Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Betrieb einer Maschine mit einem Werkzeug.

Die automatische Werkzeugbruchüberwachung (engl, „tool break- down monitoring", TBM) ist eine wichtige Technologie der un bemannten Werkstätten und automatischen Produktionslinien für die CNC-Bearbeitung. Ein Werkzeugbruch kann zu einer Beschä digung des Werkzeugs beziehungsweise der Maschine und/oder des bearbeiteten Werkstücks und zu Ausfallzeiten der Maschine führen.

Aktuelle Lösungen berücksichtigen häufig Sensor-Daten von ei ner Werkzeugmaschine, wie Kraft- und Vibrationssensoren, und überwachen den Betrieb der Maschine schwellenwertbasiert, das heißt es erfolgt eine Überwachung von Minimum- und Maximum- Werten in den Signalen, wie eine Spindelleistung.

Dabei sind diese Lösungen häufig komplex und können Fehlalar me verursachen, da fest codierter Alarmgrenzen bestimmtes Be triebsverhalten nicht berücksichtigt werden. Ferner wird das Ausgeben Alarme nicht immer ausgelöst, auch wenn eine kriti sche Situation erreicht wird.

Durch eine falsche oder keine Alarmierung kann es zu einem unerwünschten Stillstand von Maschinen, aber auch zu Schäden an Maschine, Werkzeug oder Werkstück kommen.

In der Veröffentlichung US 2020/0104224 Al wird aufgrund auf gezeichneter Daten eine Anomalie detektiert, indem mithilfe maschinellen Lernens eine erkannte Anomalie trainiert wird und bei der Erkennung weiterer Anomalien, welche erhöhte Rauschanteile in den zugrunde liegenden Sensordaten aufwei sen, jeweils zum Vergleich herangezogen wird, um so die Er kennungsrate von Anomalien bei der Produktion von Werkstücken zu verbessern und die Werkstücke dementsprechend zu identifi zieren.

Es wird jedoch nicht darauf eingegangen, dass sich im Laufe der Zeit vergrößernde Anomalien, oder auch durch Verschleiß oder Fertigungsparameter der Maschine hervorgerufene Anoma lien reduziert oder vermieden werden sollen.

Beispielsweise sollen die eingesetzten Werkzeuge vor einer Beschädigung oder einem übermäßigen Verschleiß geschützt wer den, falls eine zu hohe Vorschubgeschwindigkeit einer CNC- Fräse vorliegt. Durch einen entsprechenden Eingriff in die Produktion beziehungsweise den Herstellungsprozess soll die Verfügbarkeit des Werkzeugs beziehungsweise der Maschine ver bessert werden. Somit kann ein Herstellungsprozess an einen zunehmend alternden beziehunsgweis verschleißenden Werkzeug zustand entsprechend angepasst werden.

Es ist Aufgabe der Erfindung ein Verfahren und eine Vorrich tung zur automatischen Überwachung einer Maschine mit einem Werkzeug bereitzustellen, wodurch ein Betrieb mit verbesser ter Verfügbarkeit möglich ist.

Mit anderen Worten soll ein vorausschauender und vorgebender Betrieb einer Maschine mit einem Werkzeug ermöglicht werden.

Unter einem vorbeugenden Betrieb wird die Fähigkeit verstan den, mit welcher ein Werkzeugbruch erkannt wird und der aktu elle Vorgang, wie beispielsweise Bohren oder Fräsen, angehal ten wird, um Schäden am Werkstück zu vermeiden.

Dabei kann ein Stillstand der Maschinen auftreten, aber die Bearbeitung des Werkstücks kann mit einem neuen Werkzeug fortgesetzt werden.

Bei einem vorausschauenden Betrieb wird versucht, einen Werk zeugbruch rechtzeitig vorherzusagen, um Schäden am Werkstück und am Werkzeug zu vermeiden. Ein Stillstand der Maschinen kann auftreten, aber die Werk stückbearbeitung kann mit demselben oder einem neuen Werkzeug fortgesetzt werden.

