Skärtorsdag X: WEAR-FRAME forskningsprojekt om verktygsförslitning

Tillverkning idag kräver hållbara bearbetningsprocesser, robusta prediktiva modeller och simuleringsverktyg som effektivt kan hantera “batch-till-batch”-variationer i material inom produktionslinjer. Även när material uppfyller standardiserade specifikationer kan deras egenskaper ändå variera, vilket skapar stora utmaningar. Dessa variationer försvårar optimering av bearbetningsförhållanden och exakt planering av verktygsbyten, vilket i sin tur kan påverka produktionseffektiviteten negativt.

Genom att förbättra förutsägbarheten för verktygsbyten kan den produktiva bearbetningstiden öka, vilket leder till bättre total utrustningseffektivitet (OEE) – en nyckelparameter inom lean och hållbar tillverkning. Ett av de viktigaste resultaten från det Vinnova-finansierade projektet “WEAR-FRAME” – lett av forskare vid Chalmers tekniska högskola – är utvecklingen av en plattform som modellerar verktygsslitage under bearbetning och slipning. Denna plattform är utformad för att ta hänsyn till variationer i materialegenskaper som uppstår under stålframställning och efterföljande operationer som smide och värmebehandling.

Projektet kombinerar multiskalig material- och processimulering med avancerade maskininlärningsalgoritmer för att skapa ett flexibelt och tillförlitligt mjukvarupaket som för närvarande är under utveckling. Detta verktyg kommer att hjälpa tillverkare att bättre planera sina processer och minska påverkan av materialvariationer på produktionen, särskilt de störningar som orsakas av oförutsägbart materialbeteende. Dessutom har sensorer utvecklats för att i realtid övervaka dessa variationer, vilket ytterligare stödjer optimerade bearbetningsprocesser.

Webinariet hålls till stor del på engelska av
Amir Malakizadi, Oav. Docent, PhD – Chalmers tekniska högskola och
Jimmy Emanuelsson, Produktionstekniker – Gnosjö Automatsvarvning