Punching is a wide-spread production process, applied when massive amounts of the ever-same cheap parts are needed. The punching process is sensitive to a multitude of parameters. Unfortunately, the precise dependencies are often unknown. A prerequisite for optimal, reproducible and transparent process alignment is the knowledge of how exactly parameters influence the quality of a punching part, which in turn requires a quantitative description of the quality of a part. We developed an optical inline monitoring system, which consists of a combined imaging and triangulation sensor as well as subsequent image processing. We show that it is possible to capture images of the cutting surface for every part within production. We automatically derive quality parameters using the example of the burnish height from 2D images. In addition, the 3D parameters are calculated and verified from the triangulation images. As an application, we show that the status of tool wear can be inferred by monitoring the burnish height, with immediate consequences for predictive maintenance. Although limited by slow images processing in our prototype, we conclude that connecting machine and process parameters with quality metrics in real time for every single part enables data-driven process modelling and ultimately the implementation of intelligent punching machines.
Zunächst wird die aktuelle Situation der Schnittflächenkenngrößenermittlung innerhalb des Stanzprozesses in der Industrie beleuchtet und den steigenden Qualitätsanforderungen sowie anwendungsindividualisierbaren Produkten/Prozessen gegenübergestellt.
Auf dieser Basis wird ein optisches Inline-System entwickelt. Dieses System ermöglicht die Aufzeichnung der Schnittflächenqualität in einer Prozessgeschwindigkeit von 250 Hub/min mittels Bildaufnahme. Zusätzlich werden über einen integrierten Triangulationssensor dreidimensionale Schnitte der Schnittkante aufgenommen. Eine entwickelte Bildverarbeitung ermittelt aus den Daten der Bildaufnahme automatisiert und reproduzierbar die Glattschnitthöhe. Die Ermittlung weiterer Schnittflächenkenngrößen ist denkbar, wobei dreidimensionale Daten aus dem Triangulationssensor entstehen. Zusätzlich wird die erreichte Genauigkeit der Systems validiert. Abschließend wird ein Ausblick gegeben, welcher im Besonderen dieses System als Grundlage für die Öffnung der Steuerung des Stanzprozesses mittels intelligenter Methoden sieht. Dies wird an einem Praxisbeispiel unterstrichten.