A methodology for digitalization and optimization of milling processes

Abstract

The scope of the present research is to develop a methodology to support the digitalization of machining, focusing on the optimization of machining process quality, while ensuring their viability for industrial adoption. The current literature has been extensively studied, and three key digitalization barriers have been identified: (i) the disruption of the current workflow of the machining personnel, due to digital tools; (ii) the compatibility of existing approaches with legacy machine tools and (iii) the integration and operational complexity. These findings drive the technical objectives of this research, which has been executed in three main pillars, targeting different quality loss causes. Pillar 1 focuses on the minimization of the machining load-induced error in robot machining. A Multi-Body Simulation of the machining robot has been developed, utilizing Reduced Order Models to minimize computational time. Based on synthetic datasets from this simulation, surrogate optimization techniques are developed, for workpiece placement and posture optimization during robot machining. The simulation and optimization software are tightly interfaced with CAM to minimize disruption of the current workflow of process planners. The benefits of the proposed tools in terms of dimensional accuracy and reduction of robot vibrations are demonstrated by machining a real component. Pillar 2 focuses on the development of an in-process chatter detection system. A retrofittable monitoring setup is developed, based on an industrial accelerometer and DAQ, and is validated regarding the quality of the produced data. Features are extracted from the vibration signals in the frequency domain, where the energy shift of the signal from harmonic frequencies to chatter is tracked, and in the time domain, where the cyclostationary properties of the signal are investigated. The calculated features are input in a Support Vector Machine classifier that detects chatter with high accuracy. The generalizability of the approach is demonstrated through the installation of the system in multiple machine tools.Pillar 3 focuses on the development of an in-process tool wear prediction system. Cutting force and temperature data from an instrumented milling head are used as a basis for tool wear estimation. By leveraging the machining theory on cutting force modelling, relevant features are extracted from the signals and used as input to a Decision Tree classifier to predict tool wear status and a Random Forest regressor to predict the actual flank wear level. The generalizability of the approach is validated by exposing it to new, unknown datasets.

Ο σκοπός της παρούσας εργασίας είναι η ανάπτυξη μεθοδολογιών που μπορούν να υποστηρίξουν την ψηφιοποίηση της κατεργασίας φρεζαρίσματος, στοχεύοντας στη βελτιστοποίηση της ποιότητας της κατεργασίας, αλλά και διασφαλίζοντας τη δυνατότητα υιοθέτησής τους από τη βιομηχανία. Μετά από εκτενή βιβλιογραφική έρευνα εντοπίζονται τρία βασικά εμπόδια για την ψηφιοποίηση της κατεργασίας: (i) τα υπάρχοντα εργαλεία λογισμικού διαταράσσουν τον τρόπο με τον οποίο εργάζεται το προσωπικό σε μονάδες παραγωγής, (ii) οι υπάρχουσες προσεγγίσεις δεν είναι πάντα συμβατές με παλαιότερες εργαλειομηχανές και (iii) έχουν σημαντική πολυπλοκότητα στην ενσωμάτωση και λειτουργία τους. Με βάση αυτά τα ευρήματα, ορίστηκαν οι τεχνικοί στόχοι της ερευνητικής συνεισφοράς της διατριβής, η οποία εκτελέστηκε σε τρεις βασικούς πυλώνες, καθένας εκ των οποίων στοχεύει διαφορετικό λόγο που οδηγεί σε απώλεια ποιότητας. Ο πρώτος πυλώνας εστιάζει στην ελαχιστοποίηση του σφάλματος κατά την κατεργασία που οφείλεται στις δυνάμεις κοπής κατά το φρεζάρισμα με ρομπότ. Αναπτύχθηκε μια προσομοίωση πολλαπλών σωμάτων, χρησιμοποιώντας τεχνικές αναγωγής του μοντέλου σε χαμηλότερη τάξη, με σκοπό τη μείωση του υπολογιστικού κόστους. Χρησιμοποιώντας δεδομένα από αυτή την προσομοίωση, αναπτύχθηκαν αλγόριθμοι βελτιστοποίησης, με σκοπό την εύρεση της βέλτιστης θέσης του εργοτεμαχίου και της βέλτιστης πόζας του ρομπότ κατά την κατεργασία. Η προσομοίωση και οι αλγόριθμοι βελτιστοποίησης έχουν διεπαφές με το CAM, προκειμένου να χρησιμοποιούνται χωρίς να διαταράσσουν σημαντικά των τρόπο εργασίας του προσωπικού. Τα πλεονεκτήματα των συγκεκριμένων εργαλείων λογισμικού, όσον αφορά τη διαστασιολογική ακρίβεια και μείωση των ταλαντώσεων του ρομπότ, αναδεικνύονται μέσω της κατεργασίας ενός πραγματικού εξαρτήματος. Ο δεύτερος πυλώνας εστιάζει στην ανάπτυξη ενός συστήματος ανίχνευσης του φαινομένου του chatter. Αναπτύχθηκε ένα σύστημα παρακολούθησης των ταλαντώσεων της κατεργασίας, εύκολα ενσωματώσιμο σε υπάρχουσες εργαλειομηχανές, το οποίο πιστοποιήθηκε σχετικά με την ποιότητα των δεδομένων που καταγράφει. Από τα σήματα ταλάντωσης, εξάγονται χαρακτηριστικές τιμές στο πεδίο των συχνοτήτων (όπου παρακολουθείται η μεταφορά ενέργειας από αρμονικές συχνότητες, σε συχνότητες σχετιζόμενες με το chatter) και στο πεδίο του χρόνου (όπου παρακολουθούνται οι ιδιότητες κυκλοστασιμότητας του σήματος). Οι χαρακτηριστικές τιμές δίνονται ως είσοδοι σε ένα ταξινομητή, βασισμένο σε μια Μηχανή Διανυσμάτων Υποστήριξης, που ανιχνεύει το chatter με μεγάλη ακρίβεια. Η δυνατότητα του συστήματος να γενικεύσει αναδεικνύεται μέσω τις εγκατάστασής του σε πολλαπλές εργαλειομηχανές. Ο τρίτος πυλώνας εστιάζει στην ανάπτυξη ενός συστήματος πρόβλεψης του επιπέδου φθοράς του κοπτικού εργαλείου. Το σύστημα χρησιμοποιεί δεδομένα δύναμης και θερμοκρασίας κοπής, από μια φρεζοκεφαλή στην οποία έχουν ενσωματωθεί οι αντίστοιχοι αισθητήρες. Αξιοποιώντας τη θεωρία της κατεργασίας σχετικά με τη μοντελοποίηση των δυνάμεων κοπής, υπολογίζονται σχετικές χαρακτηριστικές τιμές από τα σήματα. Αυτές εισάγονται σε ένα ταξινομητή, βασισμένο σε Δέντρα Απόφασης, για την πρόβλεψη της κατάστασης του κοπτικού εργαλείου και ένα μοντέλο, βασισμένο σε Τυχαία Δάση, για την πρόβλεψη της ακριβούς τιμής της φθοράς της ελεύθερης επιφάνειας του κοπτικού εργαλείου. Η δυνατότητα του συστήματος να γενικεύσει αναδεικνύεται μέσω της δοκιμής του σε ένα νέο, άγνωστο σετ δεδομένων.