten te minimaliseren …”, aldus Tom Jacobs van Sirris. Hij licht het potentieel van het gebruik van data in verspanende processen toe.

Welke soorten data zijn er aanwezig in het verspaningsproces? “Aan de basis liggen fysieke stromen die in het proces belangrijk zijn: krachten, trillingen, geluiden, akoestische emissie, temperaturen, vermogen … We proberen zoveel mogelijk data in kaart te brengen. Al deze parameters geven, elk op hun manier, informatie over hoe het verspaningsproces werkt, in welke mate onderdelen of gereedschappen ‘versleten’ kunnen zijn. Het komt er dus in eerste instantie op neer deze data, nuttig voor verdere analyse, te capteren.

Op die manier proberen we als het ware zo goed mogelijk het DNA van het verspaningsproces in kaart te brengen”, aldus Tom Jacobs, Senior Engineer Precision Manufacturing bij Sirris. Ook uit klassieke en verouderde verspaningsmachines (lees: zowel conventionele als CNC-gestuurde machines) kunnen nuttige en belangrijke data worden gehaald. Via robuuste sensoren, los van de machine gepositioneerd, kunnen deze data worden ingelezen.

Grosso modo onderscheiden we vier niveaus van data, resp. gerelateerd aan de werkvloer, de verspaningsmachine, het verspanend proces en de kwaliteitsrapporten. (Foto Sirris)

Draaien versus frezen
Tussen de verschillende verspanende bewerkingen kunnen vrij grote verschillen worden aangetoond. “Draaien, bijvoorbeeld, is een vrij eenvoudig proces, omdat het gereedschap gedurende de volledige bewerkingstijd in contact is met het werkstuk. Deze bewerking biedt het voordeel dat het gereedschap niet van positie verandert. Indien men een sensor plaatst, zal de afstand van de sensor tot het snijpunt altijd constant blijven. Terwijl er bij het frezen een permanente inslag van het gereedschap op het werkstuk is. Ook de dimensies van de bewerking in kwestie verschillen.

Zo zullen bepaalde signalen van zeer kleine gereedschappen niet meer waarneembaar zijn. Bij het frezen bijvoorbeeld zal enkel het geluid van de ronddraaiende spindel worden opgemeten, en is het zeer moeilijk om het freessignaal zelf uit te filteren”, aldus Jacobs. “Frezen is de meest complexe verspaningsbewerking - hier komen de meeste uitdagingen samen - maar ook deze waaruit de meeste informatie kan gegenereerd worden. Indien men bij het frezen een sensor plaatst op de werktafel of het werkstuk, zal de afstand van de sensor tot het snijpunt tijdens de freesbewerking frequent veranderen. Sommige signalen zullen uitdempen. Een mogelijkheid is om de sensor in kwestie op een stilstaand deel van de spindel te positioneren, maar het lager in de spindel vormt een ‘barrière’ tussen gereedschap en sensor”, zegt Jacobs.

Gereedschapshouders en sensoren
Hoe efficiënt en rendabel data uit verspaningsmachines halen is de vraag van 1 miljoen. “De nieuwe generaties machines faciliteren dit aan de hand van tools zoals gereedschapshouders en sensoren. Gereedschapshouders die op elke machine passen en waarin sensoren verwerkt zijn die draadloos en computergestuurd kunnen functioneren. Fabrikanten van opspansystemen brengen deze op de markt. Daarnaast zijn er heel wat sensoren (zij het met kwaliteitsverschillen) die mits de nodige engineering data kunnen uitlezen en eventueel verbeteren. Een derde mogelijkheid bestaat er in om in om in de machine of in het gereedschap een zelf ontwikkelde sensor aan te brengen. Zo werd binnen Sirris de Machining 4.0 Sensorbox ontwikkeld, die een breed gamma aan sensoren omvat. Deze bieden operatoren van verspaningsmachines de mogelijkheid zelf na te gaan welke soort sensoren en data het meeste voordeel kunnen opleveren.

Voordelen op de werkvloer
Welke voordelen levert het gebruik van data in de verspaning in de praktijk op? “Wie een offerte opmaakt of werkvoorbereider is, wil vooral weten welke tijden vereist zijn bij elke bewerkingsstap en waar een product zich op een bepaald ogenblik bevindt. De te capteren data zijn in dit geval de start/stop-momenten, of het ogenblik waarop een operator een knop induwt, een scanning uitvoert, aan een bepaald order begint …

“Frezen is de meest complexe, verspanende bewerking, maar ook deze waaruit de meeste informatie kan gegenereerd worden"
Tom Jacobs, Sirris

Of het ogenblik waarop een machinedeur wordt gesloten waardoor de spindel begint te draaien. Het gaat hier dus niet over krachten, vermogens of temperaturen. Dat soort data vinden we op een dieperliggend niveau in de productie en heeft meer betrekking op het proces of de kwaliteit van de bewerking”, aldus Jacobs.

Vier niveaus van data
Grosso modo kunnen vier niveaus van data worden onderscheiden, respectievelijk gerelateerd aan de werkvloer, de verspaningsmachine, het verspanend proces en de kwaliteitsrapporten. “Werkvloergerelateerd kan het bijvoorbeeld gaan over het stadium waarin een order zich bevindt, hoe dit kan getraceerd worden en over de middelen aanwezig op de werkvloer. Een tweede soort data heeft betrekking op de machine zelf. Is deze operationeel of niet, of in de voorbereidende fase? Dit is belangrijke informatie naar planningsmethodes of naar bijvoorbeeld het calculeren van tijden. Het genereren van dit soort data kan manueel (met mogelijke fouten tot gevolg) of door middel van sensoren gebeuren”, aldus Jacobs.

“Een derde niveau is dat van de procesdata. Dan gaat het over de manier waarop het proces wordt gecontroleerd en aangestuurd, het onderhoud van de machines, de gereedschapswissels …”  Het vierde en diepste niveau van data is dat waarbij de keten wordt gesloten. “Dit kan bijvoorbeeld betrekking hebben op data uit meetrapporten van reeds afgewerkte stukken die kunnen worden toegevoegd, het leggen van correlaties tussen bepaalde sensoren en het opmeten van sensordata. Maar even goed over kwaliteitsaspecten van een werkstuk waarbij men op zoek gaat naar bepaalde verbanden. Op die manier bekomt men informatie over hoe men de machine optimaal kan aansturen en hoe men werkstukken ‘standaard’ binnen de juiste afmetingen kan afwerken”, zegt Jacobs.

Data kunnen onder meer worden gebruikt om procescondities te optimaliseren, processen te simuleren en kwaliteit te verhogen. (Foto Sirris)

Quick & dirty offertes
Eén van de thema’s die op de masterclass rond het potentieel van datagebruik in het kader van ‘Machining 4.0’ aan bod kwamen, was het maken van quick & dirty offertes via datagedreven algoritmes. Met andere woorden: hoe kan men door het inzetten van data op een eenvoudige manier tot snelle prijs- en tijdsschattingen van producten komen? “Bij het maken van prijsoffertes voeren calculatoren een theoretische werkvoorbereiding uit.

Ze schatten tijden in aan de hand van ervaringen en berekeningen. Via machine learning technieken kunnen er verbanden gelegd worden tussen typische kostendrijvers en de finale bewerkingstijd. Dit biedt bedrijven de mogelijkheid om veel sneller tot offertes te komen aan (minstens) gelijkaardige nauwkeurigheden”, zegt Jacobs.


door Philip Declercq