-
Krzysztof Jemielniak
Jan Kosmol
DIAGNOSTYKA NARZĘDZIA I PROCESU SKRAWANIA -
STAN AKTUALNY I KIERUNKI ROZWOJU
Streszczenie
Dążenie do automatyzacji procesów wytwarzania spowodowane
rosnącymi kosztami siły roboczej oraz wymaganiami
jakościowych sprawia, że monitorowanie tych procesów staje się
nieuniknione. Mimo iż na rynku dostępnych jest wiele
układów diagnostyki narzędzia i procesu skrawania, a szereg z
nich praktycznie zainstalowano w przemyśle, użytkownicy w
dalszym ciągu odnoszą się do nich sceptycznie uznając, że są one
zawodne i nieopłacalne. Artykuł omawia zarówno
przyczyny takiego przekonania jak też omawia działanie
podejmowane w ostatnich latach zmierzające do zwiększenia
niezawodności systemów TCM/PCM. Na wstępie przedstawiono główne
zadania i ogólną strukturę układów diagnostycznych.
Następnie przeanalizowano wszystkie ogniwa tej struktury:
czujnik, obróbkę sygnału, ekstrakcję cech (miar) sygnału oraz
strategie, z punktu widzenia dotychczasowych niedostatków i
bieżących prac badawczych. Artykuł ten nie rości sobie
pretensji do pełnej analizy literaturowej tematu, nie jest
kompletnym przeglądem istniejących systemów. Przedstawiono w
nim
jedynie najważniejsze problemy hamujących rozwój układów
nadzorujących i przykładowe rozwiązania ilustrujące omawiane
zagadnienia.
1. Wprowadzenie
Wzrastające koszty wytwarzania są przyczyną, dla której
automatyzacja wytwarzania uzyskuje najwyższy priorytet w
większości rozwiniętych krajów. Jednym z istotniejszych
czynników ograniczających dalszy rozwój bezobsługowych,
elastycznych obrabiarek jest tzw. monitorowanie narzędzi TCM
(Tool Condition Monitoring) i procesu skrawania PCM
(Process Condition Monitoring). Głównymi obszarami systemów
TCM/PCM są:
• diagnozowanie* stanu narzędzi skrawających,
• monitorowanie* zużycia ostrza (wykrywanie końca okresu
trwałości),
• wykrywanie tzw. katastroficznego stępienia ostrza (KSO),
• diagnostyka postaci wióra,
• wykrywanie drgań,
• inne (wykrywanie narostu na ostrzu, kształtowanie ostrych
krawędzi, wykrywanie kolizji).
Dla celów monitorowania wykorzystuje się wiele różnych zjawisk
fizycznych i typów czujników dostępnych na
rynku. Rys.1 przedstawia wykaz najważniejszych publikacji
poświęconych układom pomiarowym i czujnikom [4]. Liczby
publikacji pokazują jak dużą wagę poświęca się zagadnieniom
monitorowania narzędzi i procesu skrawania. Przede
wszystkim rozwijane są zagadnienia monitorowania zużycia ostrza
oraz wykrywania wykruszeń i wyłamań.
* W artykule - zgodnie z praktyką literatury światowej - używane
będzie zamiennie pojęcie diagnozowania jak i
monitorowania, pomimo iż definicje tych pojęć nie są
identyczne
-
Rys.1. Klasyfikacja prac badawczych i rozwojowych z ostatnich
lat [4]
Najczęściej wykorzystywanymi wielkościami do monitorowania tych
zjawisk są: emisja akustyczna (EA), składowe
siły skrawania lub wielkości pochodne (moment, prąd silnika
napędowego, odkształcenia narzędzia). Również drgania
mechaniczne i akustyczne (hałas) są wykorzystywane zarówno w
pracach badawczych jak i zastosowaniach przemysłowych.
Pozostałe zjawiska fizyczne są wykorzystywane sporadycznie,
głównie w laboratoriach lub w bardzo szczególnych
przypadkach technologicznych.
Monitorowanie narzędzi i procesu skrawania jest nie tylko
przedmiotem intensywnych prac badawczych od wielu lat
ale jest oferowane w postaci dostępnych handlowo układów
nadzorujących. Pomimo to, obecnie uważa się, że nie spełniają
one wymagań stawianych przez użytkowników, mając zbyt wiele wad.
Wg. opinii użytkowników, optymistyczne zapewnienia
wytwórców tych systemów, nie znajdują potwierdzenia w praktyce i
często są one wyłączane przed upływem roku. Ponieważ
koszty dodatkowych układów pomiarowych są wysokie, a ich
niezawodność ciągle budzi zastrzeżenia, wytwórcy obrabiarek i
ich użytkownicy niechętnie godzą się na ich zakup. Główne
słabości systemów monitorowania narzędzi i procesu skrawania
mogą zostać podsumowane następująco:
• brak pojedynczego czujnika (lub układu czujników), który
spełniałby wymagania wszystkich lub głównych
obszarów zastosowań systemów nadzorujących,
• wiele czujników stosowanych w pracach badawczych nie nadaje
się do wykorzystania w warunkach
przemysłowych. Jest to szczególnie istotne w przypadku czujników
siły skrawania i emisji akustycznej (czujniki
EA były projektowane przede wszystkim z myślą o badaniach
nieniszczących),
• wykrywanie końca okresu trwałości ostrza jest trudne, a
praktycznie możliwe do zrealizowania tylko metodę
dotykową (sondy pomiarowe), po zakończeniu skrawania danym
narzędziem,
• większość wyników badań laboratoryjnych uzyskano metodą
off-line. Układy monitorujące pracujące w tzw.
czasie rzeczywistym są w dalszym ciągu rzadkością. Ciągle brak
jest układów, które umożliwiają równoległą
realizację procesu obróbki i np. monitorowania narzędzia,
• brak jest układów monitorujących powiązanych z powszechnie
stosowanymi sterowaniami CNC, tzn. brak jest
powszechnie akceptowanych interfejsów, specyfikacji wymiany
informacji, standaryzacji sprzętowej i
programowej.
Przed rozpoczęciem bardziej szczegółowej dyskusji na temat
wymienionych słabości układów monitorujących,
przyjrzyjmy się strukturze układu monitorowania narzędzi i
procesu skrawania (rys. 2). Proces skrawania może być
opisywany za pomocą wielu różnych wielkości fizycznych.
