Probabilistische Modellierung und Vorhersage der Standzeit und Zuverlässigkeit eines Fräswerkzeugs mittels der Bayesianischen Statistik [Probabilistic modeling and prediction of a milling tool life and reliability using bayesian statistics]

In diesem Artikel wird die probabilistische Modellierung und Vorhersage für die Standzeit und Zuverlässigkeit eines Fräswerkzeugs mittels der Bayesianischen Statistik beschrieben. Zur Entwicklung des probabilistischen Modells wird eine Markov-Chain-Monte-Carlo-Simulation (MCMC) auf das Taylor-Standzeit-Modell angewendet. Die A-priori-Wahrscheinlichkeitsverteilungen werden aus der Literaturrecherche ermittelt. Aus anschließenden Fräsversuchen werden ein Trainings- und ein Testdatensatz generiert. Die Versuche werden in einem Bereich der Schnittgeschwindigkeiten von 300 bis 400m/min durchgeführt. Die A-posteriori-Wahrscheinlichkeitsverteilungen werden unter Verwendung des Trainingssatzes berechnet. Mittels der trainierten A-posteriori-Wahrscheinlichkeitsverteilungen werden anschließend die Testdatensätze bei den Schnittgeschwindigkeiten von 300 bis 400m/min vorhergesagt. Es folgt ein Vergleich des probabilistischen Standzeitmodells mit den Testdatensätzen. Anschließend werden die A-posteriori-Verteilungen derWerkzeugstandzeit verwendet, um eine Zuverlässigkeitsanalyse unter Verwendung der Zuverlässigkeitsfunktion in Abhängigkeit der Schnittgeschwindigkeit durchzuführen. ... mehrEs wird gezeigt, dass die Werkzeugstandzeit- und Zuverlässigkeitsfunktion die gemessenen Werkzeugstandzeiten innerhalb der Unsicherheitsintervalle mit einem maximalen Vorhersagefehler von 18% mit lediglich zwei Trainingsdatenpunkten vorhersagen können.