Искусственный интеллект оптимизирует фрезерование с ЧПУ композитов, армированных углеродным волокном

Аугсбургская производственная сеть ИИ (искусственный интеллект), основанная в январе 2021 года и базирующаяся в Аугсбурге, Германия, объединяет Аугсбургский университет, Институт литейного производства, композитов и обработки им. Фраунгофера (Fraunhofer IGCV) и Центр технологий легкого производства Немецкий аэрокосмический центр (DLR ZLP). Целью является совместное исследование производственных технологий на основе искусственного интеллекта на стыке материалов, производственных технологий и моделирования на основе данных. Одним из примеров приложения, в котором искусственный интеллект может поддерживать производственные процессы, является обработка армированных волокном композитных материалов.

В недавно созданной AI Production Network ученые исследуют, как AI может оптимизировать производственные процессы. Например, в конце многих производственно-сбытовых цепочек в аэрокосмической отрасли или машиностроении станки с ЧПУ обрабатывают окончательный контур компонентов, изготовленных из армированных волокном полимерных композитов. Этот процесс обработки предъявляет высокие требования к фрезерному инструменту. Исследователи из Аугсбургского университета считают, что есть потенциал для оптимизации процессов обработки с помощью датчиков, которые контролируют фрезерную систему с ЧПУ. В настоящее время они используют ИИ для оценки потоков данных, предоставляемых этими датчиками.

Процессы промышленного производства часто очень сложны, и на результат влияет множество факторов. Например, оборудование и обрабатывающие инструменты быстро изнашиваются, особенно при работе с твердыми материалами, такими как углеродное волокно. Таким образом, способность распознавать и прогнозировать критические степени износа имеет важное значение для создания высококачественных композитных конструкций, подвергнутых резке и механической обработке. Исследование промышленного фрезерного станка с ЧПУ показывает, как подходящая сенсорная технология в сочетании с искусственным интеллектом может обеспечить такие прогнозы и улучшения.

Структурный звук и машинное обучение

Большинство современных фрезерных станков с ЧПУ имеют уже встроенные базовые датчики, которые, например, регистрируют потребление энергии, силу подачи и крутящий момент. Однако этих данных не всегда достаточно для разрешения мелких деталей в процессе фрезерования. По этой причине ультразвуковые датчики для анализа механического шума были разработаны в Аугсбургском университете и интегрированы в промышленный фрезерный станок с ЧПУ. Эти датчики обнаруживают сигналы корпусного звука в ультразвуковом диапазоне, которые генерируются в процессе фрезерования и затем передаются через систему к датчику.

Структурный звук позволяет делать выводы о состоянии процесса обработки. «Этот показатель так же важен для нас, как удары смычка для скрипки», - объясняет профессор д-р Маркус Саузе, директор AI Production Network. «Профессионалы в области музыки могут сразу определить по звуку скрипки, настроен ли он и насколько хорошо человек, играющий на ней, владеет инструментом». Но как этот подход работает для станка с ЧПУ? Машинное обучение - ключ к успеху.

Чтобы оптимизировать процесс фрезерования с ЧПУ на основе записанных данных с ультразвуковых датчиков, исследователи, работающие с Sause, используют так называемое машинное обучение. Определенные характеристики акустического сигнала могут указывать на неблагоприятный контроль процесса, который указывает на низкое качество измельченной детали. В результате с помощью этой информации можно напрямую настроить и улучшить процесс фрезерования. Для этого алгоритм обучается с записанными данными и соответствующими состояниями (например, хорошая или плохая обработка). Затем человек, который управляет фрезерным станком, может реагировать на информацию о состоянии системы, которая отображается, или система может быть запрограммирована на автоматическую реакцию.

Профилактическое обслуживание - дальновидность

Машинное обучение может не только оптимизировать процесс фрезерования непосредственно на заготовке, но и максимально экономично спланировать циклы обслуживания производственного оборудования. Функциональные части должны проработать в машине как можно дольше, чтобы повысить экономическую эффективность, но необходимо избегать самопроизвольных отказов из-за поврежденных частей.

Профилактическое обслуживание - это подход, при котором ИИ, используя собранные данные датчиков, вычисляет, когда деталь следует заменить. В случае исследуемого фрезерного станка с ЧПУ алгоритм распознает изменение определенных характеристик звукового сигнала. Таким образом, он не только определяет степень износа обрабатывающего инструмента, но и предсказывает подходящее время для замены инструмента. Этот и другие процессы искусственного интеллекта включаются в производственную сеть искусственного интеллекта в Аугсбурге. Три основные партнерские организации работают с другими производственными предприятиями над созданием производственной сети, которая может быть реконфигурирована модульным образом и оптимизирована для материалов.