Foto von Maximilian Busch

M.Sc. Maximilian Busch

Technische Universität München

Postadresse

Postal:
Boltzmannstr. 15
85748 Garching b. München

    Abteilung Werkzeugmaschinen

    Tel.: +49 (89) 289 - 15472
    E-Mail: maximilian.busch@iwb.tum.de

    Forschungsschwerpunkte

    Einsatz moderner, maschineller Lernverfahren zur Steigerung der Prognosefähigkeit und Prognosesicherheit für die Struktursimulation von Fräsrobotern

    Konventionelle Industrieroboter werden aufgrund ihres Arbeitsraumes und ihrer geringen Investitionskosten im Vergleich zu konventionellen Werkzeugmaschinen zunehmend für Fräsanwendungen großer Werkstücke eingesetzt. ihrer geringen Investitionskosten im Vergleich zu konventionellen Werkzeugmaschinen eingesetzt. Allerdings begrenzen statische Auslenkungen und dynamische Instabilitäten während des Fräsprozesses begrenzen jedoch die Effizienz und Produktivität solcher roboterbasierter Frässysteme. Da die poseabhängigen dynamischen Eigenschaften der Industrieroboterstrukturen analytisch schwer zu modellieren sind, gewinnen Methoden des maschinellen Lernens immer mehr an Popularität, um Systemmodelle aus experimentellen Daten abzuleiten.

    In aktuellen Forschungsarbeiten werden neuartige Algorithmen der Informationsfusion untersucht, um Simulationsdaten und experimentelle Daten gewinnbringend miteinander zu verbinden. Dieser Ansatz soll ein präzises Modell der positionsabhängigen Strukturdynamik des Roboters liefern. Zudem ermöglich dieser Ansatz die Reduktion an notwendigen Messdaten, die benötigt werden, um die Schwingungseigenschaften des Roboters für eine gewünschte Pose zu bestimmen.

     

    Sicherheit in der cloud-basierten Datenverarbeitung von Werkzeugmaschinendaten

    Im Zuge der so genannten vierten industriellen Revolution werden Produktionsanlagen und Produktionssysteme immer stärker vernetzt und in ihrer eigenen Intelligenz gesteigert. Hierdurch soll als Fernziel eine selbstorganisierte Produktion ermöglicht werden, sodass eine optimierte Wertschöpfungskette entsteht. Dies wird jedoch nur möglich, wenn die Produktionssysteme Daten austauschen und miteinander kommunizieren können. Neben einer internen Kommunikation (z. B. Intranet oder Fog) ist vor allem eine Kommunikation nach außen, beispielsweise mit einer Cloud, sinnvoll. Am Beispiel einer Werkzeugmaschine würde dies bedeuten, dass rechenintensive Berechnungen ausgelagert werden, da aktuelle Maschinensteuerungen diese Berechnungen nicht in Echtzeit ausführen können. Hat ein Entwickler von Werkzeugmaschinen bzw. Komponenten Zugriff auf gewisse Daten während des Einsatzes seines Produktes, kann er diese nutzen, um die Maschine in der nächsten Generation hinsichtlich der Hardware oder der aktuellen Software zu optimieren. Gleichzeitig ergibt sich auch ein Mehrwert für den Maschinennutzer, der beispielsweise, durch Cloud-basierte Prozessanalysen unterstützt, seine Produktivität steigern oder einen Komponentenausfall vorhersagen kann.

    Um diesen Regelkreis der Werkzeugmaschinenoptimierung zu schließen und umzusetzen, muss insbesondere das Vertrauen der Werkzeugmaschinenbetreiber in den Datenschutz und die IT-Sicherheit  gewährleistet sein. Um die Bereitschaft der Maschinenbetreiber zu erhöhen, die zur Verfügung stehenden Sensor- oder Systemdaten an den Maschinenhersteller weiterzugeben, muss sichergestellt werden, dass keine sensiblen Informationen das Unternehmen verlassen. Das Forschungsprojekt „Anonymization4Optimization“ adressiert dieses Spannungsfeld, indem die Daten noch im Unternehmen anonymisiert und anschließend verschlüsselt in die Cloud übertragen werden. Gleichzeitig müssen die anonymisierten Daten sinnvolle herstellerseitige Auswertungen erlauben.

    Im Vorfeld wird dafür definiert, welche Daten als unsensibel, sensibel und kritisch anzusehen sind. Insbesondere technologisches Know-How des Maschinenbetreibers gilt es zu schützen. Hierbei muss auch die mögliche Rekonstruktion kritischer Daten aus unkritischen Daten betrachtet werden. Ein sachgerechter Umgang mit anonymisierten Daten und die Integrität der Funktionen in Cloud und Werkzeugmaschine sollen durch Security-Techniken nachvollziehbar attestiert werden. Dadurch kann sichergestellt werden, dass der Maschinenentwickler nützliche Daten erhält, welche für eine Optimierung, beispielsweise hinsichtlich des dynamischen Verhaltens, genutzt werden können. Für den Anwender wird sichergestellt, dass seine sensiblen Daten geschützt sind.

    Veröffentlichungen

    2020

    • Busch, Maximilian; Schnoes, Florian; Semm, Thomas; Zaeh, Michael F.; Obst, Birgit; Hartmann, Dirk: Probabilistic information fusion to model the pose-dependent dynamics of milling robots. Production Engineering 14 (4), 2020, 435-444 mehr…
    • Schmucker B., Busch M., Kleinwort R., Zäh M.F.,: Edge and cloud-based process monitoring and control: System identification and control of machine tools under consideration of data protection [Systemidentifikation und regelung von werkzeugmaschinen unter berücksichtigung der datensicherheit edge- und cloudbasierte prozessüberwachung]. WT Werkstattstechnik, 2020 mehr…