background image

Prof. Krzysztof Jemielniak 

•k.jemielniak@wip.pw.edu.pl 

•http://www.zaoios.pw.edu.pl/kjemiel 

•ST 107, tel. 22 234 8656 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Wykład 10 

Case study - diagnostyka zużycia mikrofrezu 

Automatyczne 

Monitorowanie i 

Nadzór Wytwarzania 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Plan wykładu  

1. Zużycie i trwałość ostrza, wprowadzenie do 

AUMON 

2. Wielkości fizyczne wykorzystywane w AUMON 
3. Czujniki stosowane w AUMON 
4. Przetwarzanie sygnałów w AUMON 
5. Integracja sygnałów, podejmowanie decyzji w 

układach AUMON 

6. Case study - diagnostyka zużycia mikrofrezu 

Case study - diagnostyka zużycia mikrofrezu 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Metodyka badań - stanowisko badawcze 

Frezarka precyzyjna

 

Obrabiarka 

2-ostrzowy frez kulisty 
D = 0.8mm, L = 50mm 
Węglik spiekany  
drobnoziarnisty  
niepokrywany 

Narzędzie  

Materiał obrabiany 

Stal narzędziowa do pracy na zimno 

X155CrVMo12-1, 50 HRC 

typ 

 

KERN Evo 

Obroty wrzeciona 

50 000 – 160 000 obr/min 

Badania były prowadzone w Micro machining 
Laboratory, Mondragón University, Hiszpania.  

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Metodyka badań – akwizycja danych 

Czujnik AE 8152B221  

NI-PCI 6111 (5MS/s) 

AE

raw

 

Siłomierz 9256C1  

NI-PCI 6034E (50kS/s) 

AE

RMS

 

F

x

, F

y

, F

z

 

siłomierz 

czujnik AE 

przedmiot 

obrabiany 

narzędzie 

Układ kontroli 

narzędzia 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

720Hz

 

5080Hz

 

F

x

 

0        2       4         6        8       10 

kHz 

520Hz 

5080Hz 

1080Hz 

F

y

 

kHz 

0        2       4         6        8       10 

5080Hz 

F

z

 

kHz 

0        2       4         6        8       10 

F

x

 

F

z

 

F

y

 

Metodyka badań – charakterystyka siłomierza 

Badanie częstotliwości 

rezonansowych siłomierza 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

czujnik AE 

narzędzie 

droga narzędzia 

Metodyka badań - warunki skrawania 

Prędkość skrawania      v

= 68 m/min 

Posuw na ostrze  

    f

z

 = 0.016 mm/ząb 

Głębokość skrawania   a

p

 = 0.05 mm 

Szerokość frezowania  a

= 0.05 mm 

Obroty wrzeciona      n = 36210 obr/min 
Posuw minutowy      f

m

 = 1074 mm/min 

Częstotliwość przechodzenia ostrzy f

z

=1207 Hz 

background image

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Metodyka badań – pomiary zużycia ostrza 

Kryterium stępienia: 
VB

Bmax

= 0.11mm 

Pomiary zużycia były wykonywane jedynie w celu określenia końca 

trwałości 

Mógł być on wyznaczany w dowolny inny sposób, właściwy dla 

określonego przypadku 

• Miarą stanu narzędzia była wykorzystana część okresu 

trwałości ostrza (ΔT) 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Wyniki pomiarów zużycia ostrza  

Cztery pełne okresy trwałości ostrza 

Okresy trwałości od 5.7 min do 12.2 min 

Pierwsze i drugie narzędzie stępiło się w trakcie obróbki 

pierwszej powierzchni  

Trzecie i czwarte narzędzia wytrzymały znacznie dłużej, 
obrabiając prawie dwie powierzchnie 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

0          2          4           6          8         10         12         14        16 

t (s) 

Zarejestrowane sygnały 

4- 
3- 
2- 
1- 
0- 

AE

R

M

S

 (

V)

 

F

z

 (

N)

 

6- 
4- 
2- 
0- 

-2- 
-4- 

10- 

8- 
6- 
4- 
2- 
0- 

15- 
10- 

5- 
0- 

-5- 

-10- 

F

y

 (

N)

 

F

x

 (

N)

 

    0.2      0.3      0.4      0.5      0.6      0.7     0.8      0.9      1.0      1.1   