Odpowiednie czujniki przekształcają wybrane wielkości fizyczne
(jako wielkości mierzone) w sygnał elektryczny, który może być
poddany zarówno elektronicznemu przetwarzaniu jak i
transmisji. Przetwarzanie sygnału może być mniej lub bardziej
rozbudowane, począwszy od filtracji (dolno, górno i pasmowo
przepustowej), poprzez analogowo-cyfrową konwersję A/C, szybką
transformację Fouriera (FFT), obliczanie wartości
-
skutecznej (RMS), odchyleń standardowych, wartości średniej,
kurtozy, stosowanie analizy regresji oraz wielu innych technik
przetwarzania sygnałów. Wynikiem jest wektor cech, który
reprezentuje sygnał pomiarowy, wrażliwy na zmiany parametrów
badanego procesu. Mówimy wówczas o ekstrakcji cech z sygnału
pomiarowego. Na podstawie tak uzyskanego wektora cech i
odpowiedniej strategii, generowana jest decyzja o stanie
monitorowanego procesu (zjawiska). Sama strategia powstaje na
bazie zarówno wiedzy o procesie jak i doświadczeń dotyczących
modelowania procesu.
Rys.2. Struktura układu TCM/PCM
Niedostatki istniejących systemów monitorowania oraz obserwowane
trendy rozwojowe są związane ze wszystkimi
wymienionymi składnikami ich struktury. Tak też będą tu
omówione.
2. Czujniki
2.1. Czujniki siły i wielkości pochodnych
Siły skrawania i wielkości pochodne są najczęściej
wykorzystywane w przemysłowo stosowanych układach
TCM/PCM. Z tego powodu na rynku dostępnych jest wiele czujników
tych wielkości. Zarówno producenci jak i jak i
użytkownicy stoją przed wyborem pomiędzy dwoma przeciwstawnymi
wymaganiami. Z jednej strony niezbędna jest wysoka
dokładność pomiarów zarówno statyczne jak i dynamiczna, co
pociąga za sobą konieczność umieszczania czujnika jak
najbliżej strefy skrawania. Z drugiej strony, czujnik powinien
być łatwy do zainstalowania, bez konieczności istotnych zmian
w konstrukcji obrabiarki i bez wyraźnego zmniejszenia sztywności
statycznej i dynamicznej. Na wcześniejszych etapach
rozwoju systemów TCM/PCM producentom obrabiarek zależało na
wyposażeniu ich wytworów w jakiekolwiek układy
monitorujące. Z tego powodu pomiar prądu lub mocy silnika był
bardzo popularny [12]. Pierścieniowe czujniki prądu
-
zakładane na przewodach zasilających silnik posuwu lub główny są
w dalszym ciągu handlowo dostępne (rys. 3). Pojedynczy
przewód zasilający silnik np. posuwu jest przewleczony przez
pierścieniowy czujnik prądu. W czujniku tym indukowane jest
napięcie (sygnał napięciowy) proporcjonalne do posuwowej
składowej siły [16]. Czujnik taki jest łatwy do zamontowania we
wszystkich typach obrabiarek, nie wymaga praktycznie żadnych
zmian w konstrukcji obrabiarki, stanowiąc składnik systemu
monitorującego o względnie niskiej cenie w porównaniu z nowymi
lub istniejącymi już systemami. Należy jednak podkreślić,
że taki czujnik znajduje się daleko od źródła sygnału, tj. od
strefy skrawania, co decyduje o jego niskich właściwościach
dynamicznymi i małej czułości na zmiany siły skrawania
spowodowane zużyciem ostrza. Jeżeli ponadto, czujnik prądowy
jest
zainstalowany na silniku głównym np. tokarki lub frezarki, to
jego wrażliwość jest jeszcze mniejsza, ponieważ mierzony jest
wówczas prąd zależny od głównej składowej siły, a ta najmniej
wrażliwa na zmiany zużycia ostrza (patrz niżej: 4.2). Układy
monitorujące pracujące na takiej zasadzie trudno uznać za udane
[12].
Rys.3. Czujnik prądu [14]
Innym przykładem czujnika łatwo montowalnego, nie wymagającego
zmian konstrukcyjnych w obrabiarce i nie
zmieniających sztywności obrabiarki jest piezoelektryczny
czujnik odkształceń (rys. 4) [15]. Czujnik taki wykrywa siłę
skrawania za pośrednictwem pomiaru odkształceń elementów
obrabiarki przenoszących tę siłę. Pomimo stosunkowo łatwego
montażu proces instalowania jest czasochłonny, ponieważ
najkorzystniejsze położenie czujnika określane jest metodą prób
i
błędów. Czujnik taki znalazł przemysłowe zastosowanie, zwłaszcza
dla wykrywania kolizji.
Rys.4. Piezoelektryczny czujnik odkształceń [15]
Oba opisane dotychczas czujniki posiadają niską czułość i
praktycznie nadają się do wykrywania dużych,
katastroficznych stępień ostrza, np. podczas obróbki
zgrubnej.
Czujniki siły posuwowej montowane w oprawach łożysk wałków, śrub
pociągowych lub wrzecion (rys. 5 [14]) są
przykładem rozwiązania kompromisowego. Czujnik składa się z dwu
współosiowych pierścieni. Profil wewnętrznego
pierścienia zawiera dwie strefy pomiarowe, na których naklejone
są tensometry. Pomimo znacznie większej korelacji
-
pomiędzy rzeczywistą wartością siły posuwowej i sygnałem
pomiarowym, w dalszym ciągu występuje szereg niekorzystnych
zjawisk, które należy uwzględnić przy przetwarzaniu sygnału [8].
Rys. 6a pokazuje typowy sygnał z czujnika siły (Ff) podczas
dobiegu narzędzia do przedmiotu z zaprogramowanym posuwem
bezpośrednio po rozpoczęciu operacji. Charakterystyczne
sinusoidalne wahania sygnału z czujnika generowane przez łożysko
nie mają swojego odpowiednika w sile skrawania, która
jest równa zeru. Podobne wahania w sygnale obserwuje się podczas
toczenia wzdłużnego ze stałymi parametrami skrawania,
kiedy to rzeczywista wartość siły skrawania jest praktycznie
stała (rys. 6b). Ponadto średnia wartość sygnału stopniowo
wzrasta, z powodu kumulowania się naprężeń w łańcuchu
kinematycznym, zwłaszcza na prowadnicach.
