Application of a computer tool monitoring system in CNC machining centres

• Autorzy: Kolny D. , Więcek D. , Ziobro P. , Krajčovič M.

Identyfikatory

DOI

10.23743/acs-2017-25

• Języki publikacji: EN

Abstrakty

EN

The article presents practical knowledge about production process optimisation as a result of implementing a specialized system monitoring the work of machining tools. It features complex results of the conducted research with use of dedicated equipment and software, whose unconventional application may appear to be an effective IT tool for taking operational and strategic decisions in the machining area. This results from the possibility of analysing the obtained data in both current and long-term perspective, and taking decisions on this basis, which significantly conditions the rationality of using this type of solutions.

Słowa kluczowe

EN

current process control; tool wear; monitoring system; process optimization

PL

kontrola procesu; zużycie narzędzia; system monitorujący; optymalizacja procesu

• Wydawca: Polskie Towarzystwo Promocji Wiedzy ; Lublin University of Technology
• Czasopismo: Applied Computer Science
• Rocznik: 2017
• Tom: Vol. 13, no 4
• Strony: 7--19
• Opis fizyczny: Bibliogr. 11 poz., fig.

Twórcy

autor

Kolny D.

• University of Bielsko-Biala, Faculty of Mechanical Engineering and Computer Science, 43-309 Bielsko-Biała, Willowa 2, [phone]

autor

Więcek D.

• University of Bielsko-Biala, Faculty of Mechanical Engineering and Computer Science, 43-309 Bielsko-Biała, Willowa 2, [phone]

autor

Ziobro P.

• ZPT Industry | Automation | Research & Development | Innovations

autor

Krajčovič M.

• University of Zilina, Industrial Engineering Department, 010 26 Žilina, Univerzitná 1, Slovak Republic, + 421 41 513 2718

Bibliografia

• 1. Addona, D.M.D., & Teti, R. (2013). Image data processing via neural networks for tool wear prediction. Procedia CIRP, 12, 252–257. doi: 10.1016/j.procir.2013.09.044
• 2. Barreiro, J., Fernández-Abia, A.I., González-Laguna, A., Pereira, O. (2017). TCM system in contour milling of very thick-very large steel plates based on vibration and AE signals. Journal of Materials Processing Technology, 246, 144–157. doi:10.1016/j.jmatprotec.2017.03.016
• 3. Jemielniak, K. (2002). Automatyczna diagnostyka stanu narzędzia i procesu skrawania. Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej.
• 4. Jurko, J. (2007). Monitoring and Diagnosis of Drill Wear and the Thermodynamic Phenomenas of Material Removal by drilling of Stainless Steels. In: Gdoutos E.E. (eds) Experimental Analysis of Nano and Engineering Materials and Structures. Springer, Dordrecht vol. 37, 77–78. doi: 10.1007/978-1-4020-6239-1_37
• 5. Kious, M., Ouahabi, A., Boudraa, M., Serra, R., Cheknane A. (2010). Detection process approach of tool wear in high speed milling, Measurement 43, 1439–1446. doi:10.1016/j.measurement.2010.08.014
• 6. Kuljanic, E., & Sortino, M. (2005). TWEM a method based on cutting forces monitoring tool wear in face milling, Mach. Tools Manuf. J. 45, 29–34. doi:10.1016/j.ijmachtools.2004.06.016
• 7. Kuryjański, R. (2011). Obróbka skrawaniem i obrabiarki. Warszawa: Expol.
• 8. Nouri, M., Fussell, B. K., Ziniti, B. L., Linder, E. (2015). Real-time tool wear monitoring in milling using a cutting condition independent method, International Journal of Machine Tools and Manufacture 89, 1–13. doi:10.1016/j.ijmachtools.2014.10.011
• 9. Storch, B. (2001). Podstawy obróbki skrawaniem. Koszalin: Wydaw. Politechniki Koszalińskiej.
• 10. Więcek, D. (2013). Implementation of Artificial Intelligence in Estimating Prime Costs of Producing Machine Elements. Advances in Manufacturing Science and Technology vol. 37, 43–53. doi: 10.2478/amst-2013-0004
• 11. Wittbrodt, P. (2014). Nadzorowanie i prognozowanie stanu narzędzi skrawających w procesie skrawania. Innowacje w Zarządzaniu i Inżynierii Produkcji, Zakopane: Oficyna Wydawnicza Polskiego Towarzystwa Zarządzania Produkcją. cz. 1, 833–834.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017)