Bei einem vorgebenden Betrieb soll ein Werkzeugbruch recht zeitig vorhergesagt werden und Gegenmaßnahmen ergriffen wer den, um Werkzeugbruch und einen Stillstand der Maschinen zu vermeiden .

Die erfindungsgemäße Aufgabe wird durch ein Verfahren ein gangs genannter Art gelöst, wobei folgende Schritte ausge führt werden: a) Erfassen zumindest eines Betriebs-Datenpunktes bezüglich der Maschine und/oder des Werkzeugs, b) Berechnen zumindest eines Schätz-Werts aus dem zumindest einen Betriebs-Datenpunkt auf Basis eines ML-Modells, c) Bestimmen einer Anomalie in Form eines zeitdiskreten Anomalie-Werts auf Basis des zumindest einen Schätz-Werts durch einen Vergleich mit einem vorbestimmten Vergleichswert für die zumindest eine Schätzung und Erkennung einer Überein stimmung des Schätz-Vergleichs, d) Speichern des zeitdiskreten Anomalie-Werts in einem Speicher und aggregieren des zeitlichen Verlaufs des Anoma lie-Werts zu einem geglätteten Anomalie-Wert, e) Vergleichen des geglätteten Anomalie-Werts mit zumindest einem vorbestimmten Vergleichswert für die Anomalie und Er kennung einer Übereinstimmung des Anomalie-Vergleichs, f) Ausgeben einer Steueroperation auf Basis des geglätteten Anomalie-Werts an die Maschine, wobei vorzugsweise die Steu eroperation auf den Betrieb der Maschine und/oder des Werk zeugs einwirkt, der durch den zumindest einen Betriebs- Datenpunkt erfasst wird. In der Statistik ist eine Anomalie (auch „Ausreißer") eine Beobachtung oder ein Ereignis, das so stark von anderen Er eignissen abweicht, dass der Verdacht geweckt wird, dass es durch einen anderen Mittelwert erzeugt wurde.

Anomalien in einem großen Datensatz können sehr komplizierten Mustern folgen, die in den meisten Fällen nur schwer zu er kennen sind.

Durch die Erfindung wird erreicht, dass ein vorausschauender und vorgebender Betrieb einer Maschine mit einem Werkzeug bei einer hohen Verfügbarkeit erfolgen kann.

Im Unterschied zum Stand der Technik kann nicht nur eine un erwünschte Anomalie zuverlässig erkannt werden, sondern auch rechtzeitig eine entsprechende Gegenmaßnahme eingeleitet wer den und dadurch die Verfügbarkeit des Werkzeugs beziehungs weise der Maschine verbessert werden, sodass eine Anomalie in einer entsprechend angepassten Fortführung des Herstellungs prozesses nicht mehr weiterhin entsteht.

Beispielsweise kann der Herstellungsprozess nach einer Anoma lie-Erkennung entsprechend modifiziert wird oder eine alter native Bearbeitung des Werkstücks initiiert wird, wie durch den Einsatz eines anderen Werkzeugs, die Änderung eines Pro zessparameters wie die Drehzahl oder die Vortriebsgeschwin digkeit einer CNC-Fräsmaschine, oder auch die Erhöhung des Kühlmittelflusses .

Mit anderen Worten kann eine erkannte Anomalie dazu verwendet werden, um beispielsweise Hinweise auf den Verschleißgrad ei ner Maschine oder eines Werkzeugs zu liefern.

Es ist also nicht die Anomalie auf einem Werkstück an sich von Interesse zur Verbesserung des Stands der Technik, son dern die Maschine oder das Werkzeug, welches das Werkstück herstellt. Die Anomalie wird als entsprechendes Maß dafür verwendet . Dies wird dadurch erreicht, dass im Schritt c) die Anomalie auf Basis des Schätz-Werts ermittelt wird. Mit anderen Worten wird der Schätzwert selbst als Maß herangezogen, eine Anoma lie zu erkennen, ohne die aktuellen Datenpunkte direkt zu be urteilen. Dadurch ist es beispielsweise möglich den Ver schleiß einer Maschine oder eines Werkzeugs rechtzeitig zu erkennen.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass zumindest zwei Betriebs-Datenpunkte erfasst und weiterverar beitet werden.