300    301     302     303     304     305     306     307     308     309 t(ms)  

1 obrót przedmiotu 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

0.1         0.5         0.9         1.3

 

1.5-

 

1.0-

 

0.5-

 

0-

 

AE

RM

S

 (

V)

 

12-

 

6-

 

0-

 

-6-

 

-12-

 

time (s)

 

F

z

 (

N

)

 

Przykładowe pomiary AE i sił skrawania 

Na początku skrawania sygnał AE

RMS

 wzrasta wyraźnie – do 

55mV w ciągu 0.2ms 

Jedno przejście 

0.829ms

 

0.75-

 

0.5-

 

0.25-

 

0-

 

198      200       202       204       206       208       210

 

12-

 

6-

 

0-

 

-6-

 

-12-

 

time (ms)

 

0.10-

 

0.05-

 

0-

 

198.8  200.0  200.2

 

0.2ms 

0      2.5      5       7.5

 

frequency (kHz)

 

1207Hz

 

4828Hz

 

50-

 

25-

 

0-

 

3-

 

2-

 

1-

 

0-

 

603

Hz

 

Początek przejścia 

widma 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

time (ms)

 

AE

RMS

 

F

x

 

F

y

 

F

z

 

199      200      201      202      203      204       205       206      207      208      209 

Przykładowe pomiary AE i sił skrawania 

5080Hz 

Częstotliwość 
własna 

siłomierza 

Częstotliwość ostrzy 

Częstotliwość obrotów 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Wyznaczanie miar sygnałów 

Należy wyznaczać możliwie wiele miar sygnałów (SF) 

Spośród czterech dostępnych sygnałów (AE

RMS

, F

x

, F

y

 i F

z

), wyznacznono 

po kilka miar w dziedzinie czasu dla każdego przejścia:  

Średnia, moda, mediana, wariancja, wartość skuteczna, min, max, zakres… 

np. F

xavg

, F

xMod

, F

xMed

, F

xvar

, F

xRMS

, F

xmin

, F

xmax

, itd.  

W celu wydzielenia zakłóceń na początku przejścia analogiczne miary 
wyznaczono dla początkowej 1/3 oraz dla środkowej (1/3-2/3) części 
przejścia np. 

F

xavgbeg

, F

xModbeg

, F

xavgmid

, F

xModmid

, itd. 

Łącznie system wyznacza 22 miary dla każdego sygnału niezależnie od 
konkretnego zastosowania, co daje łącznie 88 miar dla każdej operacji 

początek              środek 

background image

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

SF 

SF

Tf

 

SF

T

 

Ocena przydatności miar 

1. Oryginalna miara SF jest normalizowana do 0-100% trwałości ostrza 

 

SF

T

 

2. SF

T

 jest filtrowana dolnoprzepustowo  SF

Tf

 

3. SF

Tf

 jest uznawana za aproksymację zależności SF(

D

T) 

4. Odchylenie (RMSE) SF

T

 od SF

Tf

 jest miarą przydatności miary: RMSE

U

<0.2  

RMSE

U

(F

xmi-av

)

1

=0.05 

-> bardzo dobra 

RMSE

U

(F

xmi-av

)

3

=0.202 

-> nie do przyjęcia 

F

xmi-av

 = F

xmin

-F

xavg

 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Eliminacja miar podobnych 

• Wśród miar spełniających warunek RMSE

U

<0.2 jest wiele 

skorelowanych wzajemnie ze sobą – nie zawierających 
dodatkowych informacji. Należy się ich pozbyć 

1. Układ wybiera najlepszą miarę (z najmniejszym RMSE

U

2. Wyznaczany jest RMSE pomiędzy tą miarą, a kolejno 

wszystkimi innymi, jako wskaźnik podobieństwa (RMSE

S

3. Te, dla których RMSE

S

 < 0.05 są odrzucane 

4. Spośród pozostałych wybiera się najlepszą i eliminuje 

podobne do niej 

• Procedura jest powtarzana do chwili, gdy nie pozostanie żadna 

spełniająca kryterium RMSE

U

<0.2 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Przykłady miar wybranych przez układ 

   Tool 1 

F

max-avg  

F

y

 zakres środek 

  

 

   

Tool 2 

F

minimum  

F

y

 range srodek 

   Tool 3 

F

max-avg środek 

F

y

 sum power 

pocz 

   

