12.03.2025

Pooling knowledge for higher productivity

Customer Productivity as a Challenge for MAPAL and cooperation partners

#Company #CaseStudies #Technology
By harnessing all the data created during machining, companies make their processes around ten percent more productive. This was the result of a project where MAPAL together with industry partners pooled previously distributed knowledge and made it available as a digital value-added service. 

Productivity as a service as part of the funded large-scale research project X-Forge

Within the framework of the major research project X-Forge (Everything as a Service) funded by the state of Baden-Württemberg, tool manufacturer MAPAL was the consortium leader of the Productivity as a Service (ProdaaS) area. MAPAL was cooperating with the machine manufacturer F. Zimmermann and the measurement technology specialist Blum to be able to offer customers solutions from a single source. 

As an further project partner, Fraunhofer IPA had set out to facilitate the underlying business model between the partners and to assess the value added for the customers. An first pilot project came to an end in mid-2024 after a total of three years. Based on this, the digital service offering is to be continuously expanded over the coming years. 
 

Zwei Mitarbeiter unterhalten sich über die Beschaffenheit verschiedener Werkzeuge, während im Hintergrund weitere Beschäftigte Einstellungen an Maschinen vornehmen.
Das Projekt „Productivity as a Service“ untersucht die Möglichkeiten, getrennte Prozess- und Produktionsdaten zu verknüpfen, und entwickelt mithilfe selbstlernender Algorithmen einen Dienst, der Fertigern bei zukünftigen Herausforderungen hilft.   ©MAPAL
Die Mitglieder des Arbeitskonsortiums überwachen Prozesse bereits durch viele Sensoren, die entsprechende Daten liefern. Allerdings bieten existierende Systeme nur eine eingeschränkte Sichtweise auf das Gesamtsystem aus Maschine, Werkzeug und Werkstück. Dem Anwender stehen zwar auf der Maschine hochkomplexe Expertensysteme zur Verfügung, doch sind diese einzelnen Bausteine nicht miteinander integriert. Sie zusammenzubringen ist in der Praxis kaum möglich. Entsprechend schwierig ist es, aufgetretene Probleme im Nachgang zu analysieren oder laufende Prozesse zu optimieren. 

Strukturierte Wissensbasis für die Prozessplanung

Eine CAM-Prozessplanung mit Werkzeugselektion, Bahnplanung und Wahl von Prozessparametern ist ein wesentlicher Hebel zur Produktivitätssteigerung. Beim Einfahren eines Bauteils ist anschließend auf der Maschine aber meist weitere Justage erforderlich, um zu optimalen Ergebnissen zu kommen. Heute ist der Bereich der Planung stark abgekoppelt von der Zerspanung. An der Maschine gewonnene Erkenntnisse fließen nicht automatisch zurück an die Prozessplanung. Das unzureichende Feedback hemmt Lerneffekte und sorgt dafür, dass der Maschinenbediener beim nächsten geplanten Bohrprozess wieder von vorne anfängt. Der CAM-Prozessplanung fehlt schlichtweg eine strukturierte Wissensbasis aus der praktischen Anwendung. 

Zum “Productivity-as-a-Service”-Angebot für stabile und effiziente Zerspanungsprozesse steuern die Projektpartner unterschiedliche Informationen bei. Die Verschleißzustandsbewertung der Werkzeuge ist relevant, um zu verstehen, in welchem Zustand zum Beispiel eine Bohrung entstanden ist. Sie liefert auch Informationen über die aktuelle Standzeit des Werkzeuges und erlaubt Standzeitprogosen. Blum extrahiert die entsprechenden Daten in einen dedizierten Softwareservice und macht sie so nutzbar.  

This measurement data is compared with a MAPAL knowledge database in a process analysis to check if the parameters set on the machine follow the manufacturer's specifications. At the same time, the status assessment of the machines from F. Zimmermann is incorporated, which provides information about the condition of the spindle. Finally, a higher-level software module links the various sources together and makes information available in a structured manner. In an error state analysis, the user can find a cause at a press of a button.

Pilot project: Tool Performance Optimizer

The pilot project, which took place at Karl Walter Formenbau, involved a Tool Performance Optimizer. With it, the user is able to correct the settings of the process parameters for drilling in the event of deviations to reduce downtime due to breakage or unplanned tool changes. 

The database also makes it possible to build on structured, methodically collected and evaluated experience from the past during the planning phase for new, previously unknown applications with the help of similarity searches. The Tool Performance Optimizer is to be marketed via two sales channels. In addition to the traditional solution business offered from a single source, it will also be found on large platforms based on Gaia-X.

The goal of the next development step is to record any deviations in an assistance system and warn the user immediately during operation with a traffic light system. For the coming years, self-learning services for autonomous parameter optimization and intelligent CAM process planning is in the pipelines. Finally, end-to-end automation from the drawing to the finished component should be possible from 2029.
 

Portrait Ostertag-Mathias

Contact

Mathias Ostertag Public Relations mathias.ostertag@mapal.com Phone: +49 7361 585 3566

Further articles from the technology sector