Kollaborative Zustandsüberwachung von Umkehrspiel an Zahnstange-Ritzel-Antrieben in Werkzeugmaschinen

Die moderne Fertigungsindustrie steht vor der ständigen Herausforderung die Verfügbarkeit und Zuverlässigkeit von Produktionsmaschinen zu steigern. Traditionelle Instandhaltungsstrategien stoßen dabei oft an ihre Grenzen, beispielsweise Qualitätsabweichungen im Fertigungsprozess, die durch beginnenden Verschleiß oder Fehlfunktionen verursacht werden, eindeutig zuzuordnen. Ein Grund dafür sind die komplexen Wechselwirkungen von Komponenten verschiedener Zulieferer, aus denen Maschinen und Anlagen zusammengesetzt sind.

Ein repräsentatives Beispiel für solche komplexen Interaktionen sind Zahnstange-Ritzel-Antriebe. Sie gehören zu den häufigsten Linearantrieben in Werkzeugmaschinen und werden aufgrund ihrer konstanten Steifigkeit vor allem für lange Bewegungsachsen eingesetzt. Sie bestehen aus mehreren Komponenten - Servomotor, Getriebe, Ritzel und Zahnstange sowie einem Führungssystem – meist verschiedener Hersteller. Zudem verfügt eine Maschine häufig über mehrere solcher Bewegungsachsen, die sich gegenseitig beeinflussen, wodurch die zu beherrschende Komplexität weiter ansteigt.

Diese Dissertation behandelt den Ansatz der kollaborativen Zustandsüberwachung zur Fehlerdiagnose von Zahnstange-Ritzel-Antrieben in Werkzeugmaschinen. Eine Systemanalyse zeigt, dass das Umkehrspiel zwischen Zahnstange und Ritzel eine häufige Fehlerquelle in der Maschinendynamik darstellt. Zudem ist eine Änderung des Umkehrspiels immer der Folgefehler einer Basisursache. Die Bestimmung von Umkehrspiel ist gegenwärtig für viele Werkzeugmaschinen noch ein zeitaufwendiger manueller Eingriff und die zugrundeliegenden Ursachen bleiben oft unerkannt. In dieser Arbeit wird daher eine neue Methode entwickelt, aus Betriebsdaten verschiedener zunächst proprietärer Quellen die Größe des Umkehrspiels automatisch zu bestimmen und zu einer Differentialdiagnose zusammenzuführen. Für die Umkehrspielbestimmung werden während einer Positionierbewegung der Achse die Beschleunigungsdaten des Motors sowie die abtriebsseitige Beschleunigung über einen im Getriebegehäuse verbauten Beschleunigungssensor erfasst und ausgewertet. Es werden vier verschiedene Auswertemethoden ausgearbeitet, die sich in der Art des Algorithmus (rein analytisch oder KI-basiert) unterscheiden, sowie darin, dass einerseits die vollständigen Rohdaten beider Quellen oder andererseits nur daraus extrahierte Features benötigt werden. Die Methoden werden in ihrer Genauigkeit, Übertragbarkeit und in ihrer Anwendbarkeit für eine herstellerübergreifende Zustandsüberwachung bewertet. Um bei auffälligem Umkehrspiel dessen Ursache zu identifizieren, werden spezielle Messzyklen hergeleitet und über logische Verknüpfungen sowie über ein Bayes’sches Netz zu einer Differentialdiagnose zusammengeführt.

Alle Ansätze werden mit Hilfe von Simulationsmodellen entwickelt und bewertet. Zudem werden reale Umsetzungen an einem Prüfstand mit einer einzelnen Zahnstange-Ritzel-Achse sowie an einer 2D-Laserschneidmaschine der Firma TRUMPF mit mehreren Zahnstange-Ritzel-Antrieben implementiert und die Verfahren daran validiert. Die Ergebnisse zeigen, dass mit den neuen Methoden eine automatisierte detaillierte Diagnose von Umkehrspiel an Zahnstange-Ritzel-Antrieben in Werkzeugmaschinen zuverlässig möglich ist.

The modern manufacturing industry faces the constant challenge of increasing the availability and reliability of production machines. Traditional maintenance strategies often reach their limits, for example, in clearly identifying quality deviations in the manufacturing process caused by initial wear or malfunctions. One reason for this is the complex interaction of components from various suppliers used to assemble the machines and systems.

A representative example of such complex interactions are rack-and-pinion drives. They are among the most common linear drives in machine tools and are often used for long motion axes due to their constant rigidity. They consist of several components- servo motor, gearbox, pinion and rack, as well as a guide system - generally from different manufacturers. Additionally, a machine often has multiple such motion axes, which influence each other, further increasing the complexity to be managed.

This dissertation addresses the approach of collaborative condition monitoring for fault diagnosis of rack-and-pinion drives in machine tools. A system analysis shows that backlash between the rack and pinion is a common source of errors in machine dynamics. Furthermore, any change in backlash is always a subsequent fault of a root cause. Currently, determining backlash is still a time-consuming manual process for many machine tools, and the underlying causes often remain undetected. This work develops a new method for automatically determining the size of backlash using operating data from initially proprietary sources and consolidating it into a differential diagnosis. For backlash determination, acceleration data of the motor and the acceleration on the output side, measured by an acceleration sensor installed in the gearbox housing, are recorded and analyzed during an axis positioning movement. Four different evaluation methods are developed, differing in the type of algorithm (purely analytical or AI-based) as well as in whether the complete raw data from both sources or only extracted features are needed. The methods are evaluated for their accuracy, transferability, and applicability for collaborative condition monitoring. To identify the cause of backlash, special measurement cycles are derived and combined with additional monitoring algorithms into a differential diagnosis through logical connections and a Bayesian network.

All approaches are developed and evaluated using simulation models. Additionally, a real-world imple mentation is carried out on a test rig with a single rack-and-pinion axis as well as on a 2D laser cutting machine from TRUMPF with multiple rack-and-pinion drives, and the methods are validated on these systems.

The results show that with the new methods, an automated, detailed diagnosis of backlash in rack-and-pinion drives in machine tools is reliably achievable.