Straßer, T. (2026). Retrofit einer CNC-Fräse mit Datenbereitstellung [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2026.126072
retrofit; CNC milling machine; data provision; ORB-based image processing; energy measurement
en
Abstract:
Im Rahmen dieser Arbeit wird eine bestehende CNC-Portalfräse durch den Einsatz eines externen Edge-Computing-Systems erweitert, um Zusatzfunktionen ohne Eingriff in die Maschinensteuerung bereitzustellen. Ziel ist die Integration einer kamerabasierten Werkzeugerkennung und Energieaufzeichnung, wobei die gewonnenen Daten für externe Systeme bereitzustellen sind. Ein modularer Systemaufbau sowie eine wirtschaftliche Lösung liegen dabei im Fokus. Der Raspberry Pi 5 dient diesem Retrofit als Hardwareplattform, welche die Werkzeugerkennung, Kommunikation mit dem Energiemessmodul als auch die Datenspeicherung und -bereitstellung durchführt. Die Werkzeugidentifikation erfolgt mithilfe einer Kamera und eines ORB-basierten Bildverarbeitungsverfahrens. Per PZEM-004T V3 werden die elektrischen Betriebsdaten erfasst und mittels Modbus-RTU dem Edge-Device bereitgestellt. Die gewonnenen Daten werden automatisch auf der graphischen Oberfläche visualisiert, gespeichert und für weitere Systeme bereitgestellt. Die Werkzeugerkennung wird unter praxisnahen Bedingungen zur Bewertung getestet. Unterschiedliche Hintergründe und eine zufällige Reihenfolge der verschiedenen Werkzeuge liefern zuverlässige Ergebnisse. Die Energiemessung ermöglicht eine kontinuierliche und reproduzierbare Erfassung der Leistungs- und Energiedaten, ohne in die bestehende Maschinensteuerung einzugreifen. Gestartet und gestoppt wird die Energieaufzeichnung durch die Betätigung eines Buttons in der graphischen Oberfläche des Raspberry Pi.
de
As part of this thesis an existing CNC portal milling machine is enhanced through the use of an external edge computing system to provide additional functions without interfering with the machine control system. The goal is to integrate a camera-based tool recognition and energy monitoring, with the data collected to be made available to external systems. The focus is on a modular system design and a cost-effective solution. The Raspberry Pi 5 serves as the hardware platform for this retrofit, handling tool recognition, communication with the power measurement module, as well as data storage and provision. Tool identification is performed using camera and an ORB-based image processing method. The PZEM-004T V3 captures the electrical operating data and transmits it to the edge device via Modbus-RTU. The acquired data are automatically visualized on the graphical user inter-face, stored and made available to other systems. Tool recognition is tested under real-world conditions for evaluation. Different backgrounds and random order of the various tools provide reliable results. Energy measurement enables continuous and reproducible recording of power and energy data without interfacing with the existing machine control system. Recording is started and stopped by pressing a button on the graphical user interface.
en
Additional information:
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprüft Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers