KIT | KIT-Bibliothek | Impressum | Datenschutz

Intelligent Anomaly Detection of Machine Tools based on Mean Shift Clustering

Netzer, Markus; Michelberger, Jonas; Fleischer, Jürgen

Abstract:
For a fault detection of machine tools, fixed intervention thresholds are usually necessary. In order to provide an autonomous anomaly detection without the need for fixed limits, recurring patterns must be detected in the signal data. This paper presents an approach for online pattern recognition on NC Code based on mean shift clustering that will be matched with drive signals. The intelligent fault detection system learns individual intervention thresholds based on the prevailing machining patterns. Using a self-organizing map, data captured during the machine’s operation are assigned to a normal or malfunction state.

Open Access Logo


Verlagsausgabe §
DOI: 10.5445/IR/1000130459
Veröffentlicht am 12.03.2021
Originalveröffentlichung
DOI: 10.1016/j.procir.2020.03.043
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Produktionstechnik (WBK)
Publikationstyp Zeitschriftenaufsatz
Publikationsjahr 2020
Sprache Englisch
Identifikator ISSN: 2212-8271
KITopen-ID: 1000130459
Erschienen in Procedia CIRP
Verlag Elsevier B.V.
Band 93
Seiten 1448–1453
Bemerkung zur Veröffentlichung 53rd CIRP Conference on Manufacturing Systems
Vorab online veröffentlicht am 29.09.2020
Nachgewiesen in Scopus
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page