Rys.5. Czujnik siły posuwowej: a) przekrój wewnętrzny, b)
usytuowanie czujnika na śrubie pociągowej tokarki NC [14]
Rys.6. Sygnał z czujnika siły posuwowej z rys. 5 [8]
Najlepsze rezultaty pomiaru siły uzyskuje się za pomocą
czujników umieszczonych w pobliżu ostrza skrawającego,
bezpośrednio w torze transmisji siły. Handlowo dostępne czujniki
są na ogół bardzo sztywne i cechują się szerokim zakresem
pomiarowym. Zawierają one cztery trzyosiowe przetworniki siły,
wstępnie napięte i umieszczone pomiędzy dwoma płaskimi
powierzchniami (np. powierzchnią sań i głowicy rewolwerowej -
rys. 7). Są to na ogół czujniki piezoelektryczne, które
stwarzają trudności w pomiarach składowej stałej siły w dłuższym
okresie czasu ze względu na upływ ładunku, jednakże
obecnie spotykane układy pozwalają na pomiar składowej stałej
przez ok. 15 minut z zadowalającą dokładnością. Upływność
ładunku oraz wpływ temperatury powodują, że czujniki te powinny
być "zerowania" bezpośrednio przed rozpoczęciem
pomiaru. Czujniki piezoelektryczne umieszczane bezpośrednio
pomiędzy dwoma powierzchniami przenoszącymi pełne
obciążenie narażone są na uszkodzenia spowodowane
przeciążeniami, np. podczas kolizji. Czujniki takie stosuje się
w
badaniach laboratoryjnych z zakresu skrawalności czy
monitorowania, natomiast rzadziej w praktyce przemysłowej,
gdzie
brak zabezpieczenia przed przeciążeniem, przy bardzo wysokim
koszcie, wyklucza ich stosowanie.
-
Rys.7. Płytowy czujnik sił skrawania
[13]
W warunkach przemysłowych mogą być stosowane czujniki
płytowe.
Zawierają one cienką płytę z wbudowanymi przetwornikami
piezoelektrycznymi
lub tensometrycznymi. Płyty takie mogą być montowane np.
pomiędzy korpusem
głowicy narzędziowej a saniami poprzecznymi lub pomiędzy głowicą
narzędziową
a korpusem głowicy. Płyty pomiarowe przedstawione na rys. 7 [13]
są o ok.
10÷15 µm cieńsze niż same przetworniki pomiarowe. Wstępny zacisk
powoduje
zlikwidowanie tej różnicy wysokości, tak że podczas pomiarów,
część obciążenia
przenosi płyta, zaś na sam przetwornik przypada mniej niż 15%
pełnego
obciążenia. Wprawdzie rozwiązanie to zmniejsza dokładność
pomiaru, ale
zdecydowanie poprawia zabezpieczenie samych przetworników
przed
przeciążeniem. Płyty lub pierścienie pomiarowe są łatwe do
montażu na obrabiarce
i są oferowane przez wielu producentów [2].
Najnowsze trendy w rozwoju czujników siły można przedstawić
następująco:
• "czujniki inteligentne",
• bezprzewodowa transmisja sygnału pomiarowego,
• nowe koncepcje pomiaru siły,
• czujniki zintegrowane i wieloskładowe.
Rys. 8 przedstawia przykład narzędzia "inteligentnego", tj.
oprawki narzędziowej dla wierteł i gwintowników
wyposażonej w tensometryczny czujnik siły i momentu [14]. W
zależności od zastosowania oprawka pozwala mierzyć główną
i promieniową składową siły oraz moment obrotowy. Zawiera ona
zintegrowany przedwzmacniacz, przetwornik A/C i
mikroprocesor umieszczone w bezpiecznej obudowie. System zawiera
także bezprzewodowy układ transmisji sygnałów
pomiarowych składający się z nadajnika i odbiornika. Główną wadą
rozwiązania jest konieczność indywidualnego
wzorcowania czujnika dla każdego narzędzia, co znacznie podnosi
koszt użytkowania [2].
Rys.8. Czujnik siły i momentu zintegrowane z chwytem
narzędziowym [14]
Inna koncepcja czujnika, wykorzystująca zjawisko zmiany
przenikalności materiału ferromagnetycznego pod
wpływem mechanicznego odkształcenia jest aktualnie rozwijana.
Rys. 9 przedstawia czujnik skręcenia do monitorowania
operacji wiertarskich, wykorzystujący zjawisko prądów wirowych
[20]. Czujnik ten umożliwia pomiar momentu skrawania
bez obniżających sztywność zmian konstrukcyjnych z
obrabiarce.
-
Rys.9. Czujnik momentu wykorzystujący zjawisko prądów wirowych
dla monitorowania wierteł podczas wiercenia [20]
Magnetostrykcyjny czujnik momentu przedstawiony na rys. 10a [1]
posiada takie same zalety. Podłużne, cienkie
pasma (dolne i górne) silnego materiału magnetycznego są
rozmieszczone na pobocznicy wałka pod kątem 45o i -45o do jego
osi. Odkształcenie wałka pod wpływem momentu obciążającego
wywołują zmiany przenikalności magnetycznej w pasmach
magnetycznych. Zewnętrzne cewki 1 i 2 magnesują pasma
magnetyczne na wałku. Zmiana przenikalności owocuje zmianą
oporności indukcyjnej cewek. Oznacza to, że siła skrawania może
być identyfikowana przez pomiar indukcyjności (oporności
indukcyjnej) cewek. Tego typu czujniki mogą być montowane na
obrotowych powierzchniach, np. na narzędziach obrotowych
typu frez walcowo-czołowy [1] lub wrzecionach obrabiarek (rys.
10b [3]).
Rys.10. Magnetostrykcyjny czujnik momentu, a) budowa czujnika
[1], b) przykład zastosowania [3]
-
Kombinowane zestawy różnych, tanich przetworników jest metodą
pozwalającą poszerzyć możliwości
eksploatacyjne uzyskiwane przez pojedyncze czujniki [2]. Można
to osiągnąć albo przez stosowanie pojedynczego czujnika,
umożliwiającego pomiar różnych wielkości lub przez zastosowanie
różnych czujników zainstalowanych na obrabiarce, w celu
mierzenia różnych wielkości.
Rys. 11 przedstawia przykład tzw. podwójnego czujnika [2].
Pozwala on na równoczesny pomiar emisji akustycznej
oraz jednej do trzech składowych siły. Razem z pierścieniowym
czujnikiem siły zintegrowany jest czujnik emisji. Zaletą
czujnika podwójnego jest zdublowanie informacji o procesie
pochodzących z pomiarów siły za pośrednictwem innej
wielkości, tu emisji akustycznej, w jednym i tym samym punkcie
pomiarowym.
