Der Fritz Studer Award richtet sich an Absolventinnen und Absolventen europäischer Universitäten sowie Hochschulen technischer Fachrichtungen. Gesucht waren kreative Ideen und Lösungen im Bereich der Maschinenindustrie. „Die Ziele des Forschungspreises sind zum einen Arbeiten, welche die Innovationskraft der Maschinenindustrie mit umsetzbaren Lösungen stärken und zum anderen wollen wir damit auch den technisch-wissenschaftlichen Nachwuchs fördern“, formuliert es Dr.- Ing. Frank Fiebelkorn, Leiter Forschung und Technologie der Fritz Studer AG.
Konkret sollten sich die Themen diesen Schwerpunkten widmen:
- Innovative Maschinenkonzepte oder Komponenten für Werkzeugmaschinen der Präzisionsbearbeitung
- Alternative Werkstoffe im Maschinenbau
- Simulationsmodelle zum dynamischen und thermischen Verhalten von Werkzeugmaschinen
- Steuerungs- und Sensorkonzepte für Werkzeugmaschinen
- Neue oder weiterentwickelte Fertigungstechniken, speziell in der Hartfeinbearbeitung, wie Schleifen, Hartdrehen etc.
Mehrere Studien- und Masterarbeiten sowie Dissertationen sind bei STUDER eingegangen. Die Arbeiten wurden anschließend von einer fachkundigen Jury ausgewertet. Diese setzte sich zusammen aus Prof. Dr. Konrad Wegener, Inspire – Institut für Werkzeugmaschinen und Fertigung an der ETH Zürich, Dr.-Ing. Hans-Werner Hoffmeister, ehemaliger Abteilungsleiter Fertigungstechnik am Institut für Werkzeugmaschinen und Fertigungstechnik der TU Braunschweig und Dr.-Ing. Frank Fiebelkorn, Leiter Forschung und Technologie der Fritz Studer AG. Kriterien für die Bewertung der Arbeiten waren beispielsweise die Umsetzbarkeit der Erkenntnisse in der Maschinenindustrie, Neuheitsgehalt und Qualität der Idee der Forschungsarbeit, wissenschaftlicher Gehalt, Form sowie die Richtigkeit der Aussagen und Ergebnisse.
Der Fritz Studer Award 2023 ging an Dr. Emil Sauter vom Institut für Werkzeugmaschinen und Fertigung der ETH Zürich. Mit dem Thema „Detection and avoidance of thermal damage for high-performance metal grinding processes using hybrid machine learning models“ hat er die gesamte Jury überzeugt.
Seine Arbeit befasst sich mit der Entwicklung eines neuartigen Zustandsüberwachungssystems für das Außenrundschleifen mit metallisch gebundenen CBN-Werkzeugen, welches thermische Schäden in-situ erkennt und die verbleibende Nutzungsdauer von Schleifwerkzeugen relativ genau voraussagt. Mit Prozesskenngrößen wie Körperschall, Spindelstrom und Kraftkenngrößen und durch die Nutzung von Zeit-Frequenz-Transformationen werden Prozessmerkmale eines Schleifprozesses generiert, um verschiedene Stufen einer thermischen Schädigung des Werkstücks mit hoher Genauigkeit zu erkennen. Weiterhin kann die verbleibende Werkzeuglebensdauer abgeschätzt werden. Generell zeigt diese Arbeit mit ihren vielen industriellen praxisorientierten Versuchen ebenso, dass Methoden des maschinellen Lernens auch in der Schleiftechnik zu einer höheren Produktivität und verbesserter Bauteilqualität führt.