Dadurch kann der Betrieb der Maschine genauer überwacht wer den, sowie Parameter-Kombinationen erfasst werden.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass zumindest zwei Schätz-Werte berechnet und weiterverarbeitet werden.

Dadurch können Anomalien auf eine redundante Weise erkannt werden.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass der zumindest eine Betriebs-Datenpunkt eine Dreh- oder Ver- schiebe-Geschwindigkeit, ein Drehmoment, eine Stromaufnahme oder eine Temperatur ist.

Dadurch kann der Betrieb der Maschine genau und auf eine be sonders einfache Weise überwacht werden.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass der zumindest eine Schätz-Wert mittels eines LSTM-Netzwerks berechnet wird.

Dadurch können Anomalien auf einfache Weise erkannt werden.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass der zeitdiskrete Anomalie-Wert mittels eines „isolation fo- rest"-Algorithmus bestimmt wird. Dadurch können Anomalien auf einfache und besonders effizien te Weise erkannt werden.

Ein Isolationswald (engl, „isolation forest") ist ein unbe aufsichtigter (engl, „unsupervised") Lernalgorithmus zur Er kennung von Anomalien, der auf dem Prinzip der Isolierung von Anomalien anstelle der gängigsten Techniken zur Profilierung normaler Punkte basiert.

Die gebräuchlichsten Techniken zur Erkennung von Anomalien basieren auf der Erstellung eines Profils für das, was „nor mal" ist: Anomalien werden als solche Instanzen im Datensatz gemeldet, die nicht dem normalen Profil entsprechen.

Isolation Forest verwendet einen anderen Ansatz: Anstatt zu versuchen, ein Modell für normale Instanzen zu erstellen, werden anomale Punkte im Dataset explizit isoliert. Der Hauptvorteil dieses Ansatzes besteht in der Möglichkeit, Ab- tasttechniken in einem Ausmaß zu nutzen, das für die profil basierten Methoden nicht zulässig ist, wodurch ein sehr schneller Algorithmus mit geringem Speicherbedarf erstellt wird.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass der geglätteten Anomalie-Wert durch Bilden eines zeitlichen Mittelwerts erfolgt.

Dadurch können Anomalien genau und auf einfache Weise erkannt werden.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass der Vergleichswert im Schritt e) durch ein Verfahren ermit telt wird, welches auf dem maschinellen Lernen beruht, wie ein Entscheidungs-Baum, ein Bayes-Netzwerk, ein neuronales Netzwerk, eine Multi-Class-Support-Vector-Maschine oder eine k-Nearest-Neighbor-Klassif ikation. In einer Weiterbildung der Erfindung ist es vorgesehen, dass zumindest eine Betriebs-Kennzahl beim Vergleich im Schritt f) berücksichtigt werden.

Die erfindungsgemäße Aufgabe wird auch durch eine Vorrichtung eingangs genannter Art gelöst, umfassend ein Sensor-Modul mit zumindest einem Sensor-Mittel zur Aus führung des Schritts a), ein Schätz-Modul zur Ausführung des Schritts b), ein Anomalie-Detektions-Modul zur Ausführung des Schritts c), ein Speicher-Modul zum Speichern im Schritt d), ein Entscheidungsmodul zur Ausführung des Schritts e), und ein Ausgangs-Modul zur Ausführung des Schritts f), wobei die Vorrichtung dazu eingerichtet ist, das erfindungs gemäße Verfahren auszuführen.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass ferner ein Hilfsdaten-Modul umfasst ist, welches bei der Aus führung des Schritts e) angewandt wird.

Es ist klar, dass die genannten Module zur Kommunikation un tereinander verbunden sind, entweder direkt oder indirekt.

In einer Weiterbildung der Erfindung ist es vorgesehen, dass das Schätz-Modul, das Anomalie-Detektions-Modul, das Spei cher-Modul und das Entscheidungsmodul auf einer, von der Vor richtung ferner umfassten und verbundenen Edge gelegen sind.