Rys.11. Zintegrowane czujniki do pomiaru siły skrawania i emisji
akustycznej [2]
2.2. Emisja akustyczna i drgania
Pomimo iż dostępnych jest wiele czujników EA, tylko niektóre
mogą być stosowane w warunkach przemysłowych
[2]. Większość tych czujników była projektowana z myślą o
nieniszczących badaniach laboratoryjnych, co oznacza, że nie
wytrzymują wysokich temperatur, dużej ilości płynów chłodzących
i uderzających lub trących wiórów. W wielu wypadkach
ich czułość jest zbyt duża w stosunku do mocy sygnałów
generowanych przez proces skrawania.
Rozważmy przykładowo czujniki emisji akustycznej firmy Brüel
& Kjær:
• 8312 - szerokopasmowy czujnik z wbudowanym
przedwzmacniaczem,
• 8313 - rezonansowy czujnik o częstotliwości rezonansowej ok.
200 kHz,
• 8314 - rezonansowy czujnik o częstotliwości rezonansowej ok.
800 kHz.
Czujniki rezonansowe na ogół współpracują z przedwzmacniaczem
typu 2637 wyposażonym w wymienne filtry:
• 200 kHz filtr oktawowy przeznaczony do współpracy z czujnikiem
8313,
• 800 kHz filtr oktawowy przeznaczony do współpracy z czujnikiem
8314.
Na rys. 12 przedstawiono przykłady sygnałów EA uzyskane dla
narzędzia zużytego (KT ÷ 0,25 mm) w Politechnice
Warszawskiej [5]. Czujniki B&K były instalowane na imaku
tokarki. Sygnał z szerokopasmowego czujnika 8312 (rys. 12a)
zawiera zarówno składową wysokoczęstotliwościową, interesującą z
punktu widzenia monitorowania stanu narzędzia, jak i
niskoczęstotliwościową (ok. 16 kHz). Charakterystyczne obcięcie
sygnału świadczy o przeregulowaniu przedwzmacniacza.
Zastosowanie czujnika rezonansowego 8313 wraz z
przedwzmacniaczem, wyposażonym w filtr oktawowy 200 kHz
eliminuje
składową niskoczęstotliwościową, pozostawiając tylko pasmo
użyteczne. Mimo to, sygnał EA był ciągle zbyt duży,
wywołując przeregulowanie przedwzmacniacza. Z tego powodu
przedwzmacniacz został zmodyfikowany, poprzez 10-krotne
-
(20 dB) zmniejszenie pierwszego stopnia wzmocnienia. Uzyskane
wyniki przedstawiono na rys. 12c. Innym sposobem
rozwiązania problemu jest zastosowanie czujnika 8314 z
oryginalnym przedwzmacniaczem 2637 wyposażonym w filtr 200
kHz, zaprojektowanym z myślą o czujniku 8313 (rys. 12d).
Rys.12. Sygnały z czujnika emisji akustycznej firmy Brüel &
Kjær otrzymane dla narzędzia stępionego (KT≈0.25 mm) w
Politechnice Warszawskiej [5]
W ostatnich latach pojawiły się na rynku czujniki EA,
przeznaczone do monitorowaniu procesu skrawania, które są
pozbawione wymienionych wad ([2, 9] rys.13). Większość z nich
jest montowana na powierzchniach obrabiarki, ale spotyka
się i takie, w których transmisja sygnału emisji z przedmiotu do
czujnika odbywa się za pośrednictwem strumienia cieczy
chłodzącej. Do transmisji sygnału emisji z czujnika do
odbiornika wykorzystuje się również indukcyjne metody
bezprzewodowe. Innym nowym rozwiązaniem jest czujnik EA w
postaci cienkiej folii umieszczanej pomiędzy płytką
skrawającą, a podkładką (rys. 14). Główną zaletą rozwiązania
jest to, iż czujnik jest bardzo bliski strefy skrawania,
jednakże
jest on także bardzo narażony na uszkodzenie.
Rys.13. Nowe koncepcje czujników emisji akustycznej przeznaczone
dla monitorowania narzędzia i procesu skrawania [2, 9]
Rys.14. Foliowy czujnik emisji akustycznej przeznaczony do
monitorowania stanu narzędzia [9]
-
Czujniki drgań były stosowane w warunkach przemysłowych znacznie
wcześniej niż czujniki emisji akustycznej,
zwłaszcza w celach diagnostycznych obrabiarek. Tym nie mniej
czujniki te stają się coraz solidniejsze, lepiej spełniające
wymagania stawiane przez trudne warunki na obrabiarkach. Rys. 15
przedstawia czujnik wykorzystywany do monitorowania
procesu skrawania w oparciu o pomiar drgań, który pierwotnie był
zaprojektowany do wykrywania spalanie skokowe w
silnikach benzynowych [2].
Rys.15. Czujniki drgań przeznaczone do monitorowania [2]
3. Przetwarzanie sygnałów i ekstrakcja cech - symptomów
Elektryczny sygnał analogowy z czujnika jest na ogół (po
pierwotnym przetwarzaniu jak np. wstępnym filtrowaniu)
przekształcany do postaci cyfrowej. Uzyskane w taki sposób
szeregi czasowe są w dalszym ciągu przetwarzane w celu
ekstrakcji z sygnału tych cech (symptomów), które są najbardziej
wrażliwe na parametry interesujące z punktu widzenia
monitorowanego procesu (np. na zużycie ostrza). Wykorzystuje się
wiele znanych metod przetwarzania jak dalsza filtracja,
obliczenia wartości średniej, wartości skutecznej RMS, analiza
spektralna w wybranym paśmie i wiele innych. W dalszym
ciągu przedstawione zostaną przykłady przetwarzania
sygnałów.
Najprostszą cechą charakteryzującą sygnał jest jego wartość
(amplituda). Rys. 16 przedstawia monitorowanie
narzędzia podczas wiercenia [20], bazujące na śledzeniu momentu
skręcającego (rys. 9). Znaczne zużycie wiertła wywołuje
istotne zwiększenie momentu skrawania, a w konsekwencji i
wartości sygnału.
Rys.16. Monitorowanie stanu narzędzi podczas wiercenia, bazujące
na pomiarze amplitudy sygnału [20]
Wpływ zużycia ostrza na siły skrawania jest powszechnie znany i
był wielokrotnie opisywany. Dla toczenia i
frezowania, wpływ ten jest mniejszy w odniesieniu do głównej
składowej siły i momentu skrawania niż w stosunku do
składowej posuwowej i odporowej. Wpływ zużycia ostrza na wzrost
siły skrawania jest silnie uzależniony od innych
warunków skrawania. Rys. 17 przedstawia przykładowe wyniki badań
[5]. W obu przypadkach stosowano takie samo
narzędzie i ten sam przekrój warstwy skrawanej. Prędkość
skrawania została tak dobrana, aby uzyskać zbliżony okres
trwałości ostrza. W pierwszym przypadku skrawano stal 34HNM.
