Verschleißdetektion in schnelllaufenden Umformprozessen mittels photometrischen Stereos
-
Jonas Moske
Jonas Moske, geb. 1994, studierte Maschinenbau an der Technischen Universität Darmstadt (B. Sc. und M. Sc.). Seit dem Jahr 2022 ist er als Wissenschaftlicher Mitarbeiter am Institut für Produktionstechnik und Umformmaschinen in der Abteilung „Prozessketten und Anlagen“ tätig. Im Rahmen seiner Forschungstätigkeit befasst er sich mit der Untersuchung schnelllaufender mehrstufiger Umformprozesse in Folgeverbundwerkzeugen unter besonderer Fokussierung auf die Einsatzmöglichkeiten bildverarbeitender Messmethoden im Kontext von Predictive Maintenance.
,
Hasan Kutlu
Hasan Kutlu, geb. 1994, erwarb 2017 seinen Bachelor in Angewandter Mathematik und 2020 seinen Master in Data Science, in Zusammenarbeit mit dem Fraunhofer IGD, jeweils an der Hochschule Darmstadt. Aktuell ist er in der Abteilung „Digitalisierung von Kulturerbe“ tätig und beschäftigt sich mit den Themengebieten Strukturlichtverfahren, Photogrammmetrie und Photometric Stereo, sowie die Einbindung von Machine Learning und AI-Methodiken in die neuesten Scanning-Technologien.
,
Peter Groche
Prof. Dr.-Ing. Dipl.-Wirtsch.-Ing. Peter Groche, geb. 1961 leitet das Institut für Produktionstechnik und Umformmaschinen der Technischen Universität Darmstadt. 1986 schloss er ein Maschinenbaustudium an der Technischen Universität Braunschweig ab und arbeitete anschließend als Wissenschaftlicher Mitarbeiter an der Gottfried Wilhelm-Leibniz-Universität Hannover, an der er 1990 promoviert wurde. Nachdem er im Jahre 1996 mit der Otto Kienzle Medaille ausgezeichnet wurde und 1997 ein Fernstudium des Wirtschaftsingenieurwesens an der Fernuniversität Hagen absolvierte, folgte er 1999 dem Ruf zur Professur am PtU. Dort leitet er bis heute 60 Mitarbeitende und forscht an neuen Prozessen und Maschinen sowie mikroskopischen Phänomenen rund um innovative Möglichkeiten der Umformtechnik.
Phil Joel Groenewald, B. Sc., geb. 1988, studiert Mechatronik an der Technische Universität Darmstadt. Seit 2018 entwickelt er in der Abteilung Digitalisierung von Kulturerbe am Fraunhofer Institut für Graphische Datenverarbeitung individuelle 3D-Scansysteme und Prototypen, um den individuellen Anforderungen der verschiedenen Scantechnologien gerecht zu werden.
Pedro Santos, M. Sc., geb. 1971, studierte Informatik an der Hochschule Darmstadt, Deutschland, und der Technischen Universität Lissabon, Portugal. Er trat 2002 als Vollzeitforscher in das Fraunhofer-Institut für Graphische Datenverarbeitung IGD ein, wurde 2007 stellvertretender Leiter der Abteilung Industrielle Anwendungen und gründete 2012 die Abteilung für Digitalisierung von Kulturerbe, die er heute leitet. Neu entwickelte autonome 3D-Digitalisierungstechnologien wurden erfolgreich in der Industrie zur autonomen Bearbeitung beliebiger Oberflächen eingesetzt, was zum ersten preisgekrönten, voll autonomen Ultrahochdruck-Wasserstrahl-Reinigungsroboter für beliebige beschichtete Oberflächen führte. Pedro Santos ist Autor oder Mitautor von über 90 Veröffentlichungen und Gutachter für ACM, Eurographics, IEEE und andere Organisationen.
Prof. Dr. Arjan Kuijper ist Leiter des „Mathematical and Applied Visual Computing“ Instituts an der TU Darmstadt und ist Mitglied der Leitung des Fraunhofer IGD, zuständig für die wissenschaftliche Verbreitung. Er erwarb einen M. Sc. in angewandter Mathematik an der Universität Twente und einen Doktortitel an der Universität Utrecht, beide in den Niederlanden. Er war Assistenz-Forschungsprofessor an der IT-Universität Kopenhagen, Dänemark, und Senior Researcher am RICAM in Linz, Österreich. Seinen Doktortitel erwarb er an der TU Graz, Österreich. Seine Forschungsinteressen umfassen alle Aspekte mathematisch basierter Methoden für Computer Vision, Biometrie, Grafik, Bildgebung, Mustererkennung, Interaktion und Visualisierung.
Abstract
An optical sensor is used for detecting wear phenomena in high-speed forming processes, performing a stroke-based inline wear analysis. The presented scanner analyzes the reflection behavior of component surfaces through photometric reconstruction using a target/actual analysis and can be utilized inline at up to 200 strokes per minute.
