Modell zum maschinellen Lernen von Wirkzusammenhängen bei der Holzverarbeitung auf Basis von online-erfassten Werkzeugmaschinendaten

Die moderne Möbelindustrie mit ihrem Trend zur Individualisierung bringt neue Herausforderungen für die Werkzeugeinsatzplanung bei der Holzbearbeitung mit sich. Um wirtschaftlich zu arbeiten, muss die Industrie neue Wege der Digitalisierung finden. Diese Arbeit leistet einen Beitrag dazu, indem sie Möglichkeiten aufzeigt, wie auch bei unbekannten Werkstoff-Schneidstoffkombinationen präzise und automatisiert der Reststandweg eines Werkzeugs ermittelt werden kann. Dafür beschreibt die Arbeit ein Modell zur Einsatzplanung mit Prognose des Reststandwegs zur zu erwartenden Kantenqualität. Ermöglicht wird dies mittels einer Online-Erfassung der Werkzeugverbrauchsdaten - einschließlich der Historie aller Einsätze eines individuellen Werkzeuges. Durch den Kontext "Werkzeugmaschinensteuerung zum eingesetzten Werkzeug und zum Fertigungsauftrag" wird dabei der Werkzeugeinsatz systematisch aus Daten der Werkzeugmaschinensteuerung generiert. Indem die Prozessgrößen, berechnet aus den erfassten Daten, mit Messungen von Werkzeugen abgeglichen werden, werden die Wirkzusammenhänge in Form von Verschleißfaktoren pro Werkstoff-/Schneidstoff-Kombination deutlich.
Das entwickelte Modell wurde anhand eines Fallbeispiels validiert. Dafür wurde eine Versuchsreihe durchgeführt, die der Möbelfertigung nachempfundenen Konturzüge beinhaltet.