Development of an Application on a Digital Twin Platform to Optimize Cutting Tool Usage in CNC Machining

Abstract

Este trabalho documenta o estágio do autor na gemineers GmbH em Aachen, Alemanha, durante 2023, com foco em aprimorar a plataforma de avaliação de qualidade de usinagem da empresa por meio da integração de um sistema avançado de monitoramento de ferramentas, idealizado em resposta às exigências rigorosas de precisão e eficiência nas indústrias aeroespacial, automotiva e eletrônica. A infraestrutura desenvolvida do sistema permite que os usuários gerenciem eficientemente ferramentas de corte, apresentando um visualizador 3D para representação em tempo real das ferramentas, aprimorando a experiência do usuário e protegendo contra erros na estimativa de desgaste. As soluções integradas de monitoramento de vida útil visam otimizar o uso de ferramentas, com uma abordagem analisando o uso da ferramenta em cada ponto de superfície, estendendo efetivamente a vida útil em mais de 80%, e a outra buscando identificar o estágio de desgaste da ferramenta por meio de dados adquiridos e gerados. Essa abordagem orientada por dados estabelece correlações entre desgaste e dados de processo, oferecendo insights valiosos para uma estratégia proativa e precisa de substituição de ferramentas.

This document describes the author’s internship at the company gemineers GmbH in Aachen, Germany, during 2023, focusing on enhancing the company’s machining quality assessment platform through the integration of an advanced cutting tool monitoring system, developed in response to the high precision and efficiency requirements across aerospace, automotive, and electronics industries. The developed system’s infrastructure allows users to efficiently manage cutting tools, featuring a 3D viewer for real-time tool representation, enhancing user experience and safeguarding against errors in wear estimation. The integrated lifetime monitoring solutions aim to optimize tool usage, with one approach analyzing tool usage at each surface point, effectively extending tool lifespan by over 80%, and the other seeking to identify the tool’s wear stage through acquired and generated data. This data-driven approach establishes correlations between wear and process data, offering valuable insights for a proactive and precise tool replacement strategy.