Kecerdasan Buatan Mengoptimumkan Pengilangan CNC bagi Komposit Bertetulang Gentian Karbon |Dunia Bahan Komposit

Rangkaian pengeluaran Augsburg AI-Pusat Teknologi Pengeluaran Ringan DLR (ZLP), Fraunhofer IGCV dan Universiti Augsburg menggunakan penderia ultrasonik untuk mengaitkan bunyi dengan kualiti pemprosesan bahan komposit.
Sensor ultrasonik dipasang pada mesin pengilangan CNC untuk memantau kualiti pemesinan.Sumber imej: Hak cipta terpelihara oleh Universiti Augsburg
Rangkaian pengeluaran Augsburg AI (Kecerdasan Buatan) yang ditubuhkan pada Januari 2021 dan beribu pejabat di Augsburg, Jerman-menghimpunkan Universiti Augsburg, Fraunhofer, dan penyelidikan mengenai penuangan, bahan komposit dan teknologi pemprosesan (Fraunhofer IGCV) dan teknologi pengeluaran ringan Jerman pusat.Pusat Aeroangkasa Jerman (DLR ZLP).Tujuannya adalah untuk menyelidik bersama teknologi pengeluaran berasaskan kecerdasan buatan pada antara muka antara bahan, teknologi pembuatan dan pemodelan berasaskan data.Contoh aplikasi di mana kecerdasan buatan boleh menyokong proses pengeluaran ialah pemprosesan bahan komposit bertetulang gentian.
Dalam rangkaian pengeluaran kecerdasan buatan yang baru ditubuhkan, saintis sedang mengkaji bagaimana kecerdasan buatan boleh mengoptimumkan proses pengeluaran.Sebagai contoh, pada penghujung banyak rantaian nilai dalam kejuruteraan aeroangkasa atau mekanikal, alatan mesin CNC memproses kontur akhir komponen yang diperbuat daripada komposit polimer bertetulang gentian.Proses pemesinan ini meletakkan permintaan yang tinggi pada pemotong pengilangan.Penyelidik di Universiti Augsburg percaya bahawa adalah mungkin untuk mengoptimumkan proses pemesinan dengan menggunakan sensor yang memantau sistem pengilangan CNC.Mereka kini menggunakan kecerdasan buatan untuk menilai aliran data yang disediakan oleh penderia ini.
Proses pembuatan industri biasanya sangat kompleks, dan terdapat banyak faktor yang mempengaruhi keputusan.Contohnya, peralatan dan alatan pemprosesan cepat haus, terutamanya bahan keras seperti gentian karbon.Oleh itu, keupayaan untuk mengenal pasti dan meramal tahap haus kritikal adalah penting untuk menyediakan struktur komposit yang dipangkas dan dimesin berkualiti tinggi.Penyelidikan mengenai mesin pengilangan CNC industri menunjukkan bahawa teknologi penderia yang sesuai digabungkan dengan kecerdasan buatan boleh memberikan ramalan dan penambahbaikan sedemikian.
Mesin pengilangan CNC industri untuk penyelidikan sensor ultrasonik.Sumber imej: Hak cipta terpelihara oleh Universiti Augsburg
Kebanyakan mesin pengilangan CNC moden mempunyai penderia asas terbina dalam, seperti merakam penggunaan tenaga, daya suapan dan tork.Walau bagaimanapun, data ini tidak selalu mencukupi untuk menyelesaikan butiran halus proses pengilangan.Untuk tujuan ini, Universiti Augsburg telah membangunkan sensor ultrasonik untuk menganalisis bunyi struktur dan menyepadukannya ke dalam mesin pengilangan CNC industri.Penderia ini mengesan isyarat bunyi berstruktur dalam julat ultrasonik yang dijana semasa pengilangan dan kemudian merambat melalui sistem ke penderia.
Bunyi struktur boleh membuat kesimpulan tentang keadaan proses pemprosesan."Ini adalah penunjuk yang bermakna kepada kami seperti tali busur untuk biola," jelas Prof. Markus Sause, pengarah rangkaian pengeluaran kecerdasan buatan.“Para profesional muzik boleh menentukan dengan segera daripada bunyi biola sama ada ia ditala dan penguasaan alat muzik itu.”Tetapi bagaimana kaedah ini digunakan untuk alat mesin CNC?Pembelajaran mesin adalah kuncinya.
Untuk mengoptimumkan proses pengilangan CNC berdasarkan data yang direkodkan oleh sensor ultrasonik, penyelidik yang bekerja dengan Sause menggunakan pembelajaran mesin yang dipanggil.Ciri-ciri tertentu isyarat akustik mungkin menunjukkan kawalan proses yang tidak menguntungkan, yang menunjukkan bahawa kualiti bahagian giling adalah buruk.Oleh itu, maklumat ini boleh digunakan untuk melaraskan dan menambah baik proses pengilangan secara langsung.Untuk melakukan ini, gunakan data yang direkodkan dan keadaan yang sepadan (contohnya, pemprosesan yang baik atau buruk) untuk melatih algoritma.Kemudian, orang yang mengendalikan mesin pengilangan boleh bertindak balas kepada maklumat status sistem yang dibentangkan, atau sistem boleh bertindak balas secara automatik melalui pengaturcaraan.
Pembelajaran mesin bukan sahaja boleh mengoptimumkan proses pengilangan secara langsung pada bahan kerja, tetapi juga merancang kitaran penyelenggaraan kilang pengeluaran secara ekonomi yang mungkin.Komponen berfungsi perlu bekerja di dalam mesin selama mungkin untuk meningkatkan kecekapan ekonomi, tetapi kegagalan spontan yang disebabkan oleh kerosakan komponen mesti dielakkan.
Penyelenggaraan ramalan ialah kaedah di mana AI menggunakan data penderia yang dikumpul untuk mengira bila bahagian perlu diganti.Untuk mesin pengilangan CNC yang sedang dikaji, algoritma mengenali apabila ciri-ciri tertentu isyarat bunyi berubah.Dengan cara ini, ia bukan sahaja dapat mengenal pasti tahap haus alat pemesinan, tetapi juga meramalkan masa yang betul untuk menukar alat tersebut.Ini dan proses kecerdasan buatan yang lain sedang digabungkan ke dalam rangkaian pengeluaran kecerdasan buatan di Augsburg.Tiga organisasi rakan kongsi utama sedang bekerjasama dengan kemudahan pengeluaran lain untuk mencipta rangkaian pembuatan yang boleh dikonfigurasikan semula dalam cara modular dan dioptimumkan bahan.
Menjelaskan seni lama di sebalik peneguhan gentian pertama industri, dan mempunyai pemahaman mendalam tentang sains gentian baharu dan pembangunan masa depan.


Masa siaran: Okt-08-2021