A rede de produción de Augsburg AI -DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV e a Universidade de Augsburg- usan sensores ultrasónicos para correlacionar o son coa calidade do procesamento de materiais compostos.
Un sensor ultrasónico instalado nunha fresadora CNC para controlar a calidade do mecanizado.Fonte da imaxe: Todos os dereitos reservados pola Universidade de Augsburgo
A rede de produción de Augsburg AI (Intelixencia Artificial), establecida en xaneiro de 2021 e con sede en Augsburgo, Alemaña, reúne á Universidade de Augsburgo, Fraunhofer, e a investigación sobre fundición, materiais compostos e tecnoloxía de procesamento (Fraunhofer IGCV) e a tecnoloxía de produción lixeira alemá. centro.Centro Aeroespacial Alemán (DLR ZLP).O obxectivo é investigar conxuntamente tecnoloxías de produción baseadas na intelixencia artificial na interface entre materiais, tecnoloxías de fabricación e modelado baseado en datos.Un exemplo de aplicación onde a intelixencia artificial pode apoiar o proceso de produción é o procesamento de materiais compostos reforzados con fibra.
Na rede de produción de intelixencia artificial recentemente creada, os científicos estudan como a intelixencia artificial pode optimizar os procesos de produción.Por exemplo, ao final de moitas cadeas de valor en enxeñaría aeroespacial ou mecánica, as máquinas-ferramentas CNC procesan os contornos finais dos compoñentes feitos de compostos poliméricos reforzados con fibra.Este proceso de mecanizado supón unha alta esixencia para a fresa.Os investigadores da Universidade de Augsburgo cren que é posible optimizar o proceso de mecanizado mediante sensores que monitorizan os sistemas de fresado CNC.Actualmente están utilizando intelixencia artificial para avaliar os fluxos de datos proporcionados por estes sensores.
Os procesos de fabricación industrial adoitan ser moi complexos, e son moitos os factores que inciden nos resultados.Por exemplo, os equipos e as ferramentas de procesamento desgastan rapidamente, especialmente os materiais duros como a fibra de carbono.Polo tanto, a capacidade de identificar e predecir niveis de desgaste críticos é esencial para proporcionar estruturas compostas recortadas e mecanizadas de alta calidade.A investigación en fresadoras CNC industriais mostra que a tecnoloxía de sensores adecuada combinada coa intelixencia artificial pode proporcionar tales predicións e melloras.
Fresadora CNC industrial para investigación de sensores ultrasónicos.Fonte da imaxe: Todos os dereitos reservados pola Universidade de Augsburgo
A maioría das fresadoras CNC modernas teñen sensores básicos integrados, como o consumo de enerxía, a forza de alimentación e o par.Non obstante, estes datos non sempre son suficientes para resolver os detalles finos do proceso de molienda.Para iso, a Universidade de Augsburgo desenvolveu un sensor ultrasónico para analizar o son da estrutura e integrouno nunha fresadora CNC industrial.Estes sensores detectan sinais de son estruturados no rango ultrasónico xerados durante o fresado e, a continuación, propáganse a través do sistema ata os sensores.
O son da estrutura pode sacar conclusións sobre o estado do proceso de procesamento."Este é un indicador que é tan significativo para nós como unha corda de arco para un violín", explicou o profesor Markus Sause, director da rede de produción de intelixencia artificial."Os profesionais da música poden determinar inmediatamente a partir do son do violín se está afinado e o dominio do instrumento por parte do músico".Pero como se aplica este método ás máquinas ferramenta CNC?A aprendizaxe automática é a clave.
Para optimizar o proceso de fresado CNC a partir dos datos rexistrados polo sensor ultrasónico, os investigadores que traballan con Sause utilizaron a chamada aprendizaxe automática.Algunhas características do sinal acústico poden indicar un control desfavorable do proceso, o que indica que a calidade da peza fresada é mala.Polo tanto, esta información pódese utilizar para axustar e mellorar directamente o proceso de moenda.Para iso, use os datos rexistrados e o estado correspondente (por exemplo, bo ou mal procesamento) para adestrar o algoritmo.Entón, a persoa que opera a fresadora pode reaccionar á información de estado do sistema presentada, ou o sistema pode reaccionar automaticamente mediante a programación.
A aprendizaxe automática non só pode optimizar o proceso de fresado directamente na peza de traballo, senón que tamén pode planificar o ciclo de mantemento da planta de produción da forma máis económica posible.Os compoñentes funcionais deben traballar na máquina o maior tempo posible para mellorar a eficiencia económica, pero deben evitarse os fallos espontáneos causados por danos nos compoñentes.
O mantemento preditivo é un método no que a IA utiliza os datos recollidos dos sensores para calcular cando se deben substituír as pezas.Para a fresadora CNC en estudo, o algoritmo recoñece cando cambian determinadas características do sinal sonoro.Deste xeito, non só pode identificar o grao de desgaste da ferramenta de mecanizado, senón tamén prever o momento correcto para cambiar a ferramenta.Este e outros procesos de intelixencia artificial estanse incorporando á rede de produción de intelixencia artificial en Augsburgo.As tres principais organizacións socias están a colaborar con outras instalacións de produción para crear unha rede de fabricación que se poida reconfigurar de forma modular e optimizada para o material.
Explica a vella arte detrás do primeiro reforzo de fibra da industria e ten un coñecemento profundo da nova ciencia da fibra e do desenvolvemento futuro.
Hora de publicación: 08-Oct-2021