Detection of damage of machine tools in robot systems with the use of a 3D scanner

• Autorzy: Burghardt A. , Obal P. , Gierlak P. , Szybicki D. , Kurc K.

Warianty tytułu

PL

Wykrywanie uszkodzeń narzędzi skrawających w systemach zrobotyzowanych z wykorzystaniem skanera 3D

• Języki publikacji: EN

Abstrakty

EN

The development of robotics allows the implementation of robotic solutions in an increasingly broad field of technology. However, there is a large group of technological processes that are difficult to be carried out by robots. This is related mainly to the repeatability of the trajectory performed by the robot. An example of such process is machining. This paper proposes a solution for diagnosing the condition of the tools applied in metal alloy robotic machining. Determination of the condition of a cutting tool requires specific methods that depend on the damage type or the wear level. Tool damage such as wear and chipping, were detected by 3D scanning and scanned image analysis. The proposed method was performed automatically and it does not require human intervention. This paper presents examples of solutions for determining the condition of a chamfering tool which is a common machining tool.

PL

Rozwój robotyki pozwala na implementacje rozwiązań zrobotyzowanych w coraz szerszym obszarze techniki. Jednak istnieje spora grupa procesów technologicznych, które są trudne do wykonywania przez roboty. Związane jest to z głównie z powtarzalnością trajektorii wykonywanej przez robota. Przykładem takiego procesu jest obróbka skrawaniem. Z racji niewystarczającej sztywności robotów w porównaniu do obrabiarek CNC, roboty mogą wykonywać obróbkę nie wymagającej dużej dokładności, jak szlifowanie czy gratowanie. Jednym z problemów zrobotyzowanej obróbki skrawaniem jest kompensacja zużycia narzędzi oraz wykrywanie ich uszkodzeń. Ocenę stopnia zużycia narzędzia można dokonać na podstawie pomiaru kształtu geometrycznego. W pracy zaproponowano metodę pomiaru stanu narzędzi frezarskich z wykorzystaniem skanera 3D.

Słowa kluczowe

EN

industrial robot; 3D scanner; detection of damage of machine tools

PL

roboty przemysłowe; skaner 3D; wykrywanie uszkodzeń narzędzi frezarskich

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej. Oddział Gliwice
• Czasopismo: Modelowanie Inżynierskie
• Rocznik: 2018
• Tom: T. 38, nr 69
• Strony: 5--10
• Opis fizyczny: Bibliogr. 19 poz.

Twórcy

autor

Burghardt A.

• Dept of Applied Mechanics and Robotics, The Faculty of Mechanical Engineering and Aeronautics, Rzeszow University of Technology

autor

Obal P.

• Dept of Applied Mechanics and Robotics, The Faculty of Mechanical Engineering and Aeronautics, Rzeszow University of Technology

autor

Gierlak P.

• Dept of Applied Mechanics and Robotics, The Faculty of Mechanical Engineering and Aeronautics, Rzeszow University of Technology

autor

Szybicki D.

• Dept of Applied Mechanics and Robotics, The Faculty of Mechanical Engineering and Aeronautics, Rzeszow University of Technology

autor

Kurc K.

• Dept of Applied Mechanics and Robotics, The Faculty of Mechanical Engineering and Aeronautics, Rzeszow University of Technology

Bibliografia

• 1. Burghardt A., Kurc K., Szybicki D., Muszyńska M., Nawrocki J.: Robot-operated quality control station based on the UTT method, Open Eng. 7(1) (2017), 37-42.
• 2. Burghardt A., Kurc K., Szybicki D., Muszyńska M., Nawrocki, J.: Software for the robot-operated inspection station for engine guide vanes taking into consideration the geometric variability of parts. Tehnicki Vjesnik-Technical Gazette, 24(Supplement 2) (2017), 349-353.
• 3. Burghardt A., Kurc K., Szybicki D., Muszyńska M., Szczęch T.: Monitoring the parameters of the robot-operated quality control process, Advances Sci. Technol. Res. J. 11(1) (2017), 232-236.
• 4. Burghardt A., Kurc K., Szybicki, D., Muszyńska M., Szczęch T.: Robot-operated inspection of aircraft engine turbine rotor guide vane segment geometry. Tehnicki Vjesnik-Technical Gazette, 24(Supplement 2) (2017), 345-348.
• 5. Burghardt A., Szybicki D., Kurc K., Muszyńska M., Mucha J.: Experimental Study of Inconel 718 Surface Treatment by Edge Robotic Deburring with Force Control. Strength of Materials, 49(4) (2017), 594-604.
• 6. Chen Y., Dong F.: Robot machining: recent development and future research issues, Int J Adv Manuf Technol (2013), 1-9.
• 7. Dumas C., Caro S., Cherif M., Garnier S., Furet B.: Joint stiffness identification of industrial serial robots, Robotica 30(4) (2012), 649-659.
• 8. Gierlak P., Burghardt A., Szybicki D., Szuster M., Muszyńska M.: On-line manipulator tool condition monitoring based on vibration analysis, Mech Syst Signal Process 89 (2017), 14-26.
• 9. Gierlak P.: The manipulator tool state classification based on inertia forces analysis, Mechanical Systems and Signal Processing 107 (2018) 122-136.
• 10. Guo Y., Dong H., Ke Y.: Stiffness-oriented posture optimization in robotic machining applications, Robot Comput Integr Manuf 35 (2015), 69-76.
• 11. Jardine A. K., Lin D., Banjevic D.: A review on machinery diagnostics and prognostics implementing condition-based maintenance, Mech Syst Signal Process 20(7) (2006), 1483-1510.
• 12. Jurkovic J., Korosec M., Kopac J.: New approach in tool wear measuring technique using CCD vision system, Int J Mach Tool Manuf 45(9) (2005), 1023-1030.
• 13. Khan A., Turowski K.: A Survey of Current Challenges in Manufacturing Industry and Preparation for Industry 4.0, In: Proceedings of the First International Scientific Conference “Intelligent Information Technologies for Industry”(IITI’16), Springer International Publishing, 2016, 15-26.
• 14. Klimchik A., Ambiehl A., S. Garnier S., Furet B., Pashkevich A.: Comparison Study of Industrial Robots for High-Speed Machining, In: Mechatronics and Robot Eng Advanced Intell Manuf, Springer International Publishing (2017), 135-149.
• 15. Mosterman P. J., Zander, J.: Industry 4.0 as a cyber-physical system study. Software & Systems Modeling, 15(1) (2016), 17-29.
• 16. Shahabi H.H., Ratnam M.M.: In-cycle monitoring of tool nose wear and surface roughness of turned parts using machine vision, Int J Adv Manuf Technol 40(11-12) (2009), 1148-1157.
• 17. Stephenson D. A., Agapiou J.S.: Metal cutting theory and practice, CRC press, 2016.
• 18. Sun J., Hong G.S., Wong Y.S., Rahman M., Wang Z.G.: Effective training data selection in tool condition monitoring system, Int J Mach Tool Manuf 46(2) 2006, 218-224.
• 19. Żabiński T., Mączka T., Kluska J., Kusy M., Gierlak P., Hanus R., Prucnal S., Sęp J.: CNC Milling Tool Head Imbalance Prediction Using Computational Intelligence Methods. In: International Conference on Artificial Intelligence and Soft Computing, Artif. Intell. Soft Comput, Springer, Cham (2015), 503-514.

Uwagi

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