wbk Institut für Produktionstechnik

David Barton, M.Sc.

  • 76131 Karlsruhe
    Kaiserstraße 12

David Barton, M.Sc.

Forschungs- und Arbeitsgebiete:

  • Maschinenkomponenten mit Industrie 4.0 Funktionalität
  • Spanende Werkzeugmaschinen

 

Allgemeine Aufgaben:

 

Projekte:

 

Versuchsstände:

 

Lebenslauf:

seit 04/2016

Wissenschaftlicher Mitarbeiter am Institut für Produktionstechnik (wbk) des Karlsruher Instituts für Technologie (KIT)

10/2013 - 03/2016

Studium des Maschinenbau (M.Sc.) am KIT

09/2012 - 06/2013

Studienaufenthalt an der Technischen Universität Istanbul (ITU) in den Bereichen Mechatronik und Maschinenbau

10/2009 - 03/2013

Studium des Maschinenbau (B.Sc.) am KIT

Veröffentlichungen

[ 1 ] Schleipen, M.; Henßen, R.; Bischoff, T.; Pfrommer, J.; Sauer, O.; Schneider, D.; Jungbluth, F.; Flatt, H.; Barton, D.; Fleischer, J.; Bollhöfer, E.; Moll, C.; Lindauer, J.; Davis, R.; Baron, H.; Danner, T.; Hillerich, T.; Schmuck, C.; Blume, M.; Finster, S.; Fechner, A.; Tschepat, R.; Kazakov, D.; Kühbauch, R.; Klöblen, W.; Sproll, D.; Fellhauer, B. & Osswald, D. (2017), SecurePLUGandWORK - Abschlussbericht, Fraunhofer IOSB, Karlsruhe.
Abstract
Industrie 4.0 umfasst unter anderem intelligente Anlagenkomponenten, Maschinen und Anlagen sowie IT-Systeme, die miteinander vernetzt und über die relevanten ‚Partner' mit ihren Fähigkeiten informiert sind. Bei einem Neuaufbau oder Umbau von Anlagen, Maschinen und Komponenten können alle Partner auf die Veränderung entsprechend reagieren. Änderungen sind beispielsweise in der eingebetteten Software der Feldgeräte, im Programmcode der Steuerungen, aber auch in überlagerten IT-Systemen wie bspw. MES nötig. Diese Veränderungen werden heute häufig manuell durchgeführt und sind daher zeitintensiv und fehleranfällig. Im Rahmen von Industrie 4.0 sollen die Änderungen (teil-)automatisiert ablaufen, ähnlich wie bei einer USB-Schnittstelle und USB-Geräten am PC. Die Situation im Umfeld der Produktion ist allerdings erheblich komplexer. Alle Änderungen sollen »secure« erfolgen. SecurePLUGandWORK betrachtet verschiedene Anwendungsszenarien auf unterschiedlichen Hierarchie- und Komplexitätsebenen. · Anwendungsszenario Integration Komponente - Maschine (z. B. Kugelgewindetrieb wird in Werkzeugmaschine integriert): Werkzeugmaschine, Spindel, Mehrspindelkopf, Kugelgewindetrieb. · Anwendungsszenario Integration Maschine - Anlage (z. B. Einzelmodule werden zu Waschmaschine vereinigt): Waschmaschinen, Greifer, Werkzeugmagazin. Das Projekt ermöglicht die Plug-and-Work-Fähigkeit in den produktionsnahen Softwarekomponenten durchgängig über die verschiedenen Ebenen der Fertigungshierarchie. Dies geschieht unter Nutzung offener Standards, die bereits heute in der Industrie eingesetzt werden. Unter anderem sollen Maschinen und Anlagen so schneller in Betrieb genommen werden. In der SecurePLUGandWORK-Architektur werden auch nicht-I4.0-kommunikationsfähige Komponenten mit I4.0-Eigenschaften ausgestattet. Diese Funktionalität wird mit im Projekt entwickelter Software basierend auf den Standards OPC UA und AutomationML, sowie Hardware in Form eines Produktgedächtnisses nachgerüstet.