Dadurch wird erreicht, dass der Betrieb mit einer besonders hohen Verfügbarkeit überwacht werden kann, da ein lokaler Be trieb möglich ist.

Die so weitergebildete Vorrichtung kann somit ein verteiltes System sein, welches Komponenten wie Sensor-Mittel aufweist, die beispielsweise an der Maschine angeordnet sind, sowie weitere Module (wie ein Hilfsdaten-Modul), die von einer Edge-Rechenvorrichtung umfasst sind und dort ausgeführt wer den. Die einzelnen Komponenten und Module sind miteinander verbunden und kommunizieren miteinander.

Durch ein derart verteiltes System können die genannten Modu le gemeinsam für den Betrieb mehrerer Maschinen verwendet werden, was das System einfacher, kostengünstiger und zuver lässiger macht.

Außerdem müssen keine Betriebsdaten in einer Cloud gespei chert werden, wodurch die Datensicherheit und die Privatsphä re verbessert werden.

Die Erfindung wird nachfolgend anhand eines in den beige schlossenen Zeichnungen dargestellten Ausführungsbeispiels näher erläutert. In den Zeichnungen zeigt:

Fig. 1 eine symbolische Darstellung einer Ausführungs beispiels für das erfindungsgemäße Verfahren,

Fig. 2 ein Beispiel für ein Flussdiagramm des Ent scheidungs-Moduls nach der Fig. 1,

Fig. 3 eine symbolische Darstellung eines Regelkrei ses,

Fig. 4-5 Beispiele für zeitliche Darstellungen von Stromverläufen einer Maschine,

Fig. 6-7 Beispiele für Darstellungen von Stromaufnahmen in Abhängigkeit einer Bohr-Tiefe,

Fig. 8 ein Beispiel für eine Verschub-Geschwindigkeit in Abhängigkeit der Bohr-Tiefe.

Fig . 1 zeigt ein Ausführungsbeispiel der Erfindung in Form einer erfindungsgemäßen Vorrichtung, welche dazu eingerichtet ist, das erfindungsgemäße Verfahren auszuführen.

Das Verfahren weist folgende Schritte auf: a) Erfassen zumindest eines Betriebs-Datenpunktes S1-S4 be züglich der Maschine und/oder des Werkzeugs, b) Berechnen zumindest eines Schätz-Werts F1-F4 aus dem zu mindest einen Betriebs-Datenpunkt S1-S4 auf Basis eines ML-Modells, c) Bestimmen einer Anomalie in Form eines zeitdiskreten Ano malie-Werts AS auf Basis des zumindest einen Schätz werts F1-F4 durch einen Vergleich mit einem vorbestimmten Vergleichswert für die zumindest eine Schätzung und Er kennung einer Übereinstimmung des Schätz-Vergleichs, d) Speichern des zeitdiskreten Anomalie-Werts AS in einem Speicher und aggregieren des zeitlichen Verlaufs des Ano malie-Werts AS zu einem geglätteten Anomalie-Wert SS, e) Vergleichen des geglätteten Anomalie-Werts SS mit zumin dest einem vorbestimmten Vergleichswert für die Anomalie und Erkennung einer Übereinstimmung des Anomalie- Vergleichs, f) Ausgeben einer Steueroperation 01-04 auf Basis des ge glätteten Anomalie-Werts SS an die Maschine, wobei vor zugsweise die Steueroperation auf den Betrieb der Maschi ne und/oder des Werkzeugs einwirkt, der durch den zumin dest einen Betriebs-Datenpunkt S1-S4 erfasst wird.

Es kann daher optional eine Regelschleife geschaffen werden, um einen fortlaufenden Betrieb zu überwachen und um die Aus gabequalität der Werkstücke trotz einem zeitlich veränderli chem Maschinen- bzw. Werkzeugzustand sicherzustellen, indem Herstellungsparameter der Maschinen bzw. Werkzeuge überwacht und dementsprechend angepasst werden.

