Resharpening depth optimisation via Image Processing

Öz

The objective of this project is to integrate image processing technologies—specifically White Light Interferometry (WLI)—to measure tool wear and determine the optimal grinding allowance for each tool in a very short inspection duration. This data-driven approach enables more efficient and customized regrinding, increasing tool life while reducing costs. Leveraging WLI’s high-resolution, non-contact 3D measurement ensures precise and repeatable wear detection without damaging the tool, supporting digitalization in tool management.

Anahtar Kelimeler

• Cutting tools
• Regrinding
• Tool wear
• Image processing
• Cost optimisation
• WLI (white light interferometry)
• Sustainability

Görüntü İşleme Metodu ile Kesici Takımlar Bileme Paso Optimizasyonu

Öz

Bu projenin amacı, görüntü işleme teknolojilerini—özellikle Beyaz Işık İnterferometrisini (WLI)—entegre ederek takım aşınmasını ölçmek ve her bir takım için en uygun taşlama payını çok kısa bir inceleme süresi içinde belirlemektir. Bu veri odaklı yaklaşım, daha verimli ve özelleştirilmiş yeniden taşlama (bileme) sağlayarak takım ömrünü uzatırken maliyetleri düşürür. WLI'nin yüksek çözünürlüklü, temassız 3D ölçümünden yararlanmak, takıma zarar vermeden hassas ve tekrarlanabilir aşınma tespiti sağlar ve takım yönetiminde dijitalleşmeyi destekler.

Anahtar Kelimeler

• Kesici takımlar
• Kesici takım bileme
• Kesici takım aşınma
• Kesici takım aşınma ölçümü
• Kesici takım maliyet optimizasyonu
• Beyaz Işık Interferometrisi
• Sürdürülebilirlik

Kaynakça

1. 1. European Cutting Tool Association. (2010). Zerspanungswerkzeuge: Marktvolumen weltweit. Fertigung Sonderausgabe – Werkzeuge, 12(7).
2. 2. Duflou, J. R., Sutherland, J. W., Dornfeld, D., Herrmann, C., Jeswiet, J., Kara, S., Hauschild, M., & Kellens, K. (2012). Towards energy and resource efficient manufacturing: A processes and systems approach. CIRP Annals, 61(2), 587–609. https://doi.org/10.1016/j.cirp.2012.05.002
3. 3. Denkena, B., Grove, T., Theuer, M., & Liu, Y. (2018). Resource efficient regrinding of cemented carbide milling tools. Procedia CIRP, 69, 882–887. https://doi.org/10.1016/j.procir.2017.11.
4. 4. Lehmann, P., Tereschenko, S., & Xie, W. (2016). Fundamental aspects of resolution and precision in vertical scanning white-light interferometry. Surface Topography: Metrology and Properties, 4(2), 024004.
5. 5. Üllen, N. B. (2020). Tornalama işlemlerinde çeşitli kesici takım uçlarının hasar mekanizmaları. In2nd International Eurasian Conference on Science, Engineering and Technology (EurasianSciEnTech 2020)(ss. 7–9).
6. 6. Korkmaz, M. E., Gupta, M. K., Günay, M., Boy, M., Yaşar, N., Demirsöz, R., & Abbas, Y. (2023). Comprehensive analysis of tool wear, surface roughness and chip morphology in sustainable turning of Inconel-601 alloy.Journal of Manufacturing Processes,103, 156–167. https://doi.org/10.1016/j.jmapro.2022.11.001
7. 7. Bergs, T., Holst, C., Gupta, P., & Augspurger, T. (2020). Digital image processing with deep learning for automated cutting tool wear detection. Procedia Manufacturing,48, 947–958. https://doi.org/10.1016/j.promfg.2020.05.131
8. 8. Devillez, A., Lesko, S., & Mozer, W. (2004). Cutting tool crater wear measurement with white light interferometry. Wear, 256(1–2), 56–65. https://doi.org/10.1016/S0043-1648(03)00384-3

9. 9. Automotive Industry Action Group (AIAG). (2010). Measurement system analysis (MSA) (4. baskı). AIAG.
10. 10. Heliotis AG. (2025). HeliInspect H8 Interferometric Sensor. https://www.heliotis.com/en/sensors/ (Erişim tarihi: 14 Nisan 2026).
11. 11. Polytec GmbH. (2025). White light interferometry surface metrology technology. https://www.polytec.com/eu/surface-metrology/technology/white-light-interferometry (Erişim tarihi: 14 Nisan 2026). tarihi: 29 Mart 2026).