Probabilistische Modellierung und Vorhersage der Standzeit und Zuverlässigkeit eines Fräswerkzeugs mittels der Bayesianischen Statistik

Zusammenfassung 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 400 m/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 400 m/min vorhergesagt. Es folgt ein Vergleich des probabilistischen Standzeitmodells mit den Testdatensätzen. Anschließend werden die A‑posteriori-Verteilungen der Werkzeugstandzeit verwendet, um eine Zuverlässigkeitsanalyse unter Verwendung der Zuverlässigkeitsfunktion in Abhängigkeit der Schnittgeschwindigkeit durchzuführen. Es 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.