Endüstriyel talaşlı imalat tezgahlarında kesici aşınmalarının sinyal işleme yöntemleriyle gerçek zamanlı tespiti
Real-time detection of cutter wear on industrialmachining machines using signal processing methods
- Tez No: 945094
- Danışmanlar: DOÇ. DR. GÖKAY BAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 67
Özet
Endüstri 4.0, üretim süreçlerinde otomasyon ve dijitalleşmeyi temel alan bir devrim niteliğindedir. Bu bağlamda, Makine Öğrenimi (ML) ve Derin Öğrenme (DL) gibi yapay zeka yaklaşımları, büyük veri analitiği ve Nesnelerin İnterneti (IoT) ile entegre edilerek kestirimci bakım sistemleri oluşturulmaktadır. Bu sayede, üretim süreçlerinin izlenebilirliği, yönetimi ve verimliliği artarken, hatalar ve arızalar azalmakta, kaynaklar daha etkin bir şekilde kullanılabilmektedir. Bu bakışla, ekipmanların performansını izleme konusunda kritik bir rol oynayan“kestirimci bakım”, makinelerin ve cihazların bakımını sensör verilerinin analizi kaynaklı bilgi ve tahminlere dayalı olarak yapmayı mümkün kılar. Endüstride kullanılan her makine ve cihaz, iç ve dış sensörlere sahiptir. Çeşitli sensörler gerçek zamanlı ölçümler yapar ve üretim sürecinin dijital bir görüntüsünü – haritasını oluşturmayı mümkün kılar. Bu sensörler yapılan işin ve cihazın kontrolünü ve güvencesini sağlar. Sensörlerden elde edilen bilgiler saklanır ve daha sonra tahminler yapmak için işlenir. Çalışmamda, endüstriyel bir tesiste bulunan CNC tezgahtan titreşim sensörü ile gerçek zamanlı olarak alınan veriler değerlendirilerek, CNC tezgahlardaki kesici takım kırılmalarının önlenebilmesi için uygun sinyal işleme yöntemleri araştırılmıştır. CNC tezgahın işlediği parçanın bir periyodu gerçek zamanlı olarak alınarak, kesici takımların aşınma ve kırılma durumlarının incelenmesi için bir veri seti oluşturulmuştur. Oluşturulan veri seti ile MATLAB ortamında yapılan farklı analizler sonucunda, RMS (karekök ortalama) değerleriyle takımın mevcut durumu hakkında kesin tahminler yapılabilmiş ve belirli eşik değerleri tanımlanmıştır. Bu eşik değerlerinin aşılması durumunda sistem kullanıcıyı otomatik olarak uyarabilmekte ve takımın değiştirilmesi gerektiğini bildirebilmektedir. Böylece operatöre bağlı kontrol süreçleri azaltılarak, otomatik ve kesintisiz üretim ortamları oluşturulmuştur. Ayrıca titreşim sensörlerinden alınan veriler Fast Fourier Transform (FFT), Hilbert-Huang Transform (HHT), Continuous Wavelet Transform (CWT) ve S-Transform (ST) gibi analiz yöntemleriyle de değerlendirilmiştir. Bu sayede takımın aşınma süreci, kırılma öncesi davranışları ve sinyallerdeki karakteristik değişiklikler ayrıntılı olarak analiz edilmiştir. Analizler sonucunda 'Tüm Parçaların Toplam RMS Değerleri' yönteminin aşınma-kırılma tespitinde çok daha iyi sonuç verdiği görülmüştür. Bu yöntem ile ilk işlenen parça ile kırılma öncesi parça arasında %28 değer artışı gözlenlenmiştir. Ayrıca lineer artış ile 0,4g RMS değeri üzeri titreşimlerin uyarı noktası olarak kabul edilebileceği tespit edilmiştir. Bu veri alımı 90ms ve toplam analiz 0,3sn (300ms) gibi kısa bir sürede gerçekleştirilebilmiştir. Geliştirilen sistem, hem literatürdeki benzer yöntemlerle karşılaştırılmış hem de deneysel olarak test edilmiştir. Sistem, karanlık fabrika gibi insansız üretim ortamlarında kullanım potansiyeline sahiptir. Bu yönüyle sadece akademik bir katkı sunmakla kalmayıp, endüstriyel uygulamalarda da verimlilik ve güvenilirlik açısından yüksek değer sağlamaktadır. Sonuç olarak, bu verilerin yorumlanması ile kestirimci bakım kararları daha güvenilir hale gelmekte, sistemin gerçek zamanlı olarak uyarı verebilme yeteneği ise üretimde duruşların önüne geçmektedir. Böylece üretim kalitesi artırılırken, kesici takım ömrü de optimize edilmektedir. Kesici takım ani kırılmalarında çok hızlı, aşınma durumlarında kırılmadan tespit edilebildiği için, takım bileme veya yenisi ile değiştirme ile kayıp zaman en aza indirilmiş ve hatalı parça çıkması engellenmiştir. Bu sistem, insansız üretim anlayışına geçişte de önemli bir adım olarak değerlendirilebilir.
Özet (Çeviri)
Industry 4.0 is a revolution based on automation and digitalization in production processes. In this context, artificial intelligence approaches such as Machine Learning (ML) and Deep Learning (DL) are integrated with big data analytics and the Internet of Things (IoT) to create predictive maintenance systems. This increases the traceability, management, and efficiency of production processes, while reducing errors and failures and utilizing resources more effectively. With this perspective,“predictive maintenance”, which plays a critical role in monitoring the performance of equipment, makes it possible to maintain machines and devices based on information and predictions based on sensor data analysis. Every machine and device used in industry has internal and external sensors. Various sensors perform real-time measurements and make it possible to create a digital image - a map - of the production process. These sensors provide control and assurance of the work and the device. The information obtained from the sensors is stored and then processed to make predictions. In my study, by evaluating the data obtained in real time with a vibration sensor from a CNC machine in an industrial facility, appropriate signal processing methods were investigated to prevent cutting tool breakage in CNC machines. A data set was created to examine the wear and breakage of cutting tools by taking a period of the part processed by the CNC machine in real time. As a result of different analyses performed in the MATLAB environment with the generated dataset, precise predictions about the current state of the tool could be made with RMS (root mean square) values, and certain threshold values were defined. If these thresholds are exceeded, the system can automatically warn the user and inform that the tool needs to be replaced. Thus, operator-dependent control processes are reduced, and automatic and uninterrupted production environments are created. In addition, the data received from the vibration sensors were also evaluated with analysis methods such as Fast Fourier Transform (FFT), Hilbert-Huang Transform (HHT), Continuous Wavelet Transform (CWT), and S-Transform (ST). In this way, the wear process of the tool, pre-fracture behavior and characteristic changes in the signals were analyzed in detail. This automated warning system reduces dependency on operators, enabling continuous and uninterrupted manufacturing processes. Furthermore, the collected vibration data were analyzed using Fast Fourier Transform (FFT), Hilbert-Huang Transform (HHT), Continuous Wavelet Transform (CWT), and S-Transform (ST) methods. These analyses provided in-depth insights into tool wear progression, pre-failure behavior, and characteristic changes in vibration signals. As a result of the analysis, it was seen that the 'Total RMS Values of All Parts' method gives much better results in wear-fracture detection. With this method, a 28% increase in value was observed between the first machined part and the pre-fracture part. In addition, it was determined that vibrations above 0.4g RMS value with linear increase can be accepted as a warning point. This data acquisition could be performed in 90ms and total analysis in as little as 0.3sec (300ms). The developed system was both compared with similar methods in the literature and tested experimentally. The system has the potential to be used in unmanned production environments such as dark factories. In this respect, it is not only an academic contribution, but also provides high value in terms of efficiency and reliability in industrial applications. As a result, predictive maintenance decisions become more reliable with the interpretation of this data, and the system's ability to provide warnings in real time prevents production downtime. Thus, while production quality is increased, cutting tool life is also optimized. Since the cutting tool can be detected very quickly in case of sudden breakage and before breakage in case of wear, lost time with tool sharpening or replacement is minimized and defective parts are prevented. This system can be considered as an important step in the transition to unmanned production.
Benzer Tezler
- Talaşlı imalat tezgahlarında algılama ve takip sistemlerinin araştırılması ve geliştirilmesi
Investigation and development of sensing and monitoring systems for metal cutting processes
İSMET GÜCÜYENER
Doktora
Türkçe
2002
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiDOÇ. DR. ELDAR MUSAYEV
PROF. DR. ERDAL EMEL
- Analytical modeling of cutting process mechanics and dynamics for simulation of industrial machining operations
Endüstriyel metal işleme operasyonlarının modellenmesi için kesme mekaniği ve dinamiğinin analitik olarak hesaplanması
EMRE ÖZLÜ
Doktora
İngilizce
2008
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Bölümü
DOÇ. DR. ERHAN BUDAK
- Talaşlı imalatta görüntü işleme metodu ile takım sehimi tespiti ve hata analizi
Tool deflection detection and error analysis with image processing method in machining
BURAK ÖZDEMİR
Doktora
Türkçe
2021
Makine Mühendisliğiİnönü ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERKAN BAHÇE
- Selection of cutting strategy and parameters in multi-axis machining operations for improved productivity
Çok eksenli metal kesme operasyonlarında yüksek verimlilik için kesme stratejisi ve parametrelerinin seçimi
LÜTFİ TANER TUNÇ
Doktora
İngilizce
2010
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN BUDAK
- Pnömatik tahrikli dinamik talaş kırıcı tasarımı ve işleme parametrelerine etkilerinin araştırılması
Design of the dynamic chip breaker with pneumatic driven and investigation of the effects on machining parameters
BAHATTİN YILMAZ
Yüksek Lisans
Türkçe
2016
Makine MühendisliğiGazi Üniversitesiİmalat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULKADİR GÜLLÜ
YRD. DOÇ. DR. ŞENER KARABULUT