Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Integration of machining system capability information into a CAx software environment for complex tool trajectory prediction
KTH, Skolan för industriell teknik och management (ITM), Industriell produktion. (Manufacturing and Metrology Systems)ORCID-id: 0000-0003-0045-2085
(Fraunhofer IPT, Aachen)
KTH, Skolan för industriell teknik och management (ITM), Industriell produktion. (Manufacturing and Metrology Systems)ORCID-id: 0000-0001-9185-4607
(Fraunhofer IPT, Aachen)
Visa övriga samt affilieringar
2018 (Engelska)Ingår i: Procedia CIRP, ISSN 2212-8271, E-ISSN 2212-8271Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Integration of machine tool specific capability information related to a manufactured part’s accuracy can significantly support the decision-making in production, help to understand root-cases of quality loss and optimize cutting processes. In this paper, a systematic methodology is proposed to bridge the gap between machine tool specific capability and finished part’s accuracy. For this purpose, a measurement-based model is implemented in a CAx software environment for the prediction of geometrical deviations in complex milling processes. Results are presented in a case study to demonstrate errors on the workpiece level due to the quasi-static capabilities of a given machine tool.

Ort, förlag, år, upplaga, sidor
2018.
Nyckelord [en]
Machine tool; Quasi-static capability; CAx software environment; Tool trajectory prediction
Nationell ämneskategori
Teknik och teknologier
Forskningsämne
SRA - Produktion
Identifikatorer
URN: urn:nbn:se:kth:diva-230612DOI: 10.1016/j.procir.2018.03.015Scopus ID: 2-s2.0-85049590812OAI: oai:DiVA.org:kth-230612DiVA, id: diva2:1217667
Konferens
51st CIRP Conference on Manufacturing Systems (CIRP CMS 2018)
Projekt
CHARMS - Characterisation of Machining Systems at PMH Application Lab
Forskningsfinansiär
XPRES - Initiative for excellence in production research
Anmärkning

QC 20180625

Tillgänglig från: 2018-06-13 Skapad: 2018-06-13 Senast uppdaterad: 2020-05-19Bibliografiskt granskad
Ingår i avhandling
1. Modelling and Management of Uncertainty in Production Systems: from Measurement to Decision
Öppna denna publikation i ny flik eller fönster >>Modelling and Management of Uncertainty in Production Systems: from Measurement to Decision
2018 (Engelska)Licentiatavhandling, sammanläggning (Övrigt vetenskapligt)
Abstract [en]

The advanced handling of uncertainties arising from a wide range of sources is fundamental in quality control and dependability to reach advantageous decisions in different organizational levels of industry. Es-pecially in the competitive edge of production, uncertainty shall not be solely object of estimation but the result of a systematic management process. In this process, the composition and utilization of proper in-formation acquisition systems, capability models and propagation tools play an inevitable role. This thesis presents solutions from production system to operational level, following principles of the introduced con-cept of uncertainty-based thinking in production. The overall aim is to support transparency, predictability and reliability of production sys-tems, by taking advantage of expressed technical uncertainties. On a higher system level, the management of uncertainty in the quality con-trol of industrial processes is discussed. The target is the selection of the optimal level of uncertainty in production processes integrated with measuring systems. On an operational level, a model-based solution is introduced using homogeneous transformation matrices in combination with Monte Carlo method to represent uncertainty related to machin-ing system capability. Measurement information on machining systems can significantly support decision-making to draw conclusions on man-ufactured parts accuracy, by developing understanding of root-causes of quality loss and providing optimization aspects for process planning and maintenance.

