Augsburška AI proizvodna mreža – DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV i Sveučilište u Augsburgu – koriste ultrazvučne senzore za povezivanje zvuka s kvalitetom obrade kompozitnog materijala.
Ultrazvučni senzor ugrađen na CNC glodalicu za praćenje kvalitete obrade.Izvor slike: Sva prava pridržava Sveučilište u Augsburgu
Augsburška AI (umjetna inteligencija) proizvodna mreža-uspostavljena u siječnju 2021. sa sjedištem u Augsburgu, Njemačka-okuplja Sveučilište u Augsburgu, Fraunhofer, i istraživanja o lijevanju, kompozitnim materijalima i tehnologiji obrade (Fraunhofer IGCV) i njemačku tehnologiju lagane proizvodnje centar.Njemački svemirski centar (DLR ZLP).Svrha je zajedničko istraživanje proizvodnih tehnologija temeljenih na umjetnoj inteligenciji na sučelju između materijala, proizvodnih tehnologija i modeliranja temeljenog na podacima.Primjer primjene u kojoj umjetna inteligencija može podržati proizvodni proces je obrada kompozitnih materijala ojačanih vlaknima.
U novouspostavljenoj proizvodnoj mreži umjetne inteligencije znanstvenici proučavaju kako umjetna inteligencija može optimizirati proizvodne procese.Na primjer, na kraju mnogih lanaca vrijednosti u zrakoplovstvu ili strojarstvu, CNC alatni strojevi obrađuju konačne konture komponenti izrađenih od polimernih kompozita ojačanih vlaknima.Ovaj proces obrade postavlja visoke zahtjeve na glodalo.Istraživači sa Sveučilišta u Augsburgu vjeruju da je moguće optimizirati proces strojne obrade pomoću senzora koji nadziru CNC sustave za glodanje.Trenutno koriste umjetnu inteligenciju za procjenu tokova podataka koje pružaju ti senzori.
Procesi industrijske proizvodnje obično su vrlo složeni, a na rezultate utječu mnogi čimbenici.Na primjer, oprema i alati za obradu brzo se troše, osobito tvrdi materijali kao što su karbonska vlakna.Stoga je sposobnost identificiranja i predviđanja kritičnih razina trošenja ključna za pružanje visokokvalitetnih dotjeranih i strojno obrađenih kompozitnih struktura.Istraživanja na industrijskim CNC strojevima za glodanje pokazuju da odgovarajuća tehnologija senzora u kombinaciji s umjetnom inteligencijom može pružiti takva predviđanja i poboljšanja.
Industrijska CNC glodalica za istraživanje ultrazvučnog senzora.Izvor slike: Sva prava pridržava Sveučilište u Augsburgu
Većina modernih CNC glodalica ima ugrađene osnovne senzore, kao što su bilježenje potrošnje energije, sile posmaka i momenta.Međutim, ti podaci nisu uvijek dovoljni za rješavanje sitnih detalja procesa mljevenja.U tu je svrhu Sveučilište u Augsburgu razvilo ultrazvučni senzor za analizu zvuka strukture i integriralo ga u industrijsku CNC glodalicu.Ovi senzori otkrivaju strukturirane zvučne signale u ultrazvučnom rasponu koji se generiraju tijekom mljevenja i zatim se šire kroz sustav do senzora.
Zvuk strukture može izvući zaključke o stanju procesa obrade."Ovo je pokazatelj koji nam ima jednako značenje kao tetiva za violinu", objasnio je prof. Markus Sause, direktor mreže za proizvodnju umjetne inteligencije."Glazbeni profesionalci mogu odmah odrediti po zvuku violine je li ugođena i sviračevo vladanje instrumentom."Ali kako se ova metoda primjenjuje na CNC alatne strojeve?Strojno učenje je ključ.
Kako bi optimizirali proces CNC glodanja na temelju podataka snimljenih ultrazvučnim senzorom, istraživači koji su radili sa Sauseom koristili su takozvano strojno učenje.Određene karakteristike zvučnog signala mogu ukazivati na nepovoljnu kontrolu procesa, što ukazuje na lošu kvalitetu mljevenog dijela.Stoga se ove informacije mogu koristiti za izravnu prilagodbu i poboljšanje procesa mljevenja.Da biste to učinili, upotrijebite snimljene podatke i odgovarajuće stanje (na primjer, dobra ili loša obrada) za treniranje algoritma.Zatim, osoba koja upravlja glodalicom može reagirati na prikazane informacije o statusu sustava ili sustav može reagirati automatski putem programiranja.
Strojno učenje ne samo da može optimizirati proces glodanja izravno na izratku, već i planirati ciklus održavanja proizvodnog pogona što je moguće ekonomičnije.Funkcionalne komponente moraju raditi u stroju što je duže moguće kako bi se poboljšala ekonomska učinkovitost, ali moraju se izbjegavati spontani kvarovi uzrokovani oštećenjem komponenti.
Prediktivno održavanje je metoda u kojoj AI koristi prikupljene podatke senzora za izračunavanje kada treba zamijeniti dijelove.Za CNC glodalicu koja se proučava, algoritam prepoznaje kada se mijenjaju određene karakteristike zvučnog signala.Na taj način ne samo da može identificirati stupanj istrošenosti alata za obradu, već i predvidjeti točno vrijeme za promjenu alata.Ovaj i drugi procesi umjetne inteligencije uključeni su u proizvodnu mrežu umjetne inteligencije u Augsburgu.Tri glavne partnerske organizacije surađuju s drugim proizvodnim pogonima kako bi stvorile proizvodnu mrežu koja se može rekonfigurirati na modularan i materijalno optimiziran način.
Objašnjava staru umjetnost koja stoji iza prvog ojačanja vlaknima u industriji i ima duboko razumijevanje nove znanosti o vlaknima i budućeg razvoja.
Vrijeme objave: 8. listopada 2021