Abstract
Zur Detektion von Verschleißphänomenen bei schnelllaufenden Umformprozessen wird ein optischer Sensor eingesetzt, der eine hubbezogene Inline-Verschleißanalyse durchführt. Die präsentierte Messmethode analysiert mithilfe einer IstSoll-Analyse das Reflektionsverhalten der Bauteiloberflächen durch photometrische Rekonstruktion und kann Inline bei bis zu 200 Hüben pro Minute verwendet werden.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
Funding statement: Das IGF-Vorhaben „Echtzeitfähige Verschleißmodelle“ der Forschungsvereinigung EFB e. V. wurde unter der Fördernummer AiF 22250 N über die Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF) im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
About the authors
Jonas Moske, geb. 1994, studierte Maschinenbau an der Technischen Universität Darmstadt (B. Sc. und M. Sc.). Seit dem Jahr 2022 ist er als Wissenschaftlicher Mitarbeiter am Institut für Produktionstechnik und Umformmaschinen in der Abteilung „Prozessketten und Anlagen“ tätig. Im Rahmen seiner Forschungstätigkeit befasst er sich mit der Untersuchung schnelllaufender mehrstufiger Umformprozesse in Folgeverbundwerkzeugen unter besonderer Fokussierung auf die Einsatzmöglichkeiten bildverarbeitender Messmethoden im Kontext von Predictive Maintenance.
Hasan Kutlu, geb. 1994, erwarb 2017 seinen Bachelor in Angewandter Mathematik und 2020 seinen Master in Data Science, in Zusammenarbeit mit dem Fraunhofer IGD, jeweils an der Hochschule Darmstadt. Aktuell ist er in der Abteilung „Digitalisierung von Kulturerbe“ tätig und beschäftigt sich mit den Themengebieten Strukturlichtverfahren, Photogrammmetrie und Photometric Stereo, sowie die Einbindung von Machine Learning und AI-Methodiken in die neuesten Scanning-Technologien.
Prof. Dr.-Ing. Dipl.-Wirtsch.-Ing. Peter Groche, geb. 1961 leitet das Institut für Produktionstechnik und Umformmaschinen der Technischen Universität Darmstadt. 1986 schloss er ein Maschinenbaustudium an der Technischen Universität Braunschweig ab und arbeitete anschließend als Wissenschaftlicher Mitarbeiter an der Gottfried Wilhelm-Leibniz-Universität Hannover, an der er 1990 promoviert wurde. Nachdem er im Jahre 1996 mit der Otto Kienzle Medaille ausgezeichnet wurde und 1997 ein Fernstudium des Wirtschaftsingenieurwesens an der Fernuniversität Hagen absolvierte, folgte er 1999 dem Ruf zur Professur am PtU. Dort leitet er bis heute 60 Mitarbeitende und forscht an neuen Prozessen und Maschinen sowie mikroskopischen Phänomenen rund um innovative Möglichkeiten der Umformtechnik.
Phil Joel Groenewald, B. Sc., geb. 1988, studiert Mechatronik an der Technische Universität Darmstadt. Seit 2018 entwickelt er in der Abteilung Digitalisierung von Kulturerbe am Fraunhofer Institut für Graphische Datenverarbeitung individuelle 3D-Scansysteme und Prototypen, um den individuellen Anforderungen der verschiedenen Scantechnologien gerecht zu werden.
Pedro Santos, M. Sc., geb. 1971, studierte Informatik an der Hochschule Darmstadt, Deutschland, und der Technischen Universität Lissabon, Portugal. Er trat 2002 als Vollzeitforscher in das Fraunhofer-Institut für Graphische Datenverarbeitung IGD ein, wurde 2007 stellvertretender Leiter der Abteilung Industrielle Anwendungen und gründete 2012 die Abteilung für Digitalisierung von Kulturerbe, die er heute leitet. Neu entwickelte autonome 3D-Digitalisierungstechnologien wurden erfolgreich in der Industrie zur autonomen Bearbeitung beliebiger Oberflächen eingesetzt, was zum ersten preisgekrönten, voll autonomen Ultrahochdruck-Wasserstrahl-Reinigungsroboter für beliebige beschichtete Oberflächen führte. Pedro Santos ist Autor oder Mitautor von über 90 Veröffentlichungen und Gutachter für ACM, Eurographics, IEEE und andere Organisationen.
