Ottimizzazione dell'usura utensile nei processi di asportazione di truciolo in cembre S.p.a. con il Deep Learning

In conventional machining processes based on the chip removal mechanism, progressive tool wear causes a change in the geometric characteristics of the cutting edge. Tool wear is a complex phenomenon and the relative tool life depends on several factors, such as cutting parameters, lubrication and relative tool-workpiece trajectories. The progression of tool wear affects the quality of the machined parts, making it necessary to replace the tool even before it breaks. Furthermore, in industrial practice, tool replacement cannot depend on the subjectivity of the operator, therefore the definition of an optimized strategy for monitoring cutting tool wear before tool failure is mandatory. The doctoral work contributed to examining, studying and creating a tool wear monitoring system through artificial intelligence methods. All academic and industrial research works based on the monitoring of tool wear over the last 13 years, i.e. from 2010 to 2023 in the field of milling, turning and drilling, were studied. The analysis of the work made it possible to identify the best solutions for the experiment conducted in Cembre S.p.A. The experiment's monitoring system compared Random Forest and Neural Network models to predict tool wear in drilling. To develop predictive models, through-hole tool life tests were performed on AISI 9840 steel parts, with a coated tungsten carbide drill, 8.03 mm in diameter, and using constant cutting parameters. Tool flank wear was monitored. The statistical characteristics calculated from the vibration signals, acoustic emission signals, power signals and torque signals are the input of the algorithms. Classification accuracy was 88% and 91% for the Neural Network and Random Forest models, respectively. In order to correctly define the tool replacement policy in Cembre S.p.A. during production, the Random Forest model was implemented, obtaining promising results

Nei processi di lavorazione convenzionali basati sul meccanismo di asportazione del truciolo, l'usura progressiva dell'utensile determina un cambiamento delle caratteristiche geometriche del tagliente. L'usura degli utensili è un fenomeno complesso e la relativa vita utensile dipende da diversi fattori, come i parametri di taglio, la lubrificazione e le traiettorie relative utensile-pezzo. La progressione dell'usura dell'utensile influisce sulla qualità delle parti lavorate, rendendo necessaria la sostituzione dell'utensile anche prima della sua rottura. Inoltre, nella pratica industriale, la sostituzione dell'utensile non può dipendere dalla soggettività dell'operatore, pertanto è obbligatoria la definizione di una strategia ottimizzata per il monitoraggio dell'usura dell'utensile da taglio prima del guasto dell'utensile. Il lavoro di dottorato ha contribuito ad esaminare, studiare e realizzare un sistema di monitoraggio dell’usura utensile attraverso i metodi di intelligenza artificiale. È stata studiata la bibliografia completa, sia a livello accademico sia a livello industriale, relativa ai processi di fresatura, tornitura e foratura degli ultimi 13 anni, dal 2010 al 2023. L’analisi dei lavori ha permesso di individuare le migliori soluzioni per l’esperimento condotto in Cembre S.p.A. Il sistema di monitoraggio dell’esperimento ha confrontato i modelli Random Forest e Neural Network per prevedere l'usura degli utensili nella foratura. Per lo sviluppo di modelli predittivi, sono stati eseguiti test di durata utensile attraverso fori su parti in acciaio AISI 9840, con una punta in carburo di tungsteno rivestita, di 8,03 mm di diametro, utilizzando parametri di taglio costanti e monitorando l'usura del fianco dell'utensile. Le caratteristiche statistiche calcolate dai segnali di vibrazione, dai segnali di emissione acustica, dai segnali di potenza e dai segnali di coppia hanno costituito l'input degli algoritmi. La precisione di classificazione è stata dell'88% e del 91% rispettivamente per i modelli Neural Network e Random Forest. Al fine di definire correttamente la politica di sostituzione degli utensili in Cembre S.p.A. durante la produzione, è stato implementato il modello di Random Forest, ottenendo risultati promettenti.