Development of an innovative solution for in-process monitoring tool and surface quality in milling operations

Milling is one of the most used industrial processes for machining custom parts, starting from raw workpieces and removing material approaching the desired final product shape. Increasing automation paired with demands from high speed and high performance cutting, leads to the need for in-process monitoring methods which gives real-time reliable status indicators, permitting to rise productivity while avoiding waste or faulty conditions. This research describes actual monitoring techniques which make use of sensory machine tools. Starting with the formalization of the milling model, followed by the experimental identification of linked parameters. Kalman Filter was developed and tuned on the identified model to estimate cutting forces and tooltip vibrations based on measurements coming from a sensorized spindle. The limitations of the approach and its robustness were also investigated. Starting from there, innovative methods for online surface finish evaluation, tool load and wear conditions are developed. In order to achieve this goal, an algorithm for in-process engagement estimation is proposed as well. Simulations and experimental results enhance the performances and possible usefulness of these new methods.

La fresatura è uno dei processi industriali più diffusi per la produzione di parti su misura e consiste nella rimozione di materiale partendo da un pezzo grezzo, al fine di ottenere la forma del prodotto finito. L’aumento dell’automazione industriale, insieme alla crescente domanda di lavorazioni ad alte prestazioni, comporta la necessità di monitorare il processo di fresatura durante il suo svolgimento, per ottenere indicatori affidabili che permettono di incrementare la produttività evitando sprechi o guasti. Questo studio descrive le tecniche di monitoraggio attuali che utilizzano macchine sensorizzate. Si inizia con l’elaborazione del modello di fresatura, e si prosegue con l’identificazione sperimentale dei corrispondenti parametri. In seguito, è stato sviluppato e tarato un Kalman Filter, che stima le forze di taglio e le vibrazioni in punta utensile, basandosi sui segnali provenienti da un mandrino sensorizzato. Vengono poi valutate robustezza e limitazioni di questo approccio. Partendo da qui, sono stati sviluppati metodi (adatti all’implementazione in-process) per la valutazione della rugosità superficiale e stima delle condizioni di carico e usura utensile. Viene proposto anche un algoritmo per la stima dei parametri di ingaggio utensile-pezzo durante la lavorazione. Simulazioni e risultati sperimentali descrivono le potenzialità ed alcune criticità di questi nuovi metodi.