Intelligent sensors in modern machine tools

• Autorzy: Szulewski Piotr , Śniegulska-Grądzka Dominika , Nejman Mirosław

Identyfikatory

DOI

10.17814/mechanik.2019.11.91

Warianty tytułu

PL

Inteligentne czujniki we współczesnych obrabiarkach

• Języki publikacji: PL

Abstrakty

PL

Omówiono podstawowe zagadnienia dotyczące stosowania czujników w przemysłowych systemach pomiarowych ze szczególnym uwzględnieniem obrabiarek. Przedstawiono ich najważniejsze parametry techniczno-użytkowe oraz wskazano kryteria pomocne podczas doboru sensorów w praktyce. Zaprezentowano także najnowszą generację czujników inteligentnych, a przede wszystkim możliwości ich współpracy z systemami informatycznymi (internet rzeczy) i ideą przemysłu 4.0.

EN

The paper illuminates the basic information on the use of sensors in industrial measurement systems with particular reference to machine tools. The most important technical-utility parameters were presented and criteria helpful in the selection of sensors for practical applications were indicated. The latest generation of intelligent sensors was also presented, focusing on their possibilities of cooperation with information systems (Internet of Things) and the idea of Industry 4.0.

Słowa kluczowe

PL

przemysł 4.0; inteligentne czujniki; monitorowanie; nadzór; Internet rzeczy

EN

Industry 4.0; intelligent sensor; monitoring; supervision; IoT

• Wydawca: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
• Czasopismo: Mechanik
• Rocznik: 2019
• Tom: R. 92, nr 11
• Strony: 686--692
• Opis fizyczny: Bibliogr. 34 poz., rys., tabl.

Twórcy

autor

Szulewski Piotr

• Instytut Technik Wytwarzania, Politechnika Warszawska, Warszawa, Polska

autor

Śniegulska-Grądzka Dominika

• Instytut Technik Wytwarzania, Politechnika Warszawska, Warszawa, Polska

autor

Nejman Mirosław

• Instytut Technik Wytwarzania, Politechnika Warszawska, Warszawa, Polska

Bibliografia

• [1] Villalonga A. et al. “Condition-based Monitoring Architecture for CNC Machine Tools based on Global Knowledge”. IFAC-PapersOnLine. 51, 11 (2018): 200–204, https://doi.org/10.1016/j.ifacol.2018.08.259.
• [2] Tao W., Jiang Y. “Research on Intelligent Information Acquisition and Monitoring Method of NC Machine Tool Processing”. Proceedings of the 2019. 3rd International Forum on Environment, Materials and Energy (IFEME 2019), https://doi.org/ifeme-19.2019.96.
• [3] Luo B. et al. “Early Fault Detection of Machine Tools Based on Deep Learning and Dynamic Identification”. IEEE Transactions on Industrial Electronics. 66, 1 (January 2019): 509–518, https://doi.org/10.1109/TIE.2018.2807414.
• [4] Śniegulska-Grądzka D., Nejman M., Szulewski P. „Aktywne systemy monitorowania procesu skrawania dla Industry 4.0”. Mechanik. 3 (2018): 183–189, https://doi.org/10.17814/mechanik.2018.3.34.
• [5] Zheng P. et al. “Smart manufacturing systems for Industry 4.0: Conceptual framework, scenarios, and future perspectives”. Frontiers of Mechanical Engineering. 13, 2 (June 2018): 137–150, https://doi.org/10.1007/s11465-018-0499-5.
• [6] Szulewski P. „Oprogramowanie i systemy czujników fundamentem koncepcji przemysłu 4.0”. Mechanik. 5–6 (2019): 346–352, https://doi.org/10.17814/mechanik.2019.5-6.40.
• [7] Ambhorea N. et al. “Tool Condition Monitoring System: A Review”. MaterialsToday Proceedings. 2, 4–5 (2015): 3419–3428, https://doi.org/10.1016/j.matpr.2015.07.317.
• [8] Chung K.T., Geddam A. “A multi-sensor approach to the monitoring of end milling operations”. Elsevier Journal of Materials Processing Technology. 139, 1–3 (20 August 2003): 15–20, https://doi.org/10.1016/S0924-0136(03)00175-4.
• [9] Groover M.P. “Automation, Production Systems, and Computer-Integrated Manufacturing”. 3rd edition. NJ, USA: Prentice Hall Press Upper Saddle River, 2007, ISBN: 0132393212.
• [10] Soloman S., “Sensors Handbook”. NJ, USA: McGraw-Hill, Inc., 2009, ISBN:0071605703 9780071605700.
• [11] Fortuna L. et al., „Soft Sensors for Monitoring and Control of Industrial Processes”. Springer Science & Business Media. 271 (31 may 2007): 167–182.
• [12] Villalonga A. et al. “Industrial cyber-physical system for condition-based monitoring in manufacturing processes”. IEEE Industrial Cyber-Physical Systems (ICPS). 2018, https://doi.org/10.1109/ICPHYS.2018.8390780.
• [13] Civerchia F. et al. “Industrial Internet of Things monitoring solution for advanced predictive maintenance applications”. Journal of Industrial Information Integration. 7 (September 2017): 4–12, https://doi.org/10.1016/j.jii.2017.02.003.
• [14] Sandeep P., Kumar M. “The Process Model for Shop Floor Management Implementation”. International Journal of Engineering Science and Computing. (April 2017): 10775–10779, https://doi.org/10.7508/AIEM-V2-N1-40-46.
• [15] Szulewski P. „Efektywne łączenie systemów podstawą inteligentnej produkcji”. Mechanik. 1 (2018): 7–11, https://doi.org/10.17814/mechanik.2018.1.1.
• [16] Yamasaki H. “What are the intelligent sensors”. Handbook of Sensors and Actuators. Elsevier. 3 (1996), https://doi.org/10.1016/S1386-2766(96)80026-0, 1–17.
• [17] Brecher C. et al. “The need of dynamic and adaptive data models for cyber-physical production systems”. Cyber-Physical Systems: Foundations, Principles and Applications (H. Song, D. Rawat, S. Jeschke, C. Brecher ed.). Academic Press, 2017, 321–338.
• [18] Morris A.S., Langari R. “Measurement and Instrumentation (Second Ed.) Theory and Application”. Chapter 10, Academic Press, 2016, 289–314, https://doi.org/10.1016/B978-0-12-800884-3.00010-1.
• [19] Wan J. et al. “Software-defined Industrial Internet of Things in the context of Industry 4.0”. IEEE Sensors Journal. 16, 20 (October 15, 2016): 7373–7380, https://doi.org/10.1109/JSEN.2016.2565621.
• [20] Barnaghi P. et al. “Semantics for the Internet of Things: Early progress and back to the future”. International Journal on Semantic Web and Information Systems (IJSWIS). 8, 1 (2012): 1–21.
• [21] Vural Özdemir V., Hekim N. “Birth of Industry 5.0: Making Sense of Big Data with Artificial Intelligence. The Internet of Things and Next-Generation Technology Policy”. Online: 1 Jan 2018, https://doi.org/10.1089/omi.2017.0194.
• [22] Lu H. et al. “Brain Intelligence: Go beyond Artificial Intelligence”. Mobile Networks and Applications. 23, 2 (April 2018): 368–375.
• [23] Pankesh P. et al., “On using the Intelligent Edge for IoT analytics”. IEEE Intelligent Systems. 32, 5 (September/October 2017), 64–69, https://doi.org/10.1109/MIS.2017.3711653.
• [24] Daniel E.O. “Artificial Intelligence and Big Data”. IEEE Intelligent Systems. 28 (February 2013): 96–99, https://doi.org/10.1109/MIS.2013.39.
• [25] https://www.sandvik.coromant.com/pl-pl/products/silent_tools_turning/Pages/silent-tools-plus.aspx (dostęp: 29.01.2019).
• [26] https://www.sandvik.coromant.com/pl-pl/products/coromant_capto/Pages/coromant-capto-plus.aspx (dostęp: 24.01.2019).
• [27] https://www.pcb.com/spec_sheet.asp?m=8180-RE110A (dostęp: 29.01.2019).
• [28] https://www.kistler.com/en/applications/sensor-technology/cutting-forcemeasurement/rcd-rotating-dynamometers-to-measure-cutting-forces (dostęp: 29.01.2019).
• [29] https://www.pro-micron.de/wp-content/uploads/2018/10/V25_spike_Flyer_EN_final.pdf (dostęp: 23.01.2019)
• [30] https://easylaser.com/en-us/products/geometric-measurement/e940-machine-tool (dostęp: 22.01.2019).
• [31] https://www.schaeffler.pl/content.schaeffler.pl/pl/Produkty-i-Rozwiazania/Przemysl/portfolio_produktow/mechatronika/lozyska_fag_variosense/ index.jsp (dostęp: 27.01.2019).
• [32] https://www.ifm.com/pl/pl/shared/technologien/io-link/vorteile/przewaga-dzi%C4%99ki-io-link (dostęp: 22.01.2019).
• [33] https://www.ifm.com/pl/pl/product/PN016A (dostęp: 22.01.2019).
• [34] https://www.ifm.com/pl/pl/product/SM9000 (dostęp: 22.01.2019).

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).