Prof. Dr. Arjan Kuijper ist Leiter des „Mathematical and Applied Visual Computing“ Instituts an der TU Darmstadt und ist Mitglied der Leitung des Fraunhofer IGD, zuständig für die wissenschaftliche Verbreitung. Er erwarb einen M. Sc. in angewandter Mathematik an der Universität Twente und einen Doktortitel an der Universität Utrecht, beide in den Niederlanden. Er war Assistenz-Forschungsprofessor an der IT-Universität Kopenhagen, Dänemark, und Senior Researcher am RICAM in Linz, Österreich. Seinen Doktortitel erwarb er an der TU Graz, Österreich. Seine Forschungsinteressen umfassen alle Aspekte mathematisch basierter Methoden für Computer Vision, Biometrie, Grafik, Bildgebung, Mustererkennung, Interaktion und Visualisierung.
Literatur
1 Hellwig, W.: Spanlose Fertigung: Stanzen. Vieweg+Teubner Verlag, Wiesbaden 2009 10.1007/978-3-8348-9577-6Suche in Google Scholar
2 Hoffmann, H.; Neugebauer, R.; Spur, G. (Hrsg.): Handbuch Umformen. Hanser Verlag, München 2012 10.1007/978-3-446-43004-4Suche in Google Scholar
3 Itasse, S.: Federn, Stanzbiegeteile und Laserteile in allen Formen und Materialien: Gutekunst auf der Hannover-Messe 2017. Online unter https://www.maschinenmarkt.vogel.de/federn-stanzbiegeteile-und-laserteile-in-allen-formen-und-materialien-a-586047 [Zugriff am 05.08.2024]Suche in Google Scholar
4 Seifert, T.: Fertigungszeit- und Terminermittlung für Bauteilgruppen von Folgeverbundwerkzeugen, Hochschule Mittweida, 2015. Online unter https://monami.hs-mittweida.de/frontdoor/index/index/year/2016/docId/6625 [Zugriff am ??.??.????]Suche in Google Scholar
5 Cao, J.; Brinksmeier, M.; Fu, R. et al.: Manufacturing of Advanced Smart Tooling for Metal Forming. CIRP Annals 68 (2019) 2, S.605–628 10.1016/j.cirp.2019.05.001Suche in Google Scholar
6 Doege, E.; Schmidt-Jurgensen, R.; Huinink, S.; Yun, J.-W.: Development of an Optical Sensor for the Measurement of the Material Flow in Deep Drawing Processes. CIRP Annals 52 (2003) 1, S. 225–228 10.1016/S0007-8506(07)60571-XSuche in Google Scholar
7 Stahlmann, J.; Schnell, U.: Prozesskrafte lokal aufnehmen und bewerten. Online unter https://www.maschinenmarkt.vogel.de/prozesskraefte-lokal-aufnehmen-undbewerten-a-487757 [Zugriff am 05.08.2024]Suche in Google Scholar
8 Groche, P.; Hohmann, J.; Übelacker, D.: Overview and Comparison of Different Sensor Positions and Measuring Methods for the Process Force Measurement in Stamping Operations. Measurement 135 (2019), S. 122–130 10.1016/j.measurement.2018.11.058Suche in Google Scholar
9 Zhang, Y.; Dudzic, M. S.: Online Monitoring of Steel Casting Processes Using Multivariate Statistical Technologies: From Continuous to Transitional Operations. Journal of Process Control 16 (2006) 8, S. 819–829 10.1016/j.jprocont.2006.03.005Suche in Google Scholar
10 Brenneis, M.; Stahlmann, J.; Finus, F.: Sensorik in der Presse hilft die Produktivität zu steigern. Online unter https://www.blechnet.com/sensorik-in-der-presse-hilft-die-produktivitaet-zu-steigern-a-693827 [Zugriff am 05.08.2024]Suche in Google Scholar
11 Dutta, S.; Pal, S. K.; Mukhopadhyay, S.; Sen, R.: Application of Digital Image Processing in Tool Condition Monitoring: A Review. CIRP Journal of Manufacturing Science and Technology 6 (2013) 3, S. 212–232 10.1016/j.cirpj.2013.02.005Suche in Google Scholar
12 Traxler, L.; Ginner, L.; Breuss, S.; Blaschitz, B.: Experimental Comparison of Optical Inline 3D Measurement and Inspection Systems. IEEE Access 9 (2021), S. 53952–53963 10.1109/ACCESS.2021.3070381Suche in Google Scholar
13 Farooq, A. R.; Smith, M. L.; Smith, L. N.; Midha, S.: Dynamic Photometric Stereo for Online Quality Control of Ceramic Tiles. Computers in Industry 56 (2005) 8–9, S. 918–934 10.1016/j.compind.2005.05.017Suche in Google Scholar
14 Kapeller, C.; Bodenstorfer, E.: Photometric Stereo-based High-Speed Inline Battery Electrode Inspection. tm – Technisches Messen 88 (2021) 7-8, S. 423–432 10.1515/teme-2021-0024Suche in Google Scholar