Tool 4 

F

std dev środek  

AE

RMS

 max pocz 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Integracja miar we wspólną ocenę stanu ostrza 

• Po pierwszym okresie trwałości, dla 

każdej wybrane miary, wyznaczana 
jest bezpośrednia zależność SF

Tf

(

D

T) 

w postaci tablicy 

 

• W czasie kolejnych okresów 

trwałości (układ pracuje w trybie 
nadzoru), wykorzystana część 
okresy trwałości wyznaczana jest w 
dwóch etapach:

 

1. Wartość 

D

T jest wyznaczana oddzielnie dla każdej miary: 

uzyskana wartość SF jest poszukiwana w tablicy SF

Tf

 

2. Uzyskane oszacowania 

D

T są uśredniane 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Oszacowanie wykorzystanej części T 

SF

1

[

D

T]

 

D

T

 

SF

1

[opNo]

 

0        20        40       60       80      100     120 % 

 

0        20        40       60       80      100     120 %

 

D

T

 

SF

2

[

D

T]

 

D

T

1

 

D

T

2

 

D

T

SF

2

[opNo]

 

20-30

 

opNo 

opNo 

I etap algorytmu hierarchicznego: 

D

T jest oszacowana oddzielnie dla każdej SF  

Po kolejnej operacji układ wyznacza 
wartości SF[opNo] 

W tablicy SF[

D

T] wyszukiwana jest 

wartość najbliższa SF[opNo],  

poczynając od wartości otrzymanej w 
poprzednimi kroku - 

D

T

B

 

W celu uniknięcia przypadkowych zakłóceń 
miar oraz wykorzystania miar nie 
monotonicznych poszukiwanie ograniczone 
jest do 20-30 elementów tablicy SF[

D

T] 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

  

   D

T

3

 

D

T

4  

       D

T

5

 

  : 

  : 

D

T

n

 

 

      

SD

T

i  

 

        

___ 

D

T=      

         n  

II etap algorytmu hierarchicznego: 
Ostateczna wartość 

D

Ts jest wyznaczana 

jako średnia, z wykluczenie wartości 
odbiegających od średniej bardziej niż o 
3

 

D

T

Wartość ta staje się wartością początkową dla I 
etapu w następnym kroku (operacji) jako 

D

T

B

  

Oszacowanie wykorzystanej części T cd. 

background image

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Diagnostyka stanu narzędzia – wszystkie sygnały 

Wykorzystana część okresu trwałości ostrza oszacowana przez układ 

diagnostyczny (

D

T

ev

) w funkcji rzeczywistego (

D

T) po uczeniu na jednym z 

narzędzi i testowaniu na pozostałych.  

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Wykorzystana część okresu trwałości ostrza oszacowana przez układ 

diagnostyczny (

D

T

ev

) w funkcji rzeczywistego (

D

T) po uczeniu na jednym z 

narzędzi i testowaniu na pozostałych.  

Diagnostyka stanu narzędzia – tylko AE

RMS

 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Podsumowanie 

Mimo bardzo małej wydajności mikroobróbki, otrzymywane sygnały AE 

są silne, łatwe do rejestracji i charakteryzują się bardzo małym czasem 
odpowiedzi na kontakt narzędzia z przedmiotem obrabianym, co czyni 
je bardzo przydatnym środkiem do monitorowania procesu obróbki.  

Sygnał AE jest wolny od zakłóceń mechanicznych jak drgania 

rezonansowe, które są bardzo ważne przy mikroobróbce, gdy prędkości 

obrotowe wrzeciona muszą być bardzo duże, ze względu na małe 

średnice narzędzia 

Siły skrawania dostarczają użytecznych informacji dla diagnostyki stanu 
narzędzia i procesu skrawania, mimo silnych zakłóceń przez drgania 
własne siłomierza 

Wiarygodna diagnostyka stanu narzędzia nie jest możliwa w oparciu o 
jedną (dowolną) miarę sygnału, ze względu na nieuniknione zakłócenia 
losowe 

Integracja sygnałów minimalizuje niepewność diagnostyki, redukując 

losowość pojedynczej miary i zapewniając bardziej wiarygodne 
oszacowanie stanu narzędzia. 

•Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania 

•Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem 

Jakieś pytania?