Werkstücksortiermaschine WSM

Im Steuerungstechnik- Werkstättenlabor wird zu Übungszwecken eine praxisgerechte Werkstücksortieranlage benötigt. Dabei sollten Werkstücke zylindrischer Form mit gleichen Durchmessern von 50 mm, verschiedenen Höhen von 25 – 50 mm und verschiedener Materialen, wie Eisen, Kupfer, Alu und Kunststoff mit Hilfe pneumatischer Komponenten sortiert werden können.Zudem muss der Aufbau auf einem vorhandenen Wagen platz finden.

Die zu sortierenden Werkstücke gelangen über eine Rutsche zur Aufnahmestation. Der Werkstoff und die Höhe werden bereits bei der Zuführung zur Aufnahmestation bestimmt. Die Werkstoffbestimmung erfolgt mit Sensoren. Die Höhe der Teile wird mittels Lichtschranken bestimmt. Eine an einem vertikal wirkenden Zylinder angebrachte Saugeinheit nimmt das Teil auf. Mit Hilfe von 2 kreuzförmig- übereinander angebrachten pneumatisch- gesteuerten Linearachsen, an welchen die Hubeinheit befestigt ist, wird das Teil bis zu einer entsprechenden Rutsche befördert und abgelegt. Die Bewegung in X- Richtung erfolgt mittels eines Linearantriebs mit Wegmesssystem. Die Bewegung in Y- Richtung wird mit einem doppelt wirkenden pneumatischen Linearantrieb realisiert. Die Teile werden anschließend an Rutschen nach Werkstoffen und Höhen sortiert. Ausschussteile werden von der Hubeinheit nicht aufgenommen, sondern über einen Linearförderer und einen vertikal wirkenden Pneumatikzylinder direkt auf die Zulaufrutsche zurückbefördert, um erneut in den Kreislauf aufgenommen werden zu können. Somit können auch Kommissionieraufgaben simuliert werden.

Modelers of process models can construct new models faster and cheaper when re-using process models in form of process patterns. Moreover, the modeling is more objective and models can be compared with each other more easily. For identifying process patterns, manual identification is proposed in literature. However, manual identification is almost impossible when there is a large amount of process models which has to be analyzed. Therefore, this work presents a new approach that uses cluster analysis to support the identification of process patterns.

In order to perform a cluster analysis and the calculation of distances, process models have to be normalized. For that purpose, different analysis services for normalization are defined. These services involve the analysis of process models regarding words, process objects, and activities. With the additional information gained by analyzing the process models, four levels of distance calculation are specified. When comparing these four levels, the clustering solutions calculated at the highest level of normalization reflect the intuitive structure in the best way. Hence, this test demonstrates the usefulness of normalization.

Furthermore, when comparing manual classification and cluster analysis one observes that cluster analysis leads to a remarkable saving of time without loosing accuracy in classification.