InnoLOG: 10. Thüringer Maschinenbautag 2026
Machine-Learning-gestütztes Monitoringsystem zur Zustandsüberwachung von Zerspanwerkzeugen in CNC-Maschinen
Wolfram Kattanek
Abstract:
In einem kurzen Pitch-Vortrag wird in der Session “Automatisierung von Sekundärprozessen: Materialfluss, Logistik, Assistenzsysteme, Instandhaltung” ein KI-gestütztes Werkzeugüberwachungssystem vorgestellt, das im ZIM-Projekt ZEMOS entwickelt wird und für Fräsprozesse in Zerspanungsmaschinen zum Einsatz kommen soll. Durch die Kombination aus hochauflösender Sensortechnologie, lokaler Machine-Learning-Analyse und latenzoptimierter Datenverarbeitung soll die Echtzeit-Diagnose von Werkzeugverschleiß in CNC-Maschinen ermöglicht werden. Dadurch lassen sich ungeplante Maschinenstillstandszeiten reduzieren, die Produktionsqualität steigern, die tatsächliche Werkzeugstandzeit besser ausnutzen und somit insgesamt die Produktionskosten senken. Um eine breite Anwendbarkeit der Lösung zu gewährleisten, sollen deren Nachrüstung bei Bestandsmaschinen ermöglicht werden.
Das könnte Sie auch interesssieren
Leitanwendung
Adaptive Edge-KI-Systeme für industrielle Anwendungen
Wir forschen an Lösungen für adaptive Edge-KI-Systeme, um KI auf verbrauchsarmen eingebetteten Systemen in der Industrie möglich zu machen und um diese in Echtzeit zu vernetzen.
Kernthema
Eingebettete KI
Die zahlreich vorhandenen KI-Algorithmen und -Methoden für leistungsfähige Rechentechnik sind für eingebettete Systeme ungeeignet. Wir forschen daran, KI-Algorithmen und Methoden so zu optimieren, dass sie auf eingebetteten Systemen einsetzbar sind.
Dienstleistung
Entwicklung eingebetteter Systeme
Wir entwickeln für Sie eingebettete Systeme als Gesamtlösungen aus Sensorik und Aktorik, Signalverarbeitung und Kommunikationstechnik sowie Steuerung und Regelung.
Forschungsfeld
Intelligente vernetzte Mess- und Testsysteme
Integrierte Sensor-ICs sind das Herz von Sensor- und Messsystemen wie Funksensoren, stationäre und Handheld-Diagnosegeräte. Wir forschen an Lösungen für immer leistungsfähigere Sensoren mit mehr Eigenintelligenz und Aufgabenverteilung im Sensornetz.
Kontakt
Kontakt
Dipl.-Hdl. Dipl.-Des. Beate Hövelmans
Leiterin Unternehmenskommunikation
beate.hoevelmans(at)imms.de+49 (0) 3677 874 93 13
Beate Hövelmans ist verantwortlich für die Text- und Bildredaktion dieser Webseite, für die Social-Media-Präsenz des IMMS auf LinkedIn und YouTube, die Jahresberichte, für die Pressearbeit mit Regional- und Fachmedien und weitere Kommunikationsformate des IMMS. Sie stellt Ihnen Texte, Bilder und Videomaterial für Ihre Berichterstattung zum IMMS bereit, vermittelt Kontakte für Interviews und ist Ansprechpartnerin für Veranstaltungen.