通過傳感器、邊緣設備和機器學習軟件，sensXPERT能夠洞察流程，為像ZF和Carbon Revolution這樣的復合材料客戶提升質量、切割廢料、周期時間和能源消耗。

數字工具和仿真在復合材料零件設計中的重要性已得到廣泛認可，其應用已從零件設計擴展到工藝仿真與建模，助力制造商在生產前解決材料與工藝的相互作用問題。如今，多數制造商已開始利用傳感器收集溫度、壓力等工藝數據并輸入模擬，但實時建模以適配每個零件成型過程的需求，仍未得到充分滿足——這正是sensXPERT技術的核心價值所在。

與傳統數字建模不同，sensXPERT技術不創建數字模型，而是將機器、工藝數據與模具中介電分析(DEA)傳感器數據相結合，通過DEA傳感器監測聚合物和復合材料的粘度、固化行為，再經邊緣設備進行數據分析，讓制造商實時掌握零件內部狀態，并動態控制每個零件的周期時間。該數字模具技術適用于注塑、壓縮成型、樹脂注入、RTM及預浸料熱壓罐固化等多種塑料和復合工藝，可在固化度、玻璃轉變溫度(Tg)達到要求時停止固化過程，同時跟蹤材料粘度、流前端位置及材料偏差，幫助調整工藝以減少零件報廢。借助機器學習算法，sensXPERT實現了材料行為的實時表征，在提升質量控制、縮短周期時間的同時，減少能源消耗，為行業可持續發展提供了新工具。

SensXPERT使用邊緣設備收集其DEA傳感器及第三方傳感器的數據，然后用軟件分析這些數據以跟蹤固化/聚合/結晶程度 Tg材料粘度等(TOP)有助于實現一系列提升可持續性的益處。

sensXPERT技術由德國Netzsch公司開發，該公司成立于1873年，下設泵與系統、研磨與分散、分析與測試三大部門。2000年，Netzsch收購了美國Holometrix Micromet公司及其DEA技術——該技術源自麻省理工學院。多年來，DEA技術主要應用于實驗室熱分析，隨著數字技術發展，Netzsch決定將其拓展至制造領域，挖掘實際生產價值。

2016年，亞歷克斯·查洛普卡(Alex Chaloupka)加入Netzsch分析與測試部門，兩年內重點提升DEA傳感器的信號質量及與碳纖維的兼容性，解決了碳纖維導電性可能導致的短路問題。2018年，Netzsch在該部門內設立新的流程分析業務領域，查洛普卡主導將DEA技術推向全球生產應用，僅前兩年就實現收入翻倍。

為進一步挖掘數據價值，將實驗室材料科學與生產環境結合，Netzsch于2019年創立NedgeX數字孵化器，旨在孵化新想法與商業模式。同年，查洛普卡向孵化器評審委員會提出sensXPERT項目，核心是結合現有測量技術與新的數據科學，打造惠及客戶的新產品。該項目獲批后，2020年作為孵化器業務啟動，一年內便推出最小可行產品，包含邊緣設備、算法及云環境，可實時計算Tg、固化度等質量參數，并在大型企業中建立知名度，還與阿爾法客戶ZF集團、Carbon Revolution合作開發用例。2021年，Netzsch Process Intelligence成立，sensXPERT成為其首款商業技術產品，團隊從最初4人擴展至34人，制造、運輸等服務外包給集團姊妹業務，得以專注服務客戶。

ZF集團作為sensXPERT的首批客戶之一，是全球領先的一級汽車供應商，生產動力系統相關金屬和塑料部件，其電子電路板封裝采用環氧樹脂成型化合物的轉移成型工藝，材料不均勻且固化時間需1.5至3分鐘。sensXPERT通過監測材料行為，幫助ZF集團潛在減少21%的周期時間，同時識別工藝中的材料偏差——即便使用單一批次材料、控制工藝參數一致，實際生產中每個零件仍存在差異。傳統工藝中，制造商需增加周期時間作為安全余裕，而sensXPERT可實時計算固化度和Tg，消除多余安全時間，提升效率。

