Voorbeeldpagina De feiten kloppen. De woorden zijn tijdelijk — de uwe komen ervoor in de plaats.
Yiğit Özcan
Een vraag die niet wegging, een methode die twee keer gebouwd moest worden, en het uur waarin dat alles in het openbaar wordt verdedigd.
“Digital Shadow for Process-Parallel Part Geometry Estimation in CNC Milling”
Drie vragen
Waarom dit onderwerp?
Het begon met iets dat me stoorde en me niet losliet. Het vakgebied had al een antwoord, en ik geloofde het niet.
Wat verraste je?
Hoe vaak het interessante resultaat het resultaat was waar ik niet naar zocht, en hoe lang het duurde voor ik het niet meer als ruis behandelde.
Wat gebeurt er na de promotie?
Eerst slapen. Daarna uitzoeken of wat ik heb geleerd buiten de universiteit standhoudt.
In eigen woorden“In het begin dacht ik het antwoord te kennen. In het derde jaar wist ik dat ik de vraag niet had begrepen.”
Over het proefschrift
In CNC milling, parts are often checked only after machining by using high-precision measurement equipment. This can take a lot of time, especially for complex and accurate components. If an error is found, the part may need to be reworked or even rejected. This PhD research explores how a CNC machine can be made more “aware” of the shape of the part while it is being machined. The thesis develops a Digital Shadow of the machining process. This means that data from the real CNC machine are used to update a virtual representation of the workpiece during machining. The system reads machine positions and other controller data, combines them with models of cutting forces and tool deflection, and updates a virtual workpiece using fast GPU-based material removal simulation. The goal is not to replace certified coordinate measuring machine inspection, but to give operators and engineers earlier insight into possible geometry deviations. By estimating the evolving part geometry during the process, the method can help reduce inspection effort, improve process transparency, and support better decisions in advanced manufacturing. The research shows that this type of in-process geometry estimation is feasible using industrial machine data, analytical models, and high-performance computing.
Geselecteerd werk
Overgenomen uit de agenda van KU Leuven.