Gummigebundene Schleifwerkzeuge werden zur Feinbearbeitung von verschiedensten Bauteilen wie beispielsweise Kunststoffspritzgusswerkzeugen oder Turbinenschaufelprofilen verwendet.
Zur effizienten Prozessautomatisierung muss Wissen von den Werkzeugeigenschaften, vom Prozess und entsprechenden Wirkzusammenhängen gewonnen und nutzbar gemacht werden, sodass eine wissensbasierte Prozessauslegung anhand der beeinflussbaren Stellgrößeneinstellungen möglich wird.

Grundsätzlich fehlt in der Literatur ein valides quantitatives Modell für gummigebundene Schleifscheiben, das die Beschreibung des Einflusses der Stell- und Systemgrößen auf die relevanten Ergebnisgrößen ermöglicht.

Ziel der Arbeit ist die Entwicklung eines Prozessmodells zum Einsatz von gummigebundenen Schleifscheiben. Das Modell beschreibt praxisrelevante Wirkzusammenhänge zwischen Eingangs- und Ergebnisgrößen bei der Zerspanung qualitativ und quantitativ.

Zur Modellierung ist es erforderlich, den Elastizitätsmodul des Schleifbelags sowie praktische Messmethoden für seine Bestimmung zu ermitteln. Beim Vergleich zwischen Simulations- und Messergebnissen wird gezeigt, dass der mittels Shore-D-Härtemessung bestimmte Elastizitätsmodul die höchste Genauigkeit besitzt.

Bei der Modellkonzipierung wird aufgezeigt, dass eine Erweiterung von bestehenden analytischen Modellen nicht ausreichend genaue Simulationsergebnisse liefert. Stattdessen wird zur Modellierung die Preston-Hypothese mit der empirisch zu bestimmenden Preston-Konstante verwendet. Es wird gezeigt, dass der Wert der Preston-Konstante nicht ausschließlich werkzeugindividuell zu bestimmen ist, sondern zusätzlich von dem betrachteten Schleifverfahren abhängig sein kann. Die Genauigkeit des Modells wird zusätzlich gesteigert durch die Integration der zeitabhängigen Abbildung der Druckverteilung in der Kontaktzone, basierend auf der Hertzschen Pressung.

Durch die Verwendung des entwickelten Modells bei der Prozessauslegung können im Vergleich zu bestehenden Modellen die betrachteten Schleifergebnisse deutlich genauer vorhergesagt werden und es kann eine signifikante Einsparung an Prozesszeit erzielt werden.