Dominującą postacią zużycia ostrza było starcie na
-
powierzchni przyłożenia VBC, któremu towarzyszy wyraźny wzrost
składowej posuwowej Ff i odporowej Fp siły skrawania.
Tak wyraźny wzrost sił jest łatwo mierzalny, a przez to wygodny
do monitorowania zużycia na powierzchni przyłożenia.
Natomiast przy obróbce stali 45 (prawy rys. 17), kiedy
decydującym jest zużycie powierzchni natarcia (krater KT), wzrost
sił
skrawania jest znacznie mniejszy. W obu przypadkach składowa
główna Fc siły nie zmieniała się w sposób istotny.
Rys.17. Wpływ zużycia ostrza na siły skrawania [5]
Rys. 18 przedstawia zależność składowej posuwowej siły od
zużycia ostrza VBC, dla trzech przekrojów warstwy
skrawanej [5]. Przykład ten pokazuje, że bezpośrednie
wykorzystanie pomiaru siły jest niewygodne ponieważ dla każdego
zestawu parametrów skrawania należałoby określać inne wartości
graniczne. Znacznie wygodniejsze jest zastosowanie
względnego przyrostu siły, również pokazanego na rys. 18:
dFF F
Fff fo
fo=
−
gdzie: Ffo - składowa posuwowa siły dla narzędzia ostrego (na
początku testu).
Rys.18. Zmiany wartości bezwzględnej i względnej składowej
posuwowej siły wywołane zużyciem ostrza, dla trzech różnych
przekrojów wióra [5]
-
Podobny problem występuje, gdy obserwuje się amplitudę drgań w
wybranym paśmie, w celu diagnozowania zużycia
ostrza [16÷18]. Podobnie jak dla przyrostu siły skrawania,
względny przyrost amplitudy drgań wydaje się być korzystniejszy
i
lepiej skorelowany z prędkością skrawania (rys. 19). Procentowy
przyrost sygnału drgań był również stosowany dla
monitorowania okresu trwałości małych wierteł ze stali
szybkotnącej (rys. 20, [9]).
Rys.19. Zmiany amplitudy drgań w funkcji zużycia ostrza dla
trzech prędkości skrawania [16]
Rys.20. Monitorowanie trwałości narzędzia wierteł małej średnicy
z zastosowaniem sygnałów wibroakustycznych [10]
Innym, interesującym przykładem poszukiwania cech - symptomów
jest monitorowanie postaci wióra za pomocą
emisji akustycznej (rys. 21 [9]). Analogowa wartość skuteczna
RMS sygnału jest przekształcana do postaci cyfrowej, która
wyraźnie identyfikuje zakłócenia w łamaniu wióra.
-
Rys.21. Monitorowanie postaci wióra z wykorzystaniem sygnałów
emisji akustycznej [9].
4. Modele procesu i strategie monitorowania
4.1. Wykrywanie katastroficznego zużycia ostrza
Każda strategia monitorowania musi bazować na modelu
monitorowanego procesu. Model ten tworzy się i
udoskonala w oparciu o obserwację procesu rzeczywistego. Jako
przykład ilustrujący to zagadnienie może posłużyć
modelowanie i wykrywanie katastroficznego stępienie ostrza (KSO)
w oparciu o pomiary sił skrawania.
Katastroficznemu stępieniu ostrza towarzyszy charakterystyczny
przebieg sił skrawania przedstawiony na rys. 22
[5, 6]. Jego najważniejsze cechy można przedstawić
następująco:
• Wykruszaniu krawędzi skrawającej towarzyszą skokowe przyrosty
(w ciągu 1÷3 ms) składowej posuwowej Ff i/lub
składowej odporowej Fp, wywołane pogarszaniem się geometrii
krawędzi skrawającej,
• Znacznemu wyłamaniu ostrza towarzyszy nagły wzrost a następnie
spadek siły skrawania. Wielkość tych zmian jest
funkcją zmiany (zmniejszenia) przekroju warstwy skrawanej,
• W obu wymienionych przypadkach, siły skrawania pozostają na
nowym poziomie w ciągu jednego obrotu przedmiotu. Po
tym obrocie narzędzie napotyka na uskok pozostawiony na
powierzchni przejściowej, czemu towarzyszy skokowy
przyrost posuwowej i odporowej siły skrawania, a na powierzchni
przejściowej pozostaje następny, mniejszy uskok..
Taka sekwencja zdarzeń powtarza się co jeden obrót przedmiotu,
przy czym zmiany sił są coraz mniejsze. W końcu
następuje ustabilizowanie się sił na nowym poziomie
Rys.22. Przebiegi sił skrawania towarzyszące dwom typom KSO
[5,6].
-
Bazując na takim rzeczywistym przebiegu zmian sił skrawania
wywołanych przez KSO, opracowano szereg modeli
tego przebiegu i strategii wykrywania CFT. W najprostszym
przypadku przyjęto, że KSO powoduje istotny wzrost siły
skrawania [14]. Strategia bazująca na tym modelu może być
przedstawiona następująco (rys. 23a). W trakcie uczenia
(skrawanie ostrym narzędziem), układ monitorujący wykrywa
maksymalną wartość sygnału siły skrawania w trakcie jednego
przejścia. Na podstawie tej wartości i współczynnika L2F,
dobranego przez operatora, układ monitorujący oblicza poziom
alarmowy. Jeśli w trakcie monitorowania sygnał siły przekroczy
poziom II na dłużej niż czas L2t, układ sygnalizuje KSO.
Porównanie zmian sił wywołanych przez KSO (rys. 22) i założonych
w tej strategii (rys. 23a), prowadzi do wniosku, że
możliwe jest wykrycie tylko bardzo znacznych uszkodzeń
narzędzia, zazwyczaj zbyt późno (rys. 23b).
Rys.23. Wykrywanie katastroficznego stępienia ostrza bazujące na
poziomach granicznych (a), oraz reakcja układu na
wyłamanie ostrza (b) [8].
