走心式車床卡屑影響製程品質?
監診實績|走心式車床卡屑影響製程品質?#轉子馬達
#機器學習
#數位轉型
#PHM
#加工製造
#預知保養
走心式車床則是以主軸夾取工件材料旋轉移動,搭配刀具進行加工過程(刀具固定),影響走心式車床製程品質的主要原因有哪些?該如何快速排除異常?
走心式車床製程原理
車床車铣製程依照運動方向分為『走心式- Sliding head』及『走刀式- Fixed head』,傳統的車床大多使用的是走刀式,透過主軸旋轉搭配刀具(刀具移動XYZ軸),對工件進行加工,重切削,主要用於大型組件、汽車鋼圈、汽車零組件。走心式車床則是以主軸夾取工件材料旋轉移動,搭配刀具進行加工過程(刀具固定),產品的精密度更高,輕切削,適合35mm及以下的加工,例如:鐘錶、小型曲軸內部驅動軸組件等,對於材料的直線有較高的要求。
監測說明
VMS-ML 機器學習智能監控系統
透過相似度趨勢檢查機台問題癥結
機台因為主軸移動不穩定性、刀具磨損、老化、損壞、無預警夾屑等,從動態訊號相似度降低可得知機台發生的微小變化。
量測狀況
量測項目說明
#機器學習動態訊號量測:
使用外接感測器的方式,無需與設備訊號對接。
#學習動作:
利用機器學習智能監控系統學習其加工行為,進而了解加工品質。
感測器安裝位置示意圖
主軸夾取加工物件狀況管理
走心式車床主軸情況
走心式車床主軸正常情況加工情況
即時加工訊號(Dynamic Action)機械學習加工圖形(Pattern)幾乎重疊在一起,精度約在2條以內。
走心式車床主軸夾取異常
動態訊號差異產生(相似度下降70%以下)導致加工部件不對心結果精度大於10條!
測量結論
無預警夾屑(卡屑)造成加工不對心。可由藉 VMS-ML機械學習監控系統 利用相似度改變控管加工狀況,避免長時間沒發現的損耗料件及影響稼動率,減低不良品的風險。機械學習動態分析管理可作為機台主軸移動品質、刀具更換、主軸夾取工件狀況的評估判別。
唯有把握及有效管理機台狀況,提前排除異常(落實預知保養),才能延長機台使用期,發揮機台最佳產能,減少不必要耗材浪費。
VMS-ML 機器學習智能監控系統