Мрежата за производство на изкуствен интелект в Аугсбург – DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV и Университетът в Аугсбург – използват ултразвукови сензори, за да съпоставят звука с качеството на обработката на композитни материали.
Ултразвуков сензор, монтиран на CNC фреза за наблюдение на качеството на обработката.Източник на изображението: Всички права запазени от университета в Аугсбург
Производствената мрежа Augsburg AI (Artificial Intelligence) - създадена през януари 2021 г. и със седалище в Аугсбург, Германия - обединява университета в Аугсбург, Fraunhofer, и изследвания върху леене, композитни материали и технология за обработка (Fraunhofer IGCV) и немската олекотена производствена технология център.Германски аерокосмически център (DLR ZLP).Целта е съвместно изследване на базирани на изкуствен интелект производствени технологии в интерфейса между материали, производствени технологии и базирано на данни моделиране.Пример за приложение, при което изкуственият интелект може да поддържа производствения процес, е обработката на подсилени с влакна композитни материали.
В новосъздадената производствена мрежа с изкуствен интелект учените изучават как изкуственият интелект може да оптимизира производствените процеси.Например, в края на много вериги на стойността в аерокосмическото или машинното инженерство, CNC машинните инструменти обработват крайните контури на компоненти, изработени от подсилени с влакна полимерни композити.Този процес на обработка поставя високи изисквания към фрезата.Изследователи от университета в Аугсбург вярват, че е възможно да се оптимизира процесът на обработка чрез използване на сензори, които наблюдават CNC фрезови системи.В момента те използват изкуствен интелект, за да оценят потоците от данни, предоставени от тези сензори.
Промишлените производствени процеси обикновено са много сложни и има много фактори, които влияят на резултатите.Например оборудването и инструментите за обработка се износват бързо, особено твърдите материали като въглеродни влакна.Следователно способността за идентифициране и прогнозиране на критичните нива на износване е от съществено значение за осигуряване на висококачествени подрязани и обработени композитни структури.Изследванията върху промишлени CNC фрезови машини показват, че подходящата сензорна технология, комбинирана с изкуствен интелект, може да осигури такива прогнози и подобрения.
Индустриална CNC фреза за ултразвукови сензорни изследвания.Източник на изображението: Всички права запазени от университета в Аугсбург
Повечето съвременни CNC фрезови машини имат вградени основни сензори, като запис на консумация на енергия, сила на подаване и въртящ момент.Въпреки това, тези данни не винаги са достатъчни за разрешаване на фините детайли на процеса на смилане.За тази цел Университетът в Аугсбург разработи ултразвуков сензор за анализиране на структурния звук и го интегрира в промишлена CNC фреза.Тези сензори откриват структурирани звукови сигнали в ултразвуковия диапазон, генерирани по време на смилане и след това се разпространяват през системата към сензорите.
Структурният звук може да направи изводи за състоянието на процеса на обработка.„Това е индикатор, който е толкова важен за нас, колкото тетивата на лъка е за цигулката“, обясни проф. Маркус Саузе, директор на мрежата за производство на изкуствен интелект.„Музикалните професионалисти могат незабавно да определят по звука на цигулката дали е настроена и дали свирачът владее инструмента.“Но как този метод се прилага към машинни инструменти с ЦПУ?Машинното обучение е ключът.
За да оптимизират процеса на CNC фрезоване въз основа на данните, записани от ултразвуковия сензор, изследователите, работещи със Sause, са използвали така нареченото машинно обучение.Някои характеристики на звуковия сигнал могат да показват неблагоприятно управление на процеса, което показва, че качеството на фрезованата част е лошо.Следователно тази информация може да се използва за директно регулиране и подобряване на процеса на смилане.За да направите това, използвайте записаните данни и съответното състояние (например добра или лоша обработка), за да обучите алгоритъма.След това лицето, работещо с фрезата, може да реагира на представената информация за състоянието на системата или системата може да реагира автоматично чрез програмиране.
Машинното обучение може не само да оптимизира процеса на фрезоване директно върху детайла, но и да планира цикъла на поддръжка на производствения завод възможно най-икономично.Функционалните компоненти трябва да работят в машината възможно най-дълго, за да се подобри икономическата ефективност, но трябва да се избягват спонтанни повреди, причинени от повреда на компонентите.
Предсказуемата поддръжка е метод, при който AI използва събраните данни от сензори, за да изчисли кога частите трябва да бъдат сменени.За изследваната CNC фреза алгоритъмът разпознава кога се променят определени характеристики на звуковия сигнал.По този начин той може не само да идентифицира степента на износване на обработващия инструмент, но и да предвиди правилното време за смяна на инструмента.Този и други процеси на изкуствен интелект се включват в мрежата за производство на изкуствен интелект в Аугсбург.Трите основни партньорски организации си сътрудничат с други производствени съоръжения, за да създадат производствена мрежа, която може да бъде преконфигурирана по модулен и оптимизиран за материали начин.
Обяснява старото изкуство зад първото армиране с влакна в индустрията и има задълбочено разбиране за новата наука за влакната и бъдещото развитие.
Време на публикуване: 8 октомври 2021 г