Strategia opracowana w Aachen [10, 13] jest znacznie bardziej
wyrafinowana. Bazuje ona na opisanych wcześniej
charakterystycznych zmianach siły skrawania, towarzyszących
uszkodzeniu narzędzia. Specjalną rolę pełni w tym przypadku
chwilowy wzrost siły występujący w momencie KSO. Układ
monitorujący stale (co 1 ms) oblicza dolną i górną granicę, na
podstawie średniej siły Fm oraz amplitudy składowej dynamicznej
Fd (rys. 24a). W rezultacie uzyskuje się pasmo tolerancji,
które zmienia się w czasie, np. wskutek zmian siły spowodowanych
wahaniami głębokości skrawania. Zmiany sił
spowodowane uszkodzeniem ostrza są zbyt szybkie (1÷2 ms) by
granice mogły za nimi nadążyć, są więc przekraczane. Górna
granica jest przekraczana dwukrotnie, w obu kierunkach (z dołu i
z góry). Jeżeli takiemu zjawisku towarzyszy szybkie
przekroczenie dolnej granicy (w czasie t1), generowany jest
sygnał alarmowy (rys. 24b). Jeżeli natomiast górna granica nie
zostaje przekraczana, to sygnał alarmowy jest generowany tylko
wówczas, gdy dolna granica została przekroczona na czas
dłuższy niż t2 (rys. 24c).
Rys.24. Strategia wykrywania KSO opracowana w Uniwersytecie w
Aachen [10, 13]
Ponieważ strategia ta bazuje na rozpoznawaniu określonego wzorca
zmian siły, nie jest istotna dokładna wartość
samej siły, co oznacza, że nie jest wymagana wysoka dokładność
statyczna czujnika. Pomimo, iż strategia ta jest znacznie
lepsza niż bazująca na “sztywnych” lub nauczonych progach,
posiada jednak pewne niedostatki:
-
• właściwości dynamiczne czujnika muszą być bardzo dobre, jako
że musi on mierzyć szybkie zmiany sił. Oznacza to, że
częstotliwość drgań własnych elementów obrabiarki pomiędzy
narzędziem i czujnikiem, nie powinna być niższa niż ~3 kHz.
Takie wymagania spełniają tylko czujniki montowane bezpośrednio
w pobliżu narzędzia, np. płytowe (rys. 7),
• nawet znacznym wyłamaniom ostrza nie muszą towarzyszyć istotne
zmniejszenie przekroju warstwy skrawanej, a w
konsekwencji wyraźne zmniejszenie siły skrawania (rys. 22
prawy). Jeżeli siły są silnie zakłócone (duża wartość składowej
dynamicznej Fd), to pasmo tolerancji może być na tyle szerokie,
że nie zostanie przekroczone w wyniku zmiany siły.
Strategia opracowana w Politechnice Warszawskiej [6] pozbawiona
jest wymienionych wad. Jej podstawowe zasady
przedstawiono na rys. 25a. Oryginalny sygnał siły F (górny
rysunek) poddany jest filtrowaniu dolnoprzepustowemu, w celu
uzyskania wartości średniej Fm, podlegającej monitorowaniu.
Dalsze filtrowanie prowadzi do wyznaczenia wartości Fm1,
która jest podstawą obliczenia górnej i dolnej granicy:
( ) ( )L+ Fml 1 2c + 2 ; L
_Fml 1 2
c + 2= + −
= − −
gdzie: c = 1 ÷ 3 - współczynnik wrażliwości detektora.
Rys.25. Strategia wykrywania KSO opracowana w Politechnice
Warszawskiej (a), oraz wyniki dwóch testów (b) [5,6]
Progi mogą być przekraczane przez wielkość Fm nie tylko w wyniku
katastroficznego zużycia, ale także wskutek
innych zakłóceń. Dlatego za KSO uznawane jest tylko takie
przekroczenie, które trwa dłużej niż założony czas del. W
czasie
gdy Fm jest poza dopuszczalnymi granicami, nie są one obliczane,
czyli pozostają na poziomie z przed przekroczenia. Aby
ułatwić powrót wartości Fm między granice, wyznaczana jest ona
za pomocą filtra pomocniczego znacznie słabszego niż filtr
główny, co zaznaczono linią przerywaną na środku rys. 25a.
Jeżeli wartość Fm nie powróci do pasma tolerancji po czasie
dłuższym niż del, układ monitorujący generuje sygnał alarmowy
KSO. Sygnał ten jest wytwarzany tak długo aż Fm nie
znajdzie się ponownie w paśmie tolerancji.
Monitorowanie wartości średniej Fm zamiast bieżącej F umożliwia
stosowanie węższego pasma tolerancji niż w
strategii opracowanej w Aachen, co umożliwia wykrywanie
mniejszych KSO (rys. 25b). Ponadto strategia opracowana w
Politechnice Warszawskiej jest mniej wymagająca jeśli chodzi o
częstotliwość próbkowania oraz własności dynamiczne toru
pomiarowego, jako że nie jest konieczne wychwycenie chwilowego
wzrostu i spadku siły. Można m.in. stosować stosunkowo
wolne czujniki siły posuwowej (rys. 5 [7]).
-
4.2. Monitorowanie naturalnego zużycia ostrza
Zużyciu naturalnemu ostrza towarzyszy szereg zjawisk. Wiele
istniejących układów monitorujących wykorzystuje
wzrost sił skrawania i wielkości pochodnych (rys. 16÷18),
sygnału emisji akustycznej, drgań (rys. 19 i 20) lub innych
wielkości. Stąd najprostsze strategie diagnozowania naturalnego
zużycia wykorzystują sztywne wartości graniczne, których
przekroczenie uznawane jest za oznakę stępienia ostrza [14]. Są
one zatem bardzo podobne do opisanej (rys. 23), wcześniej
strategii wykrywania KSO, z tym że odpowiednia granica (L1F)
jest niższa a czas (Lt1) dłuższy.
Strategia opracowana w Uniwersytecie w Aachen jest bardziej
skomplikowana (rys. 26 [13]). Układ monitorujący
mierzy siłę skrawania dla każdego przedmiotu. Na podstawie
trzech kolejnych wartości Fn obliczana jest tzw. ruchoma
średnia Fsn:
( )F F F Fsn n n n= + +− −1 2 3
Ruchoma średnia z trzech pierwszych przedmiotów (Fo) oraz
dopuszczalny przyrost wartości siły (C) są podstawą do
obliczenia dopuszczalnej wartości granicznej FT:
( )F F CT = +0 100 1
Ruchoma średnia jest na bieżąco aktualizowana na podstawie
trzech ostatnich wartości Fn a następnie porównywana
z wartością graniczną. Przekroczenie przez Fsn wartości
granicznej FT jest traktowane jako stępienie ostrza. Cechą
charakterystyczną tej strategii jest uznawanie narzędzia za
stępione także wówczas, gdy ruchoma średnia zmniejszy się
więcej
niż o Fx.