Es ist klar, dass durch die beschriebene Weise auch Material toleranzen des Werkstück-Rohlings, wie Legierungsverhältnisse entsprechend überwacht und in einen dementsprechend angepass ten Herstellungsprozess einbezogen werden können. Es ist besonders günstig, wenn zumindest zwei Betriebs- Datenpunkte S1-S4 erfasst und weiterverarbeitet werden, da die Erkennungswahrscheinlichkeit einer Anomalie-Erkennung dadurch steigt. So können beispielsweise mehrere Datenpunkte zu einer gemeinsamen Datenquelle aggregiert werden, welche einen neuen Datenpunkt bilden können.

Da die Steueroperation optional auf den Betrieb der Maschine und/oder des Werkzeugs einwirkt, der durch den zumindest ei nen Betriebs-Datenpunkt erfasst wird, kann eine zukünftige Anomalie verringert oder vermieden werden, beispielsweise durch rechtzeitigen Austausch eines betroffenen, verschlisse nen Werkzeugs. Weitere Ausführungen dazu sind in der Be schreibung der Fig. 2 angeführt.

In weiterer Folge ist es daher auch günstig, wenn zumindest zwei Schätz-Werte F1-F4 berechnet und weiterverarbeitet wer den.

Ein Betriebs-Datenpunkt S1-S4 kann beispielsweise eine Dreh oder Verschiebe-Geschwindigkeit, ein Drehmoment, eine Strom aufnahme oder eine Temperatur sein.

Dadurch ist eine kombinatorische Auswertung mehrerer Herstel lungsparameter möglich, beispielsweise synergistische Auswir kung der Temperatur des Werkstücks sowie der Temperatur des Werkzeugs zu einem Herstellungs-Zeitpunkt.

Die Schätz-Werte F1-F4 können beispielsweise mittels eines LSTM-Netzwerks berechnet werden.

Der zeitdiskrete Anomalie-Wert AS kann beispielsweise mittels eines „isolation forest"-Algorithmus berechnet werden.

Der geglätteten Anomalie-Wert SS kann beispielsweise durch Bilden eines zeitlichen Mittelwerts bestimmt werden.

Der Vergleichswert im Schritt e) kann beispielsweise durch ein Verfahren ermittelt werden, welches auf dem maschinellen Lernen beruht, wie ein Entscheidungs-Baum, ein Bayes- Netzwerk, ein neuronales Netzwerk, eine Multi-Class-Support- Vector-Maschine (SVM) oder eine k-Nearest-Neighbor- Klassifikation (kNN).

Ferner kann zumindest eine Betriebs-Kennzahl Kl, K2 beim Ver gleich im Schritt f) berücksichtigt werden.

Die Vorrichtung zum Betrieb einer Maschine mit einem Werkzeug umfasst

• ein Sensor-Modul SM mit zumindest einem Sensor- Mittel SM1-SM4 zur Ausführung des Schritts a),

• ein Schätz-Modul FCM zur Ausführung des Schritts b),

• ein Anomalie-Detektions-Modul ADM zur Ausführung des Schritts c),

• ein Speicher-Modul MEM Speichern im Schritt d),

• ein Entscheidungsmodul DM zur Ausführung des Schritts e), und ein Ausgangs-Modul OM1-OM4 zur Ausführung des Schritts f),

• ein Hilfsdaten-Modul AUXM, welches bei der Ausführung des Schritts zur Berücksichtigung der Betriebs- Kennzahlen Kl, K2 angewandt wird.

Die Maschine ist zur besseren Übersicht nicht in der Figur dargestellt. Es ist klar, dass die Sensor-Mittel mit der Ma schine entsprechend verbunden sind, um Sensordaten der Ma schine zu erfassen.

Die Ausgabe-Module OM1-OM4 stellen den Betriebszustand der Maschine dar, liefern Informationen über nötige Wartungs oder Reparaturarbeiten und können auch durch ein gemeinsames Ausgabe-Modul OM gebildet sein.

