IGF-Nr.: | 01IF24926N |
EFB-Nr.: | 41/225 |
Kurztitel: | Thermostromsensor |
Laufzeit: | 01.04.2026 - 31.03.2028 |
Forschungseinrichtung: | utg München |
Projektbeschreibung
Versuchsaufbau zur Thermostrommessung
Forschungsziel ist die Entwicklung eines Sensorsystems zur werkzeuginternen Überwachung der entstehenden Schnittflächen sowie des Zustands der Aktivelemente beim Scherschneiden. Basis hierfür ist die Messung des zwischen Aktivelement und Blech fließenden thermoelektrischen Stroms. Dieser Thermostrom entsteht grundsätzlich bei jeder Bearbeitung von Metall und ist auf eine Temperaturerhöhung in der Kontaktzone beider metallischer Leiter, in diesem Fall Schneidaktivelement und Blech, zurückzuführen.
Durch eine Veränderung der entstehenden Temperatur in der Kontaktzone, beispielsweise aufgrund von verschlissenen Schneidkanten oder veränderter Oberflächeneigenschaften der Aktivelemente, verändert sich auch der fließende Thermostrom. Daher soll mittels Erarbeitung von Wirkzusammenhängen zwischen einer Veränderung der Thermoströme und dem Verschleißzustand des Stempels ein Tool entwickelt werden, welches auf den Zustand der Stempel im Betrieb rückschließen lässt und eine Überwachung der Schnittflächeneigenschaften erlaubt.
Schlussendlich entsteht ein Sensorsystem zur internen Überwachung des Aktivelementzustands, welches einfach und platzsparend auch in bereits bestehende Werkzeuge integriert werden kann. Für den Einsatz dieser Messmethode ist keine Kenntnis der materialspezifischen und die Höhe des Thermostroms beeinflussenden Seebeck-Koeffizienten der Kontaktpartner sowie spezielle Bearbeitung, wie bspw. einer Beschichtung der Aktivelemente nötig.
KMU können durch den Einsatz dieses Sensorsystems, welcher die Schnittflächenkenngrößen und den Verschleißzustand des Stempels abbilden kann, kostenintensive Qualitätskontrollen und Nacharbeiten minimieren sowie durch ein ermöglichtes rechtzeitiges Eingreifen Schäden verhindern. Gleichzeitig vereinfacht sich die Planung bevorstehender Werkzeugwartungen und ermöglicht so die Umsetzung von predictive maintenance.