SensXPERT正與航空供應鏈及各樹脂制造商合作，通過使用HP-RTM零件的雙組分樹脂系統，縮短RTM的周期時間，實現更高產量、更快速的零件制造。

另一阿爾法客戶是飛機制造商，其在碳纖維/環氧樹脂梁和面板的批量生產中應用sensXPERT RTM工藝，經數年合作已完成級聯生產線安裝，周期時間有望減少30%。目前航空供應鏈正探索高壓RTM(HP-RTM)技術，采用雙組份樹脂生產大型結構件，目標將周期時間從4-6小時縮短至1.5小時。但從預混RTM6樹脂轉向長保質期雙組份系統存在挑戰，Netzsch正與合作伙伴開展研發，在混合頭安裝傳感器測量混合比，結合RTM部件數據優化制造工藝。

SensXPERT使用模具內DEA傳感器、邊緣設備和軟件，將DEA（及其他）傳感器及機器數據轉換為有用且可操作的信息。

sensXPERT技術由傳感器、邊緣設備、軟件及IT框架四大核心組件構成。DEA傳感器安裝在模具中，采集材料行為信息；邊緣設備作為小型工業電腦，連接傳感器及其他壓力、溫度傳感器，接收多類數據流，同時與機器控制系統通信，實現參數與工藝數據的雙向交互；邊緣設備搭載的軟件包含機器學習算法，可在設備端完成大部分分析，云端則用于機器學習模型的訓練與再訓練；IT基礎設施需與客戶共同驗證，基于材料科學和實時工藝數據，為特定用例構建專屬機器學習模型。

sensXPERT的安裝流程圍繞客戶需求展開：首先明確客戶優化目標（縮短周期、減少廢料、提升工藝透明度等），結合其制造環境經驗構建機器學習模型，避免無效參數測量，聚焦實際價值；隨后安裝傳感器、邊緣設備及IT基礎設施，通過生產零件構建模型，最終開展數據分析與流程評估。其核心價值在于，通過技術手段關聯多類工藝參數與材料行為，實現人類難以完成的實時分析與調整，彌補了企業專家資源的不足。

工廠車間的邊緣設備可連接客戶內聯網，理想狀態下接入互聯網，將數據傳輸至云端進行高級分析。Netzsch已建立完善的數據安全基礎設施，可滿足不同規模企業的需求。云端軟件利用歷史數據優化機器學習模型，提升邊緣設備的分析能力，同時將數據導入儀表盤，方便日常監控與運營。

sensXPERT可處理粘合劑、陶瓷前聚合物、熱塑性復合材料等多種材料，目前95%的客戶聚焦熱固性樹脂領域，同時正拓展熱塑性客戶，可測量半晶熱塑性塑料的結晶及非晶熱塑性塑料的凝固，已在萙內酰胺原位聚合成PA6的六西格瑪生產中應用。此外，面對歐盟法規對回收材料使用的要求，sensXPERT可實時監測回收材料的偏差，幫助制造商調整參數，確保產品質量。

原位固化管（CIPP- cured in place pipe ）可以利用紫外線固化FRP管道襯里，無需挖掘腐蝕的舊管。

Netzsch還開發了第二款產品sensXPERT Pipe，用于玻璃纖維增強聚合物(GFRP)原位固化管道(CIPP)襯里的分析。該產品利用機器人搭載無接觸DEA傳感器，結合紫外線光源固化FRP內襯，通過射頻技術實時監測固化狀態，動態調整光源移動速度，同時生成內置質量保證記錄，將QA融入安裝過程。

sensXPERT首席執行官科尼拉·拜爾(Corneila Beyer)表示，技術最初聚焦塑料和復合材料生產工藝優化，可持續性是附帶價值，如今已成為客戶的核心需求。該技術不僅實現動態生產與實時優化，還能通過機器學習和人工智能進行預測，及時發出工藝異常警報并提供調整建議。目前，sensXPERT已與赫氏(Hexcel)等材料供應商、KrausMaffei等機械制造商合作，構建“團結更好”的供應鏈協作模式，推動行業共同發展。

補充資料

sensXPERT是一款以軟件驅動的解決方案，旨在通過實時檢測材料成分來優化制造流程，縮短生產周期，減少浪費并提高產品質量。它利用先進的分析技術和傳感器數據，幫助制造商降低經濟損失，擺脫材料和工藝偏差的依賴，并實現更高的可持續性。該平臺面向尋求在降低成本和環境影響的同時最大化生產效率和質量的制造企業。

原文，《Next-gen composites manufacturing: Combining material, machine and mold cavity data with analytics》 2023.9.26

楊超凡，有刪改