Fertig, Alexander ; Teige, Christian ; Blech, Heiko ; Schmittberger, Michael ; Wörner, Stefan ; Weisemann, Patrice ; Linner, Ludwig ; Zeitz, Jens ; Huynh, Kim ; Blum, Matthias ; Holl, Anika ; Simnacher, Timo ; Laube, Pascal ; Duck, Michael ; Wilhelm, Matthias (2023)
Intelligente Vernetzung zur autonomen Fräsbearbeitung von Strukturbauteilen - Ergebnisbericht des BMBF Verbundprojektes TensorMill.
doi: 10.26083/tuprints-00023084
Report, Primary publication, Publisher's Version
Text
2022_TensorMill_Gesamtabschlussveröffentlichung.pdf Copyright Information: CC BY 4.0 International - Creative Commons, Attribution. Download (5MB) |
Item Type: | Report |
---|---|
Type of entry: | Primary publication |
Title: | Intelligente Vernetzung zur autonomen Fräsbearbeitung von Strukturbauteilen - Ergebnisbericht des BMBF Verbundprojektes TensorMill |
Language: | German |
Date: | 2023 |
Place of Publication: | Darmstadt |
Collation: | 130 Seiten |
DOI: | 10.26083/tuprints-00023084 |
Abstract: | Digitalisierte Prozesse können zukünftig zu einer intelligenten Fertigung beitragen, um den Herausforderungen einer intelligent vernetzten, autonomen Fertigung von sicherheitsrelevanten Integralbauteilen zu begegnen. Die Herausforderungen hierbei liegen insbesondere in der Aufzeichnung und Extraktion von nutzerrelevanten Daten zur Steigerung der Produktivität bei der Fertigung von sicherheitsrelevanten Integralbauteilen für die Luft- und Raumfahrtbranche. An diesem Punkt hat das Verbundforschungsprojekt „TensorMill“ angesetzt. Ziel des Projekts war es, die Produktivität in der spanenden Fertigung sicherheitsrelevanter Integralbauteile durch die Entwicklung und den Aufbau einer intelligent, vernetzten, autonomen Fertigung zu erhöhen und die Prozesssicherheit zu verbessern. Die intelligente Fertigung soll dabei in der Lage sein, auf möglichst viele Situationen im Fertigungsprozess mit Hilfe von künstlicher Intelligenz (KI) zu reagieren. Für die Implementierung der KI-basierten Lösungen sind im Projekt fortschrittliche Methoden und Vorgehensweisen entstanden, welche es ermöglichen, die Daten von Produktionsmitteln in einer einfachen Form nutzbar zu machen, damit diese einen Mehrwert für Hersteller und Anwender bringen. Die aufbereiteten Daten dienten schließlich der Umsetzung von KI-basierten Lösungen zur prozessparallelen Qualitätsprognose und Werkzeugzustandserkennung. Darüber hinaus wurde ein entwickeltes cyber-physisches Spannsystem entwickelt, um neuartige Ansätze zur Abdrängungskompensation und Echtzeitbewertung der Prozessstabilität zu erforschen. |
Status: | Publisher's Version |
URN: | urn:nbn:de:tuda-tuprints-230844 |
Classification DDC: | 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering |
Divisions: | 16 Department of Mechanical Engineering > Institute of Production Technology and Machine Tools (PTW) 16 Department of Mechanical Engineering > Institute of Production Technology and Machine Tools (PTW) > TEC Manufacturing Technology |
Date Deposited: | 19 Jan 2023 13:03 |
Last Modified: | 20 Jan 2023 10:48 |
URI: | https://tuprints.ulb.tu-darmstadt.de/id/eprint/23084 |
PPN: | 503917656 |
Export: |
View Item |