A Long-Term Accuracy Prediction Method for Machine Tools Considering Inherited Casting Residual Stress

Die moderne Fertigung stützt sich auf Maschinen, die Metall mit mikroskopischer Präzision schneiden können. Diese Maschinen, bekannt als CNC-Werkzeugmaschinen, sind das Rückgrat von Industrien, die alles von Flugzeugtriebwerken bis hin zu medizinischen Geräten bauen. Damit diese Werkzeuge korrekt funktionieren, müssen ihre internen Teile über Jahre der Nutzung hinweg vollkommen unbeweglich und exakt bleiben. Die massiven Metallblöcke jedoch, die den Körper dieser Maschinen bilden, werden durch das Gießen von flüssigem Eisen in Sandformen hergestellt. Während dieses heiße Metall abkühlt und erstarrt, schrumpft es ungleichmäßig. Verschiedene Teile des Metalls kühlen mit unterschiedlichen Geschwindigkeiten ab, wodurch unsichtbare interne Kräfte entstehen, die als Eigenspannung bezeichnet werden. Stellen Sie sich diese Kräfte wie ein fest gespanntes Gummiband vor, das in einem massiven Stein verborgen ist; sie halten das Metall in einem Zustand der Spannung, der sich selbst entladen möchte. Im Laufe der Zeit, während die Maschine in einer Fabrik steht, entspannen sich diese internen Kräfte langsam, was dazu führt, dass das Metall sich so weit verschiebt und verzieht, dass die Genauigkeit der Maschine beeinträchtigt wird.

Seit Jahrzehnten versuchen Ingenieure vorherzusagen, wie stark diese Maschinen im Laufe der Zeit driften werden. Das Problem besteht darin, dass die Computermodelle, die zur Auslegung des Gießprozesses verwendet werden, sehr unterschiedlich aussehen als die Modelle, die zur Analyse der fertigen Maschine verwendet werden. Die Gießmodelle sind mit einfachen, groben Formen aufgebaut, um den komplexen Fluss von flüssigem Eisen zu handhaben, während die Maschinenmodelle detaillierte, glatte Formen verwenden, um winzige Bewegungen zu messen. Da die digitalen Karten dieser beiden Modelle nicht übereinstimmen, können die Daten über die interne Spannung nicht einfach von einem zum anderen kopiert werden. Ohne eine Möglichkeit, diese Spannungsdaten präzise zu übertragen, konnten Ingenieure nicht simulieren, wie sich eine Maschine nach Jahren des Stillstands verhalten würde, was eine Lücke in ihrer Fähigkeit hinterließ, langfristige Präzision zu garantieren.

Ein Team von Forschern der Northeastern University hat eine neue Methode entwickelt, um diese Lücke zu schließen, die es ermöglicht, zu verfolgen, wie sich diese verborgenen internen Kräfte über einen Zeitraum von drei Jahren entwickeln und die Genauigkeit einer Maschine beeinflussen. Sie entwickelten eine ausgeklügelte digitale Brücke, die die Spannungsdaten aus dem groben Gießmodell nehmen und präzise auf das detaillierte Maschinenmodell abbilden kann, obwohl beide unterschiedliche Gittersysteme verwenden. Durch dies konnten sie eine Simulation durchführen, die das langsame, schleichende Verformen einer echten Werkzeugmaschine nachstellt, während diese jahrelang in einer Fabrik steht.

Die Forscher konzentrierten sich auf eine vertikale Bearbeitungszentrale, eine große Maschine, die aus mehreren schweren Gusseisenteilen besteht, darunter ein Bett, eine Säule, ein Schlitten und ein Spindelkopf. Zuerst simulierten sie den gesamten Gießprozess für jedes Teil, vom Moment des Gießens des flüssigen Eisens in die Form bis hin zum Abkühlen und der Wärmebehandlung zur Spannungsentlastung. Dieser Prozess erzeugte eine detaillierte Karte der internen Spannung, die in jeder Komponente eingeschlossen war. Die Herausforderung bestand darin, diese Karte auf ein neues, detaillierteres Modell der montierten Maschine zu übertragen. Das Team schrieb ein Computerprogramm, das jedes Teil der Maschine als separaten Bereich behandelte. Es nutzte spezifische Referenzpunkte, um die beiden Modelle im Raum auszurichten, und übertrug dann sorgfältig die Spannungswerte vom alten Gitter auf das neue. Um die Genauigkeit zu gewährleisten, prüfte das Programm, ob Spannungen aus einem Teil, wie etwa dem Bett, während des Transfers nicht versehentlich mit der Spannung eines anderen Teils, wie der Säule, vermischt wurden.

Die Ergebnisse dieses Transfers waren hochgradig präzise. Als die Forscher die Spannungsmuster vor und nach dem Transfer verglichen, waren die Unterschiede minimal, wobei die Fehler bei allen Hauptkomponenten unter fünf Prozent lagen. Das neue Modell konnte die komplexen Muster von hoher und niedriger Spannung, die in der ursprünglichen Gießsimulation gefunden wurden, erfolgreich bewahren. Mit diesem genauen Ausgangspunkt ließen die Forscher eine Langzeitsimulation laufen, um zu sehen, was passieren würde, wenn die Maschine über drei Jahre hinweg steht. Sie wandten ein mathematisches Modell an, das beschreibt, wie Gusseisen unter seiner eigenen internen Spannung bei Raumtemperatur langsam deformiert wird.

Die Simulation offenbarte ein klares Degradationsmuster. Während sich die internen Spannungen langsam entspannten, begann die Werkzeugspitze der Maschine, von ihrer vorgesehenen Position relativ zum Arbeitstisch abzuweichen. Diese Drift verlief nicht konstant; sie geschah am schnellsten zu Beginn und verlangsamte sich dann, während sich die Maschine einem neuen, stabilen Zustand näherte. Nach sechs Monaten simulierter Standzeit hatte sich die Werkzeugspitze um 1,26 Mikrometer bewegt. Am Ende des ersten Jahres erreichte die Gesamtdrift 2,04 Mikrometer. Über den gesamten Zeitraum von drei Jahren summierte sich der Positionsfehler auf etwa 3,27 Mikrometer. Die Bewegung war in der horizontalen Richtung am signifikantesten, während die vertikale Bewegung geringer ausfiel. Die Daten zeigten, dass der Großteil des Fehlers früh auftrat, wobei die Maschine bereits in den ersten sechs Monaten etwa 38,5 Prozent ihrer gesamten potenziellen Drift verlor.

Diese Erkenntnisse unterstreichen, dass der Herstellungsprozess selbst die Keime für zukünftige Ungenauigkeiten legt. Die während des Gießens im Metall eingeschlossene Eigenspannung ist ein primärer Treiber für langfristige Maßhaltigkeitsinstabilität. Die Studie bestätigt, dass selbst ohne externe Lasten oder intensive Nutzung allein der Lauf der Zeit dazu führt, dass diese internen Kräfte die Geometrie der Maschine verändern. Die Forscher merkten an, dass ihre Arbeit auf Computersimulationen basiert und obwohl die Methoden robust sind, hängen die exakten Zahlen von den spezifischen Materialeigenschaften des Modells ab. Sie planen, diese Vorhersagen in Zukunft mit realen Experimenten zu validieren. Für den Moment bietet diese neue Methode den Ingenieuren ein leistungsfähiges Werkzeug, um vorherzusagen, wie eine Maschine altern wird, was es ermöglicht, Gussteile zu entwerfen, die stabiler sind, und den Wartungsbedarf von Hochpräzisionsgeräten zu antizipieren, noch bevor diese gebaut werden.