Mobile-Menu

Schleifen

Rechnergestützte Versuchsplanung zur Schleifprozessoptimierung

Seite: 4/4

Anbieter zum Thema

Hartmetall-Werkzeugfabrik Paul Horn GmbH
Kinkele GmbH & Co. KG - Ihr Auftragsfertiger für den Maschinenbau
Schubert & Salzer Data GmbH
Westfälische Hochschule Campus Recklinghausen

Der Test auf Unabhängigkeit von allen Einflussgrößen prüft simultan, ob die Zielgröße unabhängig von sämtlichen Einflussgrößen ist, die im Regressionsansatz berücksichtigt worden sind. Wird die Nullhypothese nicht verworfen, so ist zu überlegen, ob die richtigen Einflussgrößen ausgewählt worden sind oder ob ein anderer Modellansatz sinnvoll ist.

Eine beliebige Variation der Schleifparameter ist möglich

Bild 3 zeigt die funktionellen Abhängigkeiten der untersuchten Parameter als 3D-Graphik für zwei vorwählbare Faktoren sowie als X-Y-Streubilder. Jedes Streubild zeigt die Zielgröße Zylinderformabweichung als Funktion eines Faktors. Innerhalb des Streubildes wird der momentan voreingestellte Wert markiert.

Durch Verschiebung von einem oder mehreren Einstellwerten kann die Wirkung der Einflussgrößen auf die Zielgröße rechnerisch und grafisch dargestellt werden. Somit bietet diese Kenntnis der funktionellen, empirischen Zusammenhänge der Ergebnisse in Abhängigkeit von der Eingangsgrößen die Möglichkeit, beliebige Variationen der Parameter zu simulieren, was natürlich nur in den betrachteten Grenzen Gültigkeit besitzt.

Prozessausgangsgrößen ohne erneute Versuche abschätzen

Dadurch ist dann eine Abschätzung der Prozessausgangsgrößen ohne erneute Versuche möglich. Beispielsweise wird für die Parameterkombination vS = 21 m/s und vW = 26 m/min und vrad = 0,18 mm/min und vax = 1200 mm/min eine Zylinderformabweichung von fzyl = 1,715 ± 0,291 µm ausgewiesen. Deutlich komplexer wird die Aufgabenstellung, wenn gleichzeitig mehrere Zielgrößen zu optimieren sind. Zur Lösung solcher Aufgaben wird beispielsweise die Arbeit mit „Wunschfunktionen“ empfohlen [6].

Zu berücksichtigen ist allerdings auch, dass das Modell keine Rücksicht auf technologische Zusammenhänge nimmt: So kann aufgrund des mathematischen Ansatzes für sehr kleine Werte eines einseitig nullbegrenzten Merkmales, wie der Rundheit oder der Zylinderform, durchaus auch ein Erwartungswertebereich mit Werten kleiner null prognostiziert werden.

Literatur:

  • [1] Gimpel, B.: Qualitätsgerechte Optimierung von Fertigungsprozessen. Düsseldorf: VDI-Verlag 1991.
  • [2] Petersen, H.: Grundlagen der statistischen Versuchsplanung. Landsberg: Ecomed-Verlag 1991.
  • [3] Klein, B.: Versuchsplanung – DoE. München: Oldenbourg-Verlag 2007.
  • [4] Rasch, D., L. R. Verdoorem und J. I. Gowers: Planung und Auswertung von Versuchen und Erhebungen. München: Oldenbourg-Verlag 2007.
  • [5] Kleppmann, W.: Taschenbuch Versuchsplanung. München: Carl-Hanser-Verlag 2008.
  • [6] N. N.: Statistische Versuchsplanung und -auswertung mit Destra. Weinheim: QDAS GmbH 2008.
  • [7] N. N.: Prüfprozesseignung. Berlin: Verband der Automobilindustrie e. V. 2010.
  • [8] Klocke, F. und W. König: Fertigungsverfahren Schleifen, Honen, Läppen. Berlin: Springer-Verlag 2005.
  • [9] Lindenau, K.: Wirtschaftliche Fertigung mit Schleifen. München: Carl-Hanser-Verlag 2006.
  • [10] Tönshoff, H. K. und B. Denkena: Spanen – Grundlagen. Berlin: Springer-Verlag 2004.

* Prof. Dr.-Ing. Peter Graß lehrt Fertigungstechnik im Fachbereich Maschinenbau der Fachhochschule Gelsenkirchen in 45877 Gelsenkirchen

(ID:24962070)

Weiterführende Inhalte