POLITESI Politecnico di Milano Servizi Bibliotecari di Ateneo Servizi Bibliotecari di Ateneo
 
   ALL THESES       POST GRADUATE THESES       DOCTORAL THESES   
My POLITesi
authorized users
italiano
Please use this identifier to cite or link to this thesis: http://hdl.handle.net/10589/87609

Author: MARZORATI, ELENA
MAGGIONI, MATTEO FRANCESCO
Supervisor: COLOSIMO, BIANCA MARIA
Scientific Disciplinary Sector: ING-IND/16 TECNOLOGIE E SISTEMI DI LAVORAZIONE
Date: 18-Dec-2013
Academic year: 2012/2013
Title: In process quality monitoring via sensor data fusion : chatter control in grinding
Italian abstract: Questo lavoro riassume i risultati di un progetto di ricerca che ha coinvolto un leader mondiale nella produzione di sistemi di rettifica per cilindri impiegati in laminazione a caldo e a freddo. Lo scopo del progetto consisteva nel realizzare un software innovativo per controllare che, durante il processo di rettifica, non si sviluppino vibrazioni (chatter ) che causano una scarsa qualità superficiale del cilindro rettificato. Abbiamo contribuito in questo progetto proponendo un approccio di monitoraggio in-process da implementare nel software di controllo della macchina per identificare il chatter. L’approccio tradizionale del monitoraggio della qualità consiste, tipicamente, nell’ispezione del prodotto finale. Tuttavia, in questo modo l’identificazione di una variazione nel processo avviene a valle del campionamento delle parti prodotte, che si traduce in un ritardo nella correzione dei problemi di processo. Recentemente lo studio dell’SPC applicato ai processi, ovvero basato sull’analisi di segnali acquisiti durante il processo produttivo, ha ottenuto notevole attenzione. L’analisi dei segnali durante il processo, a differenza delle misure a valle, offre la possibilità di identificare più velocemente variazioni nelle condizioni nominali di lavoro. Questo cambio di approccio comporta una rapida e tempestiva risposta a situazioni di fuori controllo ma chiede un salto di qualità nelle tecniche tradizionalmente usate in ambito SPC. Implementare approcci SPC su segnali richiede tecniche multivariate che consentano di sintetizzare il contenuto informativo presente nei segnali per individuare rapidamente condizioni di funzionamento degradato. L’idea del lavoro è quindi partire da diversi segnali (provenienti da accelerometri) e identificare la firma tecnologica, cioè il comportamento sistematico che caratterizza il processo in condizioni di funzionamento nominale. Questa firma tecnologica nel lavoro è identificata attraverso l’uso di tecniche di analisi statistica multivariate basate sull’analisi delle componenti principali. Nota la firma tecnologica, il sistema identifica con allarmi i cambiamenti della firma che comportano il peggioramento della qualità in uscita. Particolare enfasi è data nel lavoro all’identificazione di un approccio robusto a cambiamenti del processo (dovuti ad esempio a variazioni nei parametri di controllo) che non inducono cambiamenti nella qualità del prodotto. Infatti, molte tecniche che non considerano l’analisi di robustezza come aspetto rilevante di un sistema di controllo qualità, segnalano allarmi al variare delle condizioni di processo anche quando questa variazione non si traduce in un peggioramento della qualità. Il rischio di questi approcci è un eccessivo tasso di falsi allarmi che porta alla disattivazione del sistema di monitoraggio. La tesi si basa su dati reali e su un confronto di prestazioni con metodi alternativi esistenti per dimostrare l’efficacia del metodo proposto.
English abstract: This work summarizes the results of a research project involving a world-leader producer of grinding systems for rolls to be used in hot and cold rolling. The main aim of the research project was to develop an innovative software aimed at controlling the grinding process to avoid vibrations (namely chatter) occurrences, which result is a bad quality of the surface of the ground rolls. In this project we proposed an in-process quality monitoring approach for chatter identification to be used in the machine control software. The traditional quality monitoring approach consists in the inspection of the final product. However, in this way the identification of any problem or deviation, that may occur during the process, takes place downstream of the sampling of the produced parts, resulting in a consequent delay in response to process errors. In recent years, the study of in-process SPC, i.e. based on the analysis of sensor signals and data acquired during the process, has received considerable attention. The analysis of in-process signals rather than post-process measures gives the ability to quickly recognize deviations from normal working conditions. However, this paradigm shift requires the use of more sophisticated techniques rather the ones used in traditional SPC. In this framework the SPC signals-based requires the adoption of multivariate techniques to summarize information content of the signals to quickly detect a variation in the working conditions (i.e., a degradation in the quality of the output). The idea of the work is to make use of different accelerometric signals to identify the technological ‘signature’, which represents the process behavior under normal working conditions. The approach to identify this technological signature relies on the use of multivariate statistical analysis, based on the principal component analysis technique (PCA). Having defined the process signature, the control system reports alarms when a change in the signature occurs, leading to a degradation of the output quality. Great efforts have been done in finding an approach that is robust to the variation of the process parameters (determined for example by the control parameters) which don’t affect the quality of the final product. Actually, many techniques that ignore the robustness analysis as a key characteristics of a quality control system, generate false alarms when process parameters are varied, even if this variation doesn’t affect the output quality. The high rate of false alarms, typical of these approaches, is the main cause of the monitoring system’s deactivation. The thesis work is based on real industrial data on which a comparison with different approaches has been conducted to prove the effectiveness of the proposed approach.
Italian keywords: monitoraggio in linea; controllo statistico di processo; fusione di dati; processo di rettifica; analisi delle componenti principali; PCA; chatter; vibrazioni
English keywords: online monitoring; statistical process control; multiple source data fusion; grinding process; principal component analysis; PCA; chatter; vibrations
Language: eng
Appears in Collections:POLITesi >Tesi Specialistiche/Magistrali

Files in This Item:

File Description SizeFormatVisibility
2013_12_Maggioni_Marzorati.pdfTesto della tesi12.23 MBAdobe PDFView/Open





 

  Support, maintenance and development by SURplus team @ CINECA- Powered by DSpace Software