Der Zerspanungsdemonstrator zeigt den Einsatz von KI zur optischen Analyse von Spänen im Drehprozess. Die Analyseergebnisse geben gezielt Aufschluss darüber, wie Schneidparameter wie Drehzahl oder Vorschub optimiert werden können. Dadurch wird die Qualität des Prozesses verbessert, Werkzeugverschleiß reduziert. Der Demonstrator bietet zudem das Potenzial Maschinendaten in die Analyse zu integrieren und somit eine Echtzeitanalyse im Prozess zu ermöglichen.

Das Vorgehen zur Ideenfindung und Entwicklung des Demonstrators orientierte sich an einer praxisnahen Problemstellung zur Prozessüberwachung in der Zerspanung. Die Umsetzung erfolgte nach dem CRISP-DM-Ansatz. Dabei wurden relevante Spanformen identifiziert, hergestellt und fotografisch erfasst, um ein KI-Modell für die visuelle Spananalyse zu trainieren. Die Analyseergebnisse fließen in eine Benutzeroberfläche ein, die gezielte Handlungsempfehlungen zur Optimierung der Schneidparameter ermöglicht.

Der Demonstrator zielt darauf ab, die Qualität und Effizienz von Drehprozessen durch KI-gestützte visuelle Spananalyse zu verbessern. Er bietet den Mehrwert, Schneidparameter wie Drehzahl und Vorschub gezielt zu optimieren, um Werkzeugverschleiß zu reduzieren und Produktionsprozesse zu stabilisieren. Zudem fördert der Demonstrator bspw. in der betrieblichen Ausbildung das Verständnis für datenbasierte Prozessoptimierung und Maschinendatenanalysen.

Lehrstuhl für Produktionssysteme, Ruhr-Universität Bochum