Die Augsburg KI-produksienetwerk-DLR Lightweight Production Technology Centre (ZLP), Fraunhofer IGCV en die Universiteit van Augsburg gebruik ultrasoniese sensors om klank met die kwaliteit van saamgestelde materiaalverwerking te korreleer.
'n Ultrasoniese sensor geïnstalleer op 'n CNC freesmasjien om die kwaliteit van bewerking te monitor.Beeldbron: Alle regte voorbehou deur die Universiteit van Augsburg
Die Augsburg AI (kunsmatige intelligensie) produksienetwerk wat in Januarie 2021 gestig is en met sy hoofkwartier in Augsburg, Duitsland, bring die Universiteit van Augsburg, Fraunhofer, en navorsing oor giet, saamgestelde materiale en verwerkingstegnologie (Fraunhofer IGCV) en die Duitse liggewigproduksietegnologie bymekaar sentrum.Duitse Lugvaartsentrum (DLR ZLP).Die doel is om gesamentlik navorsing te doen oor kunsmatige intelligensie-gebaseerde produksietegnologieë by die koppelvlak tussen materiale, vervaardigingstegnologieë en data-gebaseerde modellering.'n Voorbeeld van 'n toepassing waar kunsmatige intelligensie die produksieproses kan ondersteun, is die verwerking van veselversterkte saamgestelde materiale.
In die nuutgestigte kunsmatige intelligensie-produksienetwerk bestudeer wetenskaplikes hoe kunsmatige intelligensie produksieprosesse kan optimaliseer.Byvoorbeeld, aan die einde van baie waardekettings in lugvaart- of meganiese ingenieurswese, verwerk CNC-masjiengereedskap die finale kontoere van komponente gemaak van veselversterkte polimeersamestellings.Hierdie bewerkingsproses stel hoë eise aan die frees.Navorsers aan die Universiteit van Augsburg glo dat dit moontlik is om die bewerkingsproses te optimaliseer deur sensors te gebruik wat CNC-freesstelsels monitor.Hulle gebruik tans kunsmatige intelligensie om die datastrome wat deur hierdie sensors verskaf word, te evalueer.
Industriële vervaardigingsprosesse is gewoonlik baie kompleks, en daar is baie faktore wat die resultate beïnvloed.Toerusting en verwerkingsgereedskap sly byvoorbeeld vinnig, veral harde materiale soos koolstofvesel.Daarom is die vermoë om kritieke slytasievlakke te identifiseer en te voorspel noodsaaklik om hoë-gehalte afgewerkte en gemasjineerde saamgestelde strukture te verskaf.Navorsing oor industriële CNC freesmasjiene toon dat toepaslike sensortegnologie gekombineer met kunsmatige intelligensie sulke voorspellings en verbeterings kan verskaf.
Industriële CNC freesmasjien vir ultrasoniese sensor navorsing.Beeldbron: Alle regte voorbehou deur die Universiteit van Augsburg
Die meeste moderne CNC freesmasjiene het ingeboude basiese sensors, soos om energieverbruik, voerkrag en wringkrag aan te teken.Hierdie data is egter nie altyd voldoende om die fyn besonderhede van die maalproses op te los nie.Vir hierdie doel het die Universiteit van Augsburg 'n ultrasoniese sensor ontwikkel vir die ontleding van struktuurklank en dit geïntegreer in 'n industriële CNC freesmasjien.Hierdie sensors bespeur gestruktureerde klankseine in die ultrasoniese reeks wat tydens maal gegenereer word en versprei dan deur die stelsel na die sensors.
Die struktuurklank kan gevolgtrekkings maak oor die toestand van die verwerkingsproses."Dit is 'n aanduiding wat vir ons net so betekenisvol is soos 'n boogsnaar vir 'n viool is," het prof. Markus Sause, direkteur van die kunsmatige intelligensie-produksienetwerk, verduidelik.“Musiekprofessionals kan dadelik aan die hand van die klank van die viool bepaal of dit gestem is en die speler se bemeestering van die instrument.”Maar hoe is hierdie metode van toepassing op CNC-masjiengereedskap?Masjienleer is die sleutel.
Om die CNC-freesproses te optimaliseer op grond van die data wat deur die ultrasoniese sensor aangeteken is, het die navorsers wat met Sause gewerk het, sogenaamde masjienleer gebruik.Sekere kenmerke van die akoestiese sein kan dui op ongunstige prosesbeheer, wat daarop dui dat die kwaliteit van die gemaalde deel swak is.Daarom kan hierdie inligting gebruik word om die maalproses direk aan te pas en te verbeter.Om dit te doen, gebruik die aangetekende data en die ooreenstemmende toestand (byvoorbeeld goeie of slegte verwerking) om die algoritme op te lei.Dan kan die persoon wat die freesmasjien bestuur op die voorgestelde stelselstatusinligting reageer, of die stelsel kan outomaties reageer deur middel van programmering.
Masjienleer kan nie net die freesproses direk op die werkstuk optimaliseer nie, maar ook die instandhoudingsiklus van die produksieaanleg so ekonomies moontlik beplan.Funksionele komponente moet so lank as moontlik in die masjien werk om ekonomiese doeltreffendheid te verbeter, maar spontane mislukkings wat veroorsaak word deur komponentskade moet vermy word.
Voorspellende instandhouding is 'n metode waarin KI versamelde sensordata gebruik om te bereken wanneer onderdele vervang moet word.Vir die CNC freesmasjien wat bestudeer word, herken die algoritme wanneer sekere eienskappe van die klanksein verander.Op hierdie manier kan dit nie net die mate van slytasie van die bewerkingsgereedskap identifiseer nie, maar ook die korrekte tyd voorspel om die gereedskap te verander.Hierdie en ander kunsmatige intelligensie-prosesse word by die kunsmatige intelligensie-produksienetwerk in Augsburg geïnkorporeer.Die drie hoofvennootorganisasies werk saam met ander produksiefasiliteite om 'n vervaardigingsnetwerk te skep wat op 'n modulêre en materiaal-geoptimaliseerde wyse herkonfigureer kan word.
Verduidelik die ou kuns agter die bedryf se eerste veselversterking, en het 'n diepgaande begrip van nuwe veselwetenskap en toekomstige ontwikkeling.
Postyd: Okt-08-2021