F F C XX = ⋅ ⋅0 100
gdzie: X - współczynnik określany doświadczalnie.
Rys.26. Strategia wykrywania naturalnego zużycia ostrza
opracowana w Uniwersytecie w Aachen [13, 19]
Wszystkie wyżej opisane zjawiska związane są nie tylko z
wartością zużycia ostrza ale także z wieloma innymi
cechami jak np. postać zużycia, geometria ostrza, warunki
skrawania, materiał skrawany, materiał przedmiotu. Ponadto
związek pomiędzy zużyciem naturalnym a symptomem jest bardzo
złożony i posiada charakter raczej statystyczny niż
zdeterminowany (patrz np. rys. 18). Czasami sygnał z czujnika
niedokładnie odzwierciedla cechę mierzoną, z uwagi na wpływ
zakłóceń (patrz np. rys. 6). Wartości parametrów
wykorzystywanych w modelach procesu cechuje pewien poziom
niepewności, np. właściwości materiału mogą wahać się w pewnych
granicach. Dlatego też dość powszechnie uważa się, że
niezawodność układów monitorujących opartych na jednym tylko
wskaźniku jest niewielka.
5. Integracja symptomów (cech)
-
Integracja różnych cech jest współcześnie jedną z metod mających
poprawić niedogodności metod
jednoczujnikowych. Integracja cech zmniejsza niepewność dzięki
obniżenia przypadkowości sygnału czujnika. Stosowanie
wag dla wielu cech podnosi niezawodność informacji w stosunku do
pojedynczego czujnika. Ponadto, synteza cech może
prowadzić do dokładniejszej estymacji parametrów. Występują tu
dwa podejścia:
• ekstrakcja wielu cech z jednego czujnika,
• zastosowanie wielu różnych czujników.
Przykładem pierwszej metody mogą być amplitudy drgań dla
zróżnicowanych częstotliwości [16, 17] tego samego
widma, różne cechy sygnału emisji akustycznej i inne. Natomiast
przykładem drugiej metody jest zestaw wielu tanich
czujników zamocowanych na obrabiarce dla pomiaru różnych
wielkości lub zastosowanie jednego czujnika mierzącego kilka
różnych wielkości fizycznych.
Rys. 27 pokazuje przykłady integracji wieloczujnikowej. Po jego
lewej stronie przedstawiono czujnik emisji
akustycznej i piezoelektryczny czujnik odkształceń zainstalowane
na głowicy rewolwerowej [2]. Przedstawiono także
przebieg sygnałów uzyskanych podczas dwóch testów skrawających
(toczenie). W pierwszym przykładzie (rysunek górny)
wystąpiło katastroficzne stępienie ostrza. Nagłemu wyłamaniu
towarzyszy skokowy wzrost sygnału emisji akustycznej i
spadek sygnału odkształcenia. W drugim przykładzie (niżej)
obrabiano przedmiot z otworem. Podczas gdy sygnał
odkształcenia ulega silnym zakłóceniom w wyniku obróbki
przerywanej, sygnał emisji nie wykazuje istotnych zmian. Jest
to
więc metoda zabezpieczenia się przed fałszywym alarmem.
Rys.27. Integracja czujników [2]: układ różnych czujników (z
lewej strony) oraz czujnik podwójny (z prawej strony)
-
Po prawej stronie rys. 27 przedstawiono wykrywanie KSO za pomocą
omawianego wcześniej (rys. 11) czujnika
podwójnego. Najpierw nastąpiło wykruszenie, a po jednym obrocie
przedmiotu, wyłamanie ostrza. W tym przykładzie oba
sygnały zmieniały się istotnie, umożliwiając wykrycie KSO w
sposób bardziej niezawodny dzięki wzajemnej weryfikacji
sygnałów.
Uzyskana informacja z jednego lub kilku czujników jest
przetwarzana w celu estymacji określonego symptomu.
Można to osiągnąć wieloma sposobami jak: metody statystyczne,
modelowanie metodą autoregresji, metody rozpoznawania
obrazów, zastosowanie systemów ekspertowych i inne [2, 19]. W
ostatnim okresie bardzo intensywnie rozwijane jest
zastosowanie sieci neuronowych m.in. dla integracji cech [11,
16, 18, 19]. Podstawowym zagadnieniem w przypadku wielu
systemów jest redukcja dużej ilości informacji pochodzących z
wielu czujników, do kilku najlepszych, wiarygodnych
symptomów, które mogą być wykorzystane w układzie monitorowania.
Głównym celem badań prezentowanych w [11] był
rozwój strategii dla monitorowania naturalnego zużycia podczas
wiercenia na wiertarkach wielowrzecionowych.
Uwzględniono różne możliwe interakcje występujące podczas
obróbki a także różne metody selekcji sygnałów najlepiej
skorelowanych ze zużyciem. Emisja akustyczna, drgania i prąd
silnika były podstawą układu. W następnym kroku,
zrealizowano selekcję najistotniejszych cech, zarówno dla
złamania ostrza jak i jego naturalnego zużycia. Wykorzystywano
i
porównywano wzajemnie analizę statystyczną, algorytmy genetyczne
oraz sieci neuronowe. W końcu zastosowano sieć Feed
Forward Back Propagation w celu selekcji cech oraz modelowania
zależności pomiędzy wyselekcjonowanymi cechami a
zużyciem wierteł.
Innym interesującym zastosowaniem sieci neuronowych była próba
oceny trwałości ostrza za pomocą przetwarzania
obrazu ostrza [21] (rys. 28). Jasność obrazu zależna od
chropowatości powierzchni była przetwarzana na jeden z 12
kolorów.
Z kolei dla każdego obszaru siatki, następowało przetwarzanie
koloru tego obszaru na wartości numeryczne. Następnie
zastosowano trzywarstwową sieć neuronową. Warstwa wejściowa
zawierająca 256 komórek była skojarzona z obrazem
narzędzia i parametrami skrawania. Warstwa wyjściowa zawierała 6
komórek, informujących o trwałości ostrza i postaci
zużycia.
Rys.28. Diagnostyka zużycia ostrza oparta na przetwarzaniu
obrazu z wykorzystaniem sieci neuronowej [21]
-
6. Podsumowanie
Pomimo wielu niedostatków istniejących układów TCM/PCM,
zwłaszcza tych z wcześniejszych stadiów ich
rozwoju, potrzeba automatycznego nadzoru wymusza intensywne
prace badawcze nad podniesieniem ich efektywności.
