La intel·ligència artificial optimitza el fresat CNC de compostos reforçats amb fibra de carboni |Món dels materials compostos

La xarxa de producció d'Augsburg AI, el DLR Lightweight Production Technology Center (ZLP), el Fraunhofer IGCV i la Universitat d'Augsburg, utilitzen sensors ultrasònics per correlacionar el so amb la qualitat del processament de materials compostos.
Un sensor d'ultrasons instal·lat en una fresadora CNC per controlar la qualitat del mecanitzat.Font de la imatge: Tots els drets reservats per la Universitat d'Augsburg
La xarxa de producció d'Augsburg AI (Intel·ligència artificial), establerta el gener de 2021 i amb seu a Augsburg, Alemanya, reuneix la Universitat d'Augsburg, Fraunhofer, i la investigació sobre fosa, materials compostos i tecnologia de processament (Fraunhofer IGCV) i la tecnologia de producció lleugera alemanya. centre.Centre Aeroespacial Alemany (DLR ZLP).L'objectiu és investigar conjuntament les tecnologies de producció basades en la intel·ligència artificial a la interfície entre els materials, les tecnologies de fabricació i el modelatge basat en dades.Un exemple d'aplicació on la intel·ligència artificial pot donar suport al procés de producció és el processament de materials compostos reforçats amb fibra.
A la nova xarxa de producció d'intel·ligència artificial, els científics estan estudiant com la intel·ligència artificial pot optimitzar els processos de producció.Per exemple, al final de moltes cadenes de valor de l'enginyeria aeroespacial o mecànica, les màquines-eina CNC processen els contorns finals dels components fets amb compostos de polímers reforçats amb fibra.Aquest procés de mecanitzat imposa grans exigències a la fresa.Els investigadors de la Universitat d'Augsburg creuen que és possible optimitzar el procés de mecanitzat mitjançant sensors que supervisen els sistemes de fresat CNC.Actualment estan utilitzant intel·ligència artificial per avaluar els fluxos de dades que proporcionen aquests sensors.
Els processos de fabricació industrial solen ser molt complexos, i hi ha molts factors que afecten els resultats.Per exemple, els equips i les eines de processament es desgasten ràpidament, especialment materials durs com la fibra de carboni.Per tant, la capacitat d'identificar i predir nivells de desgast crítics és essencial per proporcionar estructures compostes retallades i mecanitzades d'alta qualitat.La investigació sobre fresadores CNC industrials mostra que la tecnologia de sensor adequada combinada amb la intel·ligència artificial pot proporcionar aquestes prediccions i millores.
Fresadora CNC industrial per a la investigació de sensors ultrasònics.Font de la imatge: Tots els drets reservats per la Universitat d'Augsburg
La majoria de les fresadores CNC modernes tenen sensors bàsics integrats, com ara el registre del consum d'energia, la força d'alimentació i el parell.Tanmateix, aquestes dades no sempre són suficients per resoldre els petits detalls del procés de mòlta.Amb aquesta finalitat, la Universitat d'Augsburg ha desenvolupat un sensor d'ultrasons per analitzar el so de l'estructura i l'ha integrat en una fresadora CNC industrial.Aquests sensors detecten senyals sonores estructurats en el rang d'ultrasons generats durant el fresat i després es propaguen a través del sistema fins als sensors.
L'estructura sonora pot extreure conclusions sobre l'estat del procés de processament."Aquest és un indicador que és tan significatiu per a nosaltres com una corda d'arc per a un violí", va explicar el professor Markus Sause, director de la xarxa de producció d'intel·ligència artificial."Els professionals de la música poden determinar immediatament a partir del so del violí si està afinat i el domini de l'instrument per part del músic".Però, com s'aplica aquest mètode a les màquines eina CNC?L'aprenentatge automàtic és la clau.
Per optimitzar el procés de fresat CNC a partir de les dades registrades pel sensor ultrasònic, els investigadors que treballen amb Sause van utilitzar l'anomenat aprenentatge automàtic.Algunes característiques del senyal acústic poden indicar un control desfavorable del procés, la qual cosa indica que la qualitat de la peça fresada és deficient.Per tant, aquesta informació es pot utilitzar per ajustar i millorar directament el procés de fresat.Per fer-ho, utilitzeu les dades enregistrades i l'estat corresponent (per exemple, processament bo o dolent) per entrenar l'algorisme.Aleshores, la persona que opera la fresadora pot reaccionar a la informació d'estat del sistema presentada, o el sistema pot reaccionar automàticament mitjançant la programació.
L'aprenentatge automàtic no només pot optimitzar el procés de fresat directament a la peça de treball, sinó que també pot planificar el cicle de manteniment de la planta de producció de la manera més econòmica possible.Els components funcionals han de treballar a la màquina el màxim temps possible per millorar l'eficiència econòmica, però s'han d'evitar les fallades espontànies causades per danys als components.
El manteniment predictiu és un mètode en què la IA utilitza les dades del sensor recopilades per calcular quan s'han de substituir les peces.Per a la fresadora CNC en estudi, l'algoritme reconeix quan canvien determinades característiques del senyal sonor.D'aquesta manera, no només pot identificar el grau de desgast de l'eina de mecanitzat, sinó també predir el moment correcte per canviar l'eina.Aquest i altres processos d'intel·ligència artificial s'estan incorporant a la xarxa de producció d'intel·ligència artificial d'Augsburg.Les tres principals organitzacions associades col·laboren amb altres instal·lacions de producció per crear una xarxa de fabricació que es pugui reconfigurar d'una manera modular i optimitzada en materials.
Explica el vell art darrere del primer reforç de fibra de la indústria i té una comprensió profunda de la nova ciència de la fibra i el desenvolupament futur.


Hora de publicació: Oct-08-2021