On-site process monitoring and autonomous control of a CNC milling machine using CNN and Bayesian optimization

In this thesis, the feasibility of implementing a cheap and reliable monitoring system to check the quality of the machined surfaces was researched. The proposed system only needs a small camera mounted next to the tool. Di erent monitoring CNN architectures were trained and compared in order to choose the most suitable one. Additionally, an optimisation system using Bayesian optimisation was implemented to choose the best machining parameters at priori and use that knowledge to take actions when the machining results were not as expected, testing the model's performance as an online optimiser directly connected to the monitoring system. The created system, if further improved, will be capable of performing in an industrial machining environment and can easily be implemented, opening the possibility of introducing autonomous and automated systems even in the small to medium companies' reality.

In questa tesi è stata analizzata la fattibilità e possibilità di realizzare un sistema di controllo affidabile ed economico in grado di esaminare la qualità delle superfici fresate. Il sistema proposto è semplicemente formato da una telecamera USB montata vicino all'utensile e collegata a un computer. Differenti architetture di reti neurali convoluzionali sono state analizzate e testate al fine di sceglierne la migliore. In aggiunta, è stato realizzato un ottimizatore Baesiano in grado di scegliere la miglior combinazione di parametri di taglio prima d'iniziare la lavorazione e capace d'intervenire durante il processo di fresatura, in quanto direttamente collegato al sistema di monitoraggio, qualora la qualità della superficie non fosse sufficiente. Il sistema, realizzato, se ulteriormente migliorato, potrà essere implementato adottato in un contesto industriale offrendo la possibilità, anche per le piccole e medie imprese, di un allacciamento al paradigma dell'industria 4.0.