Szczególna nacisk kładziony jest współcześnie następujące
zagadnienia:
• poprawa niezawodności czujników, odpornych na wilgoć, gorące
wióry, ciecze chłodząco-smarujące jak i poszukiwanie
zupełnie nowych koncepcji czujników, bardzo prostych,
inteligentnych, wieloskładowych z bezprzewodową transmisją
sygnału,
• rozwój lepszych metod przetwarzania informacji w celu
ekstrakcji cech sygnałów skorelowanych z monitorowanym
procesem ale niewrażliwych na inne parametry,
• poszukiwanie lepszych, bardziej niezawodnich strategii
monitorowania,
• zastosowanie układów wieloczujnikowych wspomaganych
najnowszymi technikami podejmowania decyzji.
Można przypuszczać, że już w niedalekiej przyszłości układy
TCP/PCM staną się znacznie bardziej niezawodne.
Literatura
[1] AOYAMA H., OHZEKI H., MASHINE A., TAKASHITA J., Cutting
Force Sensing in Milling Process, Proc. Int.
CIRP/VDI Conf. “Monitoring of Machining and Forming Processes”,
VDI Berichte No. 1179, 1995, pp. 319-333.
[2] BYRNE G., DORNFELD D., INASAKI I.., KETTELER G., TETI R.,
Tool Condition Monitoring (TCM)- The status of
Research and Idndustrial Application, CIRP Annals Vol. 44
(1995), No 2.
[3] CEJTLIN . N., SZIMOCHIN A.K.: Primienienije magnitouprugich
datczikow krumjaszczewo momenta w stankach s
adaptiwnym uprawlieniem, C-U Nr 8/74 s. 35-37.
[4] DORNFEL D., Future Directions for Intelligent Sensors, Proc.
Third Meeting of the CIRP Working Group on TCM,
Paris, 1994, pp.52-57.
[5] JEMIELNIAK K. at all, Automatyczna diagnostyka stanu
narzędzia w operacjach tokarskich. Project CPBP 02.04-
04.02-02, Technical University Warsaw, 1986-90
[6] JEMIELNIAK K., Detection of Cutting Edge Breakage in
Turning, CIRP Annals Vol. 41 (1992), pp. 97-100.
[7] JEMIELNIAK K., Catastrophic Tool Failure Detection Based on
Signals from Feed Force Sensors, Proc. IV Int.
Conf.on Monitoring and Automatic Supervision in Manufacturing,
Miedzeszyn, 1995, pp. 127-134
[8] JEMIELNIAK K., NIEDBAŁA M., Investigation of Tool Monitoring
System in FMS T50, Proc. Conf. “Forum Prac
Badawczych - Kształtowanie części maszyn przez usuwanie
materiału”, Koszalin 1994, pp. 99-108.
[9] KÖNIG W., KETTLER G. Research on Tool Condition Monitoring
in Europe - State of the Art and Future Prospects,
Proc. Third Meeting of the CIRP Working Group on TCM, Paris,
1994, pp. 8-29.
[10] KÖNIG W., KLUFT W., Processbegleitendes Erkennen von
Werkzeugbruch und Verschleisswertgrenzen, Industrie
Anzeiger, Vol. 104 (1982), nr 96, p. 33.
[11] KÖNIG W., DORNFELD D., REHSE M., SOKOŁOWSKI A., On
Designing of a Tool Wear Monitoring System for a
Multispindle Drilling Machine, Proc. IV Int. Conf.on Monitoring
and Automatic Supervision in Manufacturing,
Miedzeszyn, 1995, pp. 89-98
[12] NOVAK A., OSSBAHR G., Reliability of the Cutting Force
Monitoring in FMS-Installations. Proc. 24th Int. MTDR
Conf. s. 325, 1986.
[13] PROMETEC, Materiały informacyjne i reklamowe Aachen,
1985.
[14] SANDVIK COROMANT, Materiały informacyjne i reklamowe,
1984-1992
-
[15] SCHNEIDER H.P., Ausfalle und Storungen minimieren.
Industrie Anzeiger Extra, NC-Technik. s. 110, 1987.
[16] SOKOŁOWSKI A., Tool Wear Supervision with Use of Neural
Networks, Ph.D. Dissertation, Silesian Technical
University, Gliwice, 1994.
[17] SOKOŁOWSKI A., KOSMOL A., Vibration Measurement as a Means
for Tool Wear Monitoring; Part 1:
Conventional Method Application, Proc. IV Int. Conf.on
Monitoring and Automatic Supervision in Manufacturing,
Miedzeszyn, 1995, pp. 111-118
[18] SOKOŁOWSKI A., KOSMOL A., DORNFELD D., Vibration
Measurement as a Means for Tool Wear Monitoring;
Part 2: Neural Network Application, Proc. IV Int. Conf.on
Monitoring and Automatic Supervision in Manufacturing,
Miedzeszyn, 1995, pp. 111-118
[19] SZAFARCZYK M., (Ed.), Automatic Supervision in
Manufacturing, Springer-Verlag, London, 1994.
[20] TÖNSHOFF H.K., BRINKSMEIER E., HUSEN H., Berührungslose
Messung des dynamischen Bearbeitungsmoments
zur Überwachung schlanker rotierender Werzeuge, Elektrotechnik
und Informationstechnik, Vol. 108, (1991), No.6, pp.
252-257.
[21] TESHIMA T., SHIBASAKA T., TAKUMA M., YAMAMOTO A.,
Estimation of Cutting Tool Life by Processing Tool
Image Data, CIRP Annals, Vol 42 (1993), No. 1, pp. 59-62.
TOOL AND PROCESS MONITORING - STATE OF ART
AND FUTURE PROSPECTS
Quest for process automation driven by growing costs of human
labour and quality demands makes monitoring in
manufacturing systems inevitable. Although numerous tool and
process condition monitoring systems are now available in the
market and many have been installed in industry, users generally
still consider them unreliable, often not worth money they
cost. The bulk of the paper is centred on reasons of that defeat
and measures undertaken nowadays to improve TCM/PCM
systems reliability. First, the major tasks and general
structure of the tool and process condition monitoring systems
are
presented. Then all basic elements of the monitoring systems:
sensors, signal processing, feature extraction, and strategies
were reviewed in terms of hitherto drawbacks and ongoing
research works. The paper does not pretend to give a complete
review of existing systems. Only examples illustrating discussed
problems are quoted here.