Fig . 2 zeigt ein Beispiel für ein Flussdiagramm des Entschei dungsmoduls DM aus der vorhergehenden Figur. Das Speicher-Modul stellt dem Entscheidungsmodul DM den ge glätteten Anomalie-Wert SS bereit.

Es erfolgt eine Prüfung, ob der geglättete Anomalie-Wert SS innerhalb eines Wertebereichs liegt, also größer als der Randwert 0.8 ist, welcher einem ersten vorbestimmten Ver gleichswert für die Anomalie entspricht.

Somit erfolgt eine Erkennung einer Übereinstimmung des Anoma lie-Vergleichs .

Trifft dies nicht zu, liegt keine Anomalie vor und die Ma schine kann weiter betrieben werden.

Wird der Randwert jedoch überschritten, so wird in weiterer Folge versucht, die Ursache der Anomalie genauer zu eruieren.

Dies erfolgt durch einen Abgleich mit Betriebskenngrößen.

Es wird geprüft, ob eine Schneide-Kraft CF (engl, "cutting force") unter einem vorgegebenen Schwellwert TH _CF liegt.

Falls ja, wird weiter geprüft, ob die maximal vorgesehenen Betriebsstunden OPH (engl. „Operation hours") für die Maschi ne erreicht wurden, indem ein Vergleich mit einem vorgegebe nen Schwellwert TH _OPH durchgeführt wird. Unter Berücksichti gung der Betriebs-Kennzahl Kl, welche eine Rest- Betriebszeit RUL (engl. „Remaining Useful Lifetime") umfasst und vom Hilfsdaten-Modul AUXM bereitgestellt wird, erfolgt eine weitere Prüfung, ob die Betriebsstunden OPH noch inner halb der Rest-Betriebszeit RUL liegt.

Die Kennzahl Kl, K2 kann auch ein anderer, sog. „key perfor- mance indicator" KPI der Maschine sein.

Falls dies zutrifft, kann über das Ausgabe-Modul OMI eine Ausgabe 01 „Prüfe Werkzeug-Aufnahme" erfolgen.

Anderenfalls kann über das Ausgabe-Modul OM2 eine Ausgabe 02 „Ersetze Werkzeug" erfolgen. Falls die Prüfung der Schneide-Kraft CF über einem vorgegebe nen Schwellwert TH _C F liegt, so wird weiter geprüft, ob eine Schneide-Geschwindigkeit CS unter einem vorgegebenen Schwell wert THcs liegt.

Falls dies zutrifft, kann über das Ausgabe-Modul OM3 eine Ausgabe 03 „Prüfe Schmierung" erfolgen.

Anderenfalls kann über das Ausgabe-Modul OM4 eine Ausgabe 04 „Prüfe CNC Programm/Modell" erfolgen.

Die Schneide-Kraft CF, die Schneide-Geschwindigkeit CS und die maximal vorgesehenen Betriebsstunden OPH kann beispiels weise über das Speicher-Modul MEM bereitgestellt werden, oder auch direkt von einem entsprechenden Sensor-Mittel SM1-SM4, welches jeweils mit der Maschine verbunden ist, bezogen wer den.

Fig . 3 zeigt ein Beispiel für einen Regelkreis der Maschine mit einer erfindungsgemäßen Vorrichtung, nämlich für das Aus geben einer Steueroperation 01-04 auf Basis des geglätteten Anomalie-Werts SS an die Maschine, wobei optional die Steuer operation auf den Betrieb der Maschine und/oder des Werkzeugs einwirkt, der durch den zumindest einen Betriebs- Datenpunkt S1-S4 erfasst wird.

Ein Kontrollsystem C0N erfasst durch ein Sensor-Modul SM re levante Größen zur Erfassung verschiedener Betriebseigen schaften .

Das Kontrollsystem C0N liefert diese Daten an eine Edge- Plattform EPF, in welcher die Auswertung der Betriebs- Datenpunkte S1-S4 mittels einem oder mehreren Anwendungspro grammen APP erfolgt.

