Condition Monitoring of Machine Tool Feed Drives and Methods for the Estimation of Remaining Useful Life
Translated title:
Zustandsüberwachung von Vorschubantrieben an Werkzeugmaschinen und Methoden zur Prognose der Restlebensdauer
Author:
Benker, Maximilian Johann Florian
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Engineering and Design
Advisor:
Zäh, Michael F. (Prof. Dr.)
Referee:
Zäh, Michael F. (Prof. Dr.); Erkorkmaz, Kaan (Prof., Ph.D.); Okwudire, Chinedum (Prof., Ph.D.)
Language:
en
Subject group:
MAS Maschinenbau
TUM classification:
FER 000; WIR 000
Abstract:
Condition-based maintenance of machine tool feed drives offers great potential to increase the efficiency in industrial manufacturing. In this publication-based dissertation, machine learning methods were developed and applied for condition monitoring of machine tool feed drives and the estimation of remaining useful life. The proposed approaches showed high prediction accuracies even in cases where only a few historical observations were available.
Translated abstract:
Die zustandsorientierte Instandhaltung von Vorschubantrieben an Werkzeugmaschinen bietet großes Potential zur Effizienzsteigerung in der industriellen Fertigung. Im Rahmen dieser Dissertation wurden maschinelle Lernverfahren zur Zustandsüberwachung von Vorschubantrieben an Werkzeugmaschinen und Methoden zur Prognose der Restlebensdauer entwickelt und angewendet. Die Ansätze zeigten eine hohe Vorhersagegenauigkeit, selbst in Fällen, in denen nur wenige historische Beobachtungen verfügbar waren.