Mehrspindlige Drehmaschinen – effektiv, aber…

Immer häufiger werden bei der Fertigung von Drehteilen statt der herkömmlichen Anlagen die modernen, mehrspindligen Dreh-Bearbeitungszentren eingesetzt. Diese Maschinen überzeugen mit dem klaren Vorteil: Sie erhöhen die Produktivität und zwar ohne gleichzeitig die Investitions- und laufenden Betriebskosten zu steigern. Der Vorteil liegt auf der Hand – endlich ist es möglich, die Produktion zu steigern und den Gewinn zu maximieren. Doch es gibt ein nicht zu unterschätzendes Problem.

Prozessstabilität lässt zu wünschen übrig

Genau das ist bei den mehrspindligen Drehmaschinen immer wieder der Fall: die problematische Prozessstabilität. Die Ermittlung der Stabilitätskarte, in die alle kritischen Schnitttiefen eingetragen werden, ist dagegen recht schwierig. Diese Karte lässt sich entweder experimentell erstellen oder wird simuliert. Gerade bei der experimentellen Erstellung ergeben sich etliche Schwierigkeiten. Der Grund ist: Die Schnitttiefe hängt von mehreren Parametern, darunter nicht zuletzt vor der Drehzahl und Winkeleinstellung, ab. Diese Parameter sind aber extrem variabel, somit ist eine hohe Zahl an Versuchen notwendig, um die kritischen Schnitttiefen zu ermitteln und die Stabilitätskarte zu erstellen. Summa summarum gestaltet sich dieser Prozess daher als äußerst zeit- und auch materialintensiv.

Rheinisch-Westfälische Technische Hochschule hat die Lösung

Für die Optimierung der Abläufe wäre die radikale Reduktion der notwendigen Versuche recht hilfreich. Und diesem Ziel kommen die Wissenschaftler und Ingenieure von der Rheinisch-Westfälischen Technischen Hochschule (RWTH) in Aachen aktuell immer näher. Im Rahmen eines innovativen Projektes, das von der Deutschen Forschungsgemeinschaft (DFG) unterstützt wird, gelang es ihnen, optimale Parameter bei der doppelspindligen Bearbeitung schneller zu identifizieren. Ihre Entwicklung, eine neuartige Applikation, lässt die notwendigen Parameter schnellstmöglich ermitteln. Die erforderliche Anzahl an Versuchen wird dabei auf ein Minimum reduziert.