Gumagamit ng mga ultrasonic sensor ang Augsburg AI production network-DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV at ang University of Augsburg para iugnay ang tunog sa kalidad ng composite material processing.
Isang ultrasonic sensor na naka-install sa isang CNC milling machine upang subaybayan ang kalidad ng machining.Pinagmulan ng larawan: Lahat ng karapatan ay nakalaan ng Unibersidad ng Augsburg
Ang network ng produksyon ng Augsburg AI (Artificial Intelligence) na itinatag noong Enero 2021 at naka-headquarter sa Augsburg, Germany-nagsasama-sama ng University of Augsburg, Fraunhofer, at pananaliksik sa casting, composite materials at processing technology (Fraunhofer IGCV) at ang German lightweight production technology gitna.German Aerospace Center (DLR ZLP).Ang layunin ay upang magkasamang magsaliksik ng mga teknolohiya ng produksyon na nakabatay sa artificial intelligence sa interface sa pagitan ng mga materyales, teknolohiya sa pagmamanupaktura at pagmomodelo na nakabatay sa data.Ang isang halimbawa ng isang application kung saan maaaring suportahan ng artificial intelligence ang proseso ng produksyon ay ang pagproseso ng fiber-reinforced composite materials.
Sa bagong tatag na network ng produksyon ng artificial intelligence, pinag-aaralan ng mga siyentipiko kung paano ma-optimize ng artificial intelligence ang mga proseso ng produksyon.Halimbawa, sa dulo ng maraming value chain sa aerospace o mechanical engineering, pinoproseso ng mga tool ng CNC machine ang mga huling contour ng mga bahagi na gawa sa fiber-reinforced polymer composites.Ang proseso ng machining na ito ay naglalagay ng mataas na pangangailangan sa milling cutter.Naniniwala ang mga mananaliksik sa University of Augsburg na posibleng i-optimize ang proseso ng machining sa pamamagitan ng paggamit ng mga sensor na sumusubaybay sa mga CNC milling system.Kasalukuyan silang gumagamit ng artificial intelligence upang suriin ang mga stream ng data na ibinigay ng mga sensor na ito.
Ang mga proseso ng pagmamanupaktura ng industriya ay kadalasang napakakomplikado, at maraming mga salik na nakakaapekto sa mga resulta.Halimbawa, ang mga kagamitan at mga tool sa pagpoproseso ay mabilis na nasisira, lalo na ang mga matitigas na materyales gaya ng carbon fiber.Samakatuwid, ang kakayahang tukuyin at hulaan ang mga kritikal na antas ng pagsusuot ay mahalaga upang makapagbigay ng mataas na kalidad na trimmed at machined composite structure.Ang pananaliksik sa mga pang-industriyang CNC milling machine ay nagpapakita na ang naaangkop na teknolohiya ng sensor na sinamahan ng artificial intelligence ay maaaring magbigay ng mga naturang hula at pagpapabuti.
Industrial CNC milling machine para sa pananaliksik ng ultrasonic sensor.Pinagmulan ng larawan: Lahat ng karapatan ay nakalaan ng Unibersidad ng Augsburg
Karamihan sa mga modernong CNC milling machine ay may built-in na mga pangunahing sensor, tulad ng pagtatala ng pagkonsumo ng enerhiya, lakas ng feed at metalikang kuwintas.Gayunpaman, ang data na ito ay hindi palaging sapat upang malutas ang mga pinong detalye ng proseso ng paggiling.Sa layuning ito, ang Unibersidad ng Augsburg ay bumuo ng isang ultrasonic sensor para sa pagsusuri ng tunog ng istraktura at isinama ito sa isang pang-industriya na CNC milling machine.Nakikita ng mga sensor na ito ang mga structured sound signal sa ultrasonic range na nabuo sa panahon ng paggiling at pagkatapos ay nagpapalaganap sa system patungo sa mga sensor.
Ang tunog ng istraktura ay maaaring gumawa ng mga konklusyon tungkol sa estado ng proseso ng pagproseso."Ito ay isang tagapagpahiwatig na kasingkahulugan ng isang bowstring sa isang biyolin," paliwanag ni Prof. Markus Sause, direktor ng artificial intelligence production network."Ang mga propesyonal sa musika ay maaaring agad na matukoy mula sa tunog ng biyolin kung ito ay nakatutok at ang kahusayan ng manlalaro sa instrumento."Ngunit paano nalalapat ang pamamaraang ito sa mga tool sa makina ng CNC?Machine learning ang susi.
Upang ma-optimize ang proseso ng paggiling ng CNC batay sa data na naitala ng ultrasonic sensor, ginamit ng mga mananaliksik na nagtatrabaho sa Sause ang tinatawag na machine learning.Ang ilang mga katangian ng acoustic signal ay maaaring magpahiwatig ng hindi kanais-nais na kontrol sa proseso, na nagpapahiwatig na ang kalidad ng giniling na bahagi ay hindi maganda.Samakatuwid, ang impormasyong ito ay maaaring gamitin upang direktang ayusin at pagbutihin ang proseso ng paggiling.Upang gawin ito, gamitin ang naitala na data at ang kaukulang estado (halimbawa, mabuti o masamang pagproseso) upang sanayin ang algorithm.Pagkatapos, ang taong nagpapatakbo ng milling machine ay maaaring mag-react sa ipinakitang impormasyon sa status ng system, o ang system ay maaaring awtomatikong mag-react sa pamamagitan ng programming.
Hindi lamang ma-optimize ng machine learning ang proseso ng paggiling nang direkta sa workpiece, ngunit planuhin din ang cycle ng pagpapanatili ng planta ng produksyon nang matipid hangga't maaari.Ang mga functional na bahagi ay kailangang gumana sa makina hangga't maaari upang mapabuti ang kahusayan sa ekonomiya, ngunit dapat na iwasan ang mga kusang pagkabigo na sanhi ng pinsala sa bahagi.
Ang predictive maintenance ay isang paraan kung saan ginagamit ng AI ang nakolektang data ng sensor para kalkulahin kung kailan dapat palitan ang mga bahagi.Para sa CNC milling machine na pinag-aaralan, kinikilala ng algorithm kapag nagbabago ang ilang partikular na katangian ng sound signal.Sa ganitong paraan, hindi lamang nito matukoy ang antas ng pagkasira ng tool sa machining, ngunit mahulaan din ang tamang oras upang baguhin ang tool.Ito at ang iba pang proseso ng artificial intelligence ay isinasama sa artificial intelligence production network sa Augsburg.Ang tatlong pangunahing kasosyong organisasyon ay nakikipagtulungan sa iba pang mga pasilidad ng produksyon upang lumikha ng isang manufacturing network na maaaring muling i-configure sa isang modular at materyal-optimized na paraan.
Ipinapaliwanag ang lumang sining sa likod ng unang fiber reinforcement ng industriya, at may malalim na pag-unawa sa bagong fiber science at pag-unlad sa hinaharap.
Oras ng pag-post: Okt-08-2021