15 Ren, M.; Wang, X.; Xiao, G.; Chen, M.; Fu, L.: Fast Defect Inspection Based on Data-Driven Photometric Stereo. IEEE Transactions on Instrumentation and Measurement 68 (2019) 4, S. 1148–1156 10.1109/TIM.2018.2858062Suche in Google Scholar
16 Wang, L.; Xu, K.; Zhou, P.: Online Detection Technique of 3D Defects for Steel Strips Based on Photometric Stereo. In: 2016 8th International Conference on Measuring Technology and Mechatronics Automation (ICMTMA), Macau, China 2016, S. 428–432 10.1109/ICMTMA.2016.109Suche in Google Scholar
17 Hamedon, Z.; Mori, K.; Abe, Y.: In-situ Measurement of Three-Dimensional Deformation Behaviour of Sheet and Tools during Stamping Using Borescope. Journal of Materials Processing Technology 214 (2014) 4, S. 945–950 10.1016/j.jmatprotec.2013.11.016Suche in Google Scholar
18 Woodham, R. J.: Photometric Method for Determining Surface Orientation from Multiple Images. Optical Engineering 19 (1992) 1 10.1117/12.7972479Suche in Google Scholar
19 Smith, G.; Bors, A. G.: Height Estimation from Vector Fields of Surface Normals. In: 2002 14th International Conference on Digital Signal Processing Proceedings. DSP 2002 (Cat. No.02TH8628), Santorini, Greece 2002, S. 1031–1034 10.1109/ICDSP.2002.1028266Suche in Google Scholar
20 Klette, R.; Schluns, K.: Height Data from Gradient Fields. In: Proceedings of SPIE – The International Society for Optical Engineering. January 1996Suche in Google Scholar
© 2024 Walter de Gruyter GmbH, Berlin/Boston
Artikel in diesem Heft
- Frontmatter
- Editorial
- KI und Automatisierung Hand in Hand
- Automatisierung
- Mehranlagenbedienung durch mehr Automatisierung?
- Entwicklung eines automatischen Open-Source-Werkzeugwechslers
- Materialversorgung effizient automatisieren
- Kreislaufwirtschaft
- Kaskadiertes Entscheidungsmodell für die werterhaltende Kreislaufwirtschaft
- Blockchain-Technologie
- Produktionssteuerungsumgebungen und ihre (technischen) Probleme
- Anlaufsteuerung
- Intelligente Anlaufsteuerung für die Batteriezellenproduktion
- Mobile Robotik
- Bausteinkasten zur Einführung flexibler mobiler Robotik
- Akustische Basissignale für mobile Logistik-Roboter
- Qualitätsüberwachung
- Verschleißdetektion in schnelllaufenden Umformprozessen mittels photometrischen Stereos
- Prozessanalyse
- Fertigungsprozessanalyse eines mittels Innenhochdruck-Umformung hergestellten Bauteils
- Antriebskonzept
- Höhere Achsdynamik durch Mehrkoordinatenantriebe in Werkzeugmaschinen
- Intralogistik
- Process Mining in der Intralogistik
- Digitalisierung
- Umsetzungsbeispiele der Software-definierten Produktion
- Künstliche Intelligenz
- Prozessüberwachung durch bildverarbeitende KI
- AI Meets Distributed Manufacturing: Wie KI die Verbreitung digitaler Fertigung fördert
- Vorschau
- Vorschau
Artikel in diesem Heft
- Frontmatter
- Editorial
- KI und Automatisierung Hand in Hand
- Automatisierung
- Mehranlagenbedienung durch mehr Automatisierung?
- Entwicklung eines automatischen Open-Source-Werkzeugwechslers
- Materialversorgung effizient automatisieren
- Kreislaufwirtschaft
- Kaskadiertes Entscheidungsmodell für die werterhaltende Kreislaufwirtschaft
- Blockchain-Technologie
- Produktionssteuerungsumgebungen und ihre (technischen) Probleme
- Anlaufsteuerung
- Intelligente Anlaufsteuerung für die Batteriezellenproduktion
- Mobile Robotik
- Bausteinkasten zur Einführung flexibler mobiler Robotik
- Akustische Basissignale für mobile Logistik-Roboter
- Qualitätsüberwachung
- Verschleißdetektion in schnelllaufenden Umformprozessen mittels photometrischen Stereos
- Prozessanalyse
- Fertigungsprozessanalyse eines mittels Innenhochdruck-Umformung hergestellten Bauteils
- Antriebskonzept
- Höhere Achsdynamik durch Mehrkoordinatenantriebe in Werkzeugmaschinen
- Intralogistik
- Process Mining in der Intralogistik
- Digitalisierung
- Umsetzungsbeispiele der Software-definierten Produktion
- Künstliche Intelligenz
- Prozessüberwachung durch bildverarbeitende KI
- AI Meets Distributed Manufacturing: Wie KI die Verbreitung digitaler Fertigung fördert
- Vorschau
- Vorschau