[ 2 ] Barton, D.; Schwab, J. & Fleischer, J. (2017), „Automated calibration of a lightweight robot using machine vision“. 7. WGP-Jahreskongress, Hrsg. Schmitt, R. & Schuh, G., S. 321-328.
Abstract
Calibration of industrial robots can greatly reduce commissioning time by avoiding expensive online programming. This article presents an approach to automating the measurement and compensation of kinematic errors, applied to a lightweight robot arm. A measurement station is designed to automate this calibration process. The measurement is based on the detection of a chequerboard pattern in camera images of the end-effector. An electronic description of the robot including its individual compensation parameters is then provided in the standardised format AutomationML and transmitted via OPC UA. The approach requires only minimal manual input and is shown to significantly improve the positioning accuracy of the robot.

[ 3 ] Burtscher, J.; Spohrer, A.; Barton, D. & Fleischer, J. (2018), „Intelligente Vorschubachsen mit Industrie 4.0-Funktionalität“, VDI-Z Integrierte Produktion, Nr. 4, S. 42-44.
Abstract
Dynamische Vorschubachsen tragen maßgeblich zur Produktivität von Werkzeugmaschinen bei. Ihre Inbetriebnahme ist allerdings mit hohen personellen Aufwänden verbunden. Unerwünschte Bearbeitungsschwingungen, sowie ungeplante Ausfälle führen zudem zu signifikanten Produktivitätsverlusten im industriellen Einsatz. Am wbk Institut für Produktionstechnik werden daher Industrie 4.0-Lösungen entwickelt, die durch intelligente Funktionalitäten in der Vorschubachse einen Mehrwert bei Inbetriebnahme, Betrieb und Wartung von Werkzeugmaschinen versprechen.

[ 4 ] Barton, D.; Gönnheimer, P.; Qu, C. & Fleischer, J. (2018), „Self-describing connected components for live information access within production systems“. 4th International Conference on System-Integrated Intelligence: Intelligent, Flexible and Connected Systems in Products and Production, Hrsg. Denkena, B.; Thoben, K. & Trächtler, A., S. 250-257.
Abstract
Access to data from components in production systems is potentially an enabler for various data-based approaches. This paper presents a practical approach to transform mechanical components into self-describing cyber-physical systems connected within a local network. The requirements for typical use cases are analysed and a modular cyber-physical connector is proposed. The data is collected by a central OPC UA client and fed into a web-based visualisation, so that it is easily accessible for operators, maintenance staff, and other stakeholders. The approach is illustrated for components with two different levels of complexity.

[ 5 ] Barton, D.; Gönnheimer, P.; Schade, F.; Ehrmann, C.; Becker, J. & Fleischer, J. (2019), „Modular smart controller for Industry 4.0 functions in machine tools“. Procedia CIRP, Hrsg. Butala, P.; Govekar, E. & Vrabič, R., S. 1331-1336.
Abstract
In machine tools, Industry 4.0 functions can increase availability through predictive maintenance, while other functions improve productivity and workpiece quality through process supervision and optimisation. Many of these functions rely on data communication between systems from different suppliers. Requirements regarding latency and computing vary widely depending on the application. Based on an analysis of these requirements, a smart controller for the implementation of Industry 4.0 is designed, using a hypervisor to allow for the integration of soft real-time and best-effort applications.

[ 6 ] Barton, D.; Stamm, R.; Mergler, S.; Bardenhagen, C. & Fleischer, J. (2020), „Industrie-4.0-Nachrüstkit für Werkzeugmaschinen“, WT Werkstattstechnik, Band 110, S. 491-495. [30.11.-1].
Abstract
Industry 4.0 offers manufacturers a high potential for economic benefit. However, this potential is only rarely exploited in existing machine tools. To enable the roll-out of functions for condition-based maintenance and monitoring of machining processes, a modular retrofitting kit has been developed. This kit allows machines to be individually upgraded with hardware and software modules.

[ 7 ] Barton, D. & Fleischer, J. (2020), „Concept for predicting vibrations in machine tools using machine learning“. Production at the leading edge of technology, Hrsg. Behrens, B.; Brosius, A.; Hintze, W.; Ihlenfeldt, S. & Wulfsberg, J. P., Springer, Berlin, Heidelberg, S. 549-558.
Abstract
Vibrations have a significant influence on quality and costs in metal cutting processes. Existing methods for predicting vibrations in machine tools enable an informed choice of process settings, however they rely on costly equipment and specialised staff. Therefore, this contribution proposes to reduce the modelling effort required by using machine learning based on data gathered during production. The approach relies on two sub-models, representing the machine structure and machining process respectively. A method is proposed for initialising and updating the models in production.