Mit anderen Worten sind in diesem Beispiel das Schätz-Modul FCM, das Anomalie-Detektions-Modul ADM, das Speicher-Modul MEM und das Entscheidungsmodul DM optional auf der Edge- Plattform EPF gelegen. Die Anwendungsprogramme APP umfassen Algorithmen, welche auf maschinellem Lernen beruhen, und steuern über das Ausgangsmo dul OM die Maschine mittels entsprechender Aktuatoren oder Anzeigen an.

Dadurch wird eine Anordnung mit einem Regelkreis geschaffen, mit welchem der Betrieb der Maschine mit dem Werkzeug auf op timale Weise erfolgen kann.

Die gezeigten Komponenten zeigen ein Beispiel für ein ver teiltes, vernetztes System, welches auf der Edge EPF und nahe der Maschine angeordnet ist. Je nach Anforderungen können auch andere Verteilungen der Komponenten vorteilhaft sein.

Fig . 4 bis Fig . 8 zeigen Beispiele für Betriebsnenngrößen, welche die Betriebs-Datenpunkte S1-S4 bilden können.

Fig . 4 zeigt einen zeitlichen Verlauf einer Stromaufnahme der Maschine, in diesem Beispiel der Aufnahmestrom der Spindel einer CNC-Maschine.

In der Kurve Ml ist der gemessene Strom aufgetragen.

In der Kurve PI ist der prognostizierte, geglättete Anomalie-

Wert (engl, „smootheded score") zu erkennen, welcher ein Bei spiel für den geglättete Anomalie-Wert SS gemäß den vorherge henden Figuren bilden kann.

Fig . 5 zeigt einen zeitlichen Verlauf einer weiteren Strom aufnahme der Maschine.

In der Kurve M2 ist der gemessene Strom aufgetragen.

In der Kurve P2 ist der geglättete Anomalie-Wert (engl,

„smootheded score") zu erkennen, welcher wiederum ein Bei spiel für den geglättete Anomalie-Wert SS gemäß den vorherge henden Figuren bilden kann.

Fig . 6 und Fig . 7 zeigen zeitliche Verläufe einer Stromauf nahme I der Maschine in Abhängigkeit der Bohr-Tiefe DD (engl, „drilling depth"). Es sind jeweils Anomalie-Dichten AD1-AD3 eingezeichnet, wel che als Kriterium zur Detektion einer Anomalie herangezogen werden können.

Die Anomalie-Dichten AD1-AD3 können aus prognostizierten Schatz-Werten oder Anomalie-Werten, aber auch aus geglätteten Anomalie-Verläufen abgeleitet werden.

Fig . 8 zeigt einen Verlauf der Verschub-Geschwindigkeit in Abhängigkeit der Bohr-Tiefe.

Es sind wiederum Anomalie-Dichten AD1-AD3 eingezeichnet.

Bezugszeichenliste :

AD1-AD3 Anomalie-Dichte

ADM Anomalie-Detektions-Modul

APP Anwendungsprogramm mit künstlicher Intelli genz auf Rechenvorrichtung

AS zeitdiskreter Anomalie-Wert, "anomaly score"

AUXM Hilfsdaten-Modul, „auxiliary data module"

CF Schneide-Kraft, "cutting force"

CON Kontrollsystem, „control System"

CS Schneide-Geschwindigkeit, „cutting speed"

DD Bohrtiefe, „drilling depth"

DM Entscheidungsmodul, „desicion module"

EPF Rechenvorrichtung, "edge platform"

F1-F4 geschätzter Wert

FCM Schätz-Modul, "forecasting module"

Kl, K2 Kennzahl, „key performance indicator", KPI Ml, M2 gemessenen Wert MEM Speicher-Modul 01-04 Ausgangswert

OM, OMI-OM4 Ausgangs-Modul OPH Wert für Betriebsstunden, "Operation hours" PI, P2 prognostizierter Wert RUL Wert für "sinnvolle Restzeit", "remaining useful life"

S1-S4 EingangsSignale

SM Sensor-Modul

SM1-SM4 Sensor-Mittel

SS geglätteter Anomalie-Wert, „smootheded score"

THCF, THCS, THOPH Schwellwert v Geschwindigkeit