Prozessoptimierung mittels Inline-Geometriemessung/Process optimization by inline geometry measurement - Automation and digitalization in tailored forming process chains

Inhaltsverzeichnis

Bibliographische Infos

Cover der Ausgabe: wt Werkstattstechnik online Jahrgang 113 (2023), Heft 10
Open Access Vollzugriff

wt Werkstattstechnik online

Jahrgang 113 (2023), Heft 10

Autor:innen:
Verlag
VDI fachmedien, Düsseldorf
Copyrightjahr
2023
ISSN-Online
1436-4980
ISSN-Print
1436-4980

Kapitelinformationen

Open Access Vollzugriff

Jahrgang 113 (2023), Heft 10

Prozessoptimierung mittels Inline-Geometriemessung/Process optimization by inline geometry measurement - Automation and digitalization in tailored forming process chains

Autor:innen:
ISSN-Print
1436-4980
ISSN-Online
1436-4980
Kapitelvorschau:

Digitalisierung und Automatisierung bieten in der Warmmassivumformung großes Potenzial, die Ausbringung effizient zu steigern, Ausschuss zu verringern und den Energiebedarf zu reduzieren. In diesem Beitrag werden am Beispiel der Tailored-Forming-Prozesskette neue Ansätze zur Inline-Geometrievermessung von Werkzeugen und Bauteilen vorgestellt, aus denen einerseits Regelparameter für vor- und nachgeschaltete Prozesse und andererseits digitale Ersatzmodelle abgeleitet werden.

 

The digitalisation and automation of process chains offers great potential in hot forging to efficiently increase output,reduce scrap, and reduce energy input. This paper presents new approaches for inline geometry measurement of tools and components using the example of the tailored forming process chain and derives from it both control parameters for upstream and downstream processes as well as digital substitute models.

Literaturverzeichnis

  1. [1] Kroll, L.: Technologiefusion für multifunktionale Leichtbaustrukturen. Heidelberg: Springer-Verlag, 2019 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  2. [2] Groche, P.; Wohletz, S.; Brenneis, M. et al.: Joining by forming – A review on joint mechanisms, applications and future trends. Journal of Materials Processing Technology 214 (2014) 10, pp. 1972–1994 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  3. [3] Behrens, B.-A.; Uhe, J.: Introduction to tailored forming. Production Engineering 15 (2021) 2, pp. 133–136 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  4. [4] Wiendahl, H.-P.; Hegenscheidt, M.: Produktivität komplexer Produktionsanlagen: Systematische Erhöhung durch Unterscheidung von lokalen und effektiven Stillständen. Zeitschrift für wirtschaftlichen Fabrikbetrieb 96 (2001) 4, S. 160–163, doi.org/10.3139/104.100400 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  5. [5] Volk, W.: Auf dem Weg zur intelligenten Fabrik. Zeitschrift für wirtschaftlichen Fabrikbetrieb 118 (2023) 5, S. 281–281, doi.org/10.1515/zwf-2023–2007 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  6. [6] Denkena, B.; Klemme, H.; Stiehl, T.: Überwachung von Werkzeugverschleiß: Maschinenübergreifende Nutzung von Prozessdaten mithilfe von Maschinellem Lernen. Zeitschrift für wirtschaftlichen Fabrikbetrie, 118 (2023) 5, S. 298–301, doi.org/10.1515/zwf-2023–1059 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  7. [7] Behrens, B.-A.; Brunotte, K.; Wester, H. et al.: Hardness Assessment Considering Nitrided Layers Based on Tempering Tests for Numerical Wear Prediction for Forging Processes. Materials 15 (2022) 20, ‘7105, doi.org/10.3390/ma15207105 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  8. [8] Beermann, R.; Quentin, L.; Kästner, M. et al.: Calibration routine for a telecentric stereo vision system considering affine mirror ambiguity. Optical Engineering 59 (2020) 5, 054104 doi.org/10.1117/1.OE.59.5.054104 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  9. [9] Beermann, R.; Bossemeyer, H.; Diekmann, R. et al.: Model-based calibration routine for a triangulation sensor for inner radius measurements of cylindrical components. Proceedings SPIE 11352 Optics and Photonics for Advanced Dimensional Metrology (2020), 113520S, doi.org/10.1117/12.2552729 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  10. [10] Middendorf, P.; Blümel, R.; Hinz, L. et al.: Pose Estimation and Damage Characterization of Turbine Blades during Inspection Cycles and component-protective Disassembly Processes. Sensors 22 (2022) 14, #5191, doi.org/10.3390/s22145191 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  11. [11] Hinz, L.; Metzner, S.; Müller, P. et al.: Fringe Projection Profilometry in Production Metrology: A Multi-Scale Comparison in Sheet-Bulk Metal Forming. Sensors 21 (2020) 7, #2389, doi.org/10.3390/s21072389 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35
  12. [12] Hinz, L.: In-situ 3D endoscopy based on fiber-optic fringe projection profilometry in production metrology. Dissertation, Gottfried Wilhelm Hannover Leibniz Universität, 2022, doi.org/https://doi.org/10.15488/12757 Google Scholar öffnen DOI: 10.37544/1436-4980-2023-10-35

Zitation

Download RIS Download BibTex

Downloads

Download Kapitel (PDF)

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Per E-Mail teilen

Medien