Ort, förlag, år, upplaga, sidor
Stockholm: KTH Royal Institute of Technology, 2018. s. 60
Serie
TRITA-ITM-AVL ; 2018:37
Nyckelord
Precision engineering, Uncertainty modelling, Machin-ing system capability
Nationell ämneskategori
Produktionsteknik, arbetsvetenskap och ergonomi
Forskningsämne
Industriell produktion
Identifikatorer
urn:nbn:se:kth:diva-235825 (URN)978-91-7729-846-5 (ISBN)
Presentation
2018-11-09, M311, Kungliga Tekniska högskolan, Brinellvagen 68, Stockholm, 10:00 (Engelska)
Opponent
Handledare
Forskningsfinansiär
XPRES - Initiative for excellence in production research
Anmärkning

QC 20181015

Tillgänglig från: 2018-10-15 Skapad: 2018-10-06 Senast uppdaterad: 2018-10-16Bibliografiskt granskad
2. Uncertainty Management for Automated Diagnostics of Production Machinery
Öppna denna publikation i ny flik eller fönster >>Uncertainty Management for Automated Diagnostics of Production Machinery
2020 (Engelska)Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
Abstract [en]

Neither production machinery, nor production systems will ever become completely describable or predictable. This results in the continuous need for monitoring and diagnostics of such systems in order to manage related uncertainties. In advanced production systems uncertainty has to be the subject to a systematic management process to maintain machine health and improve performance. Automation of diagnostics can fundamentally improve this management process by providing an affordable and scalable information source. In this thesis, the important aspects of uncertainty management in production systems are established and serve as a basis for the composition of an uncertainty-based machine diagnostics framework. The proposed framework requires flexible, fast, integrated and automated diagnostics methods. An inertial measurement-based test method is presented in order to satisfy these requirements and enable automated measurements for diagnostics of production machinery. The gained insights and knowledge about production machine health and capability improve transparency, predictability and dependability of production machinery and production systems. These improvements lead to increased overall equipment effectiveness and higher level of sustainability in operation.

Abstract [sv]

Varken produktionsmaskiner eller produktionssystem kommer någonsin att bli fullständigt beskrivbara eller förutsägbara. Detta resulterar i ett kontinuerligt behov av övervakning och diagnostik av anordningar och system för att kunna hantera relaterade osäkerheter. I avancerade produktionssystem måste osäkerhet vara föremål för en systematisk hanteringsprocess för att upprätthålla maskinshälsa och förbättra prestanda. Automatisering av diagnostik kan fundamentalt förbättra denna hanteringsprocess genom att tillhandahålla en prisvärd och skalbar informationsk

älla.

I den här avhandlingen fastställs de viktiga aspekterna av osäkerhetshantering i produktionssystem och detta utgör grunden för konstruktionen av ett osäkerhetsbaserat ramverk för maskindiagnostik. Det föreslagna ramverket kräver flexibla, snabba, integrerade och automatiserade diagnostiska metoder. En tröghetsmätningsbaserad testmetod presenteras för att uppfylla dessa krav och möjliggöra automatiserade mätningar för diagnostik av produktionsmaskiner. De erhållna insikterna och kunskaperna relaterade till produktionsmaskinens hälsa och kapacitet förbättrar transparens, förutsägbarhet och pålitlighet för produktionsmaskiner och produktionssystem. Dessa förbättringar leder till ökad övergripande utrustningseektivitet och högre resurseektivitet.

 

Nyckelord: Osäkerhetshantering, Automatiserad Diagnostik,

Tröghetsmätningsenhet

Ort, förlag, år, upplaga, sidor
Stockholm: KTH Royal Institute of Technology, 2020. s. 132
Serie
TRITA-ITM-AVL ; 2020:29
Nyckelord
Uncertainty Management, Automated Diagnostics, Inertial Measurement Unit
Nationell ämneskategori
Produktionsteknik, arbetsvetenskap och ergonomi
Forskningsämne
SRA - Produktion
Identifikatorer
urn:nbn:se:kth:diva-273580 (URN)978-91-7873-558-7 (ISBN)
Disputation
2020-06-12, Publikt via ZOOM, 14:00 (Engelska)
Opponent
Handledare
Forskningsfinansiär
XPRES - Initiative for excellence in production research
Tillgänglig från: 2020-05-19 Skapad: 2020-05-19 Senast uppdaterad: 2020-05-19Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopusConference webpage

Sök vidare i DiVA

Av författaren/redaktören
Szipka, KarolyArchenti, Andreas
Av organisationen
Industriell produktion
I samma tidskrift
Procedia CIRP
Teknik och teknologier

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 121 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf