歐盟開發航空復合材料零件的零缺陷制造技術
飛機工業中復合材料零件的自動化制造還沒完全實現。盡管面向高質量結構的標準是由安全性驅動，但是當前都通過人工肉眼檢查來滿足，比如一個檢測員必須停機并在繼續前用肉眼檢查鋪層。為解決這個問題，歐盟委員會在“地平線2020”研究框架計劃內資助了ZAero項目，旨在通過一個內嵌的自動化檢測系統將復合材料零件生產效率提升30%-50%。不過項目更進了一步，還包括為工藝鏈操作員開發零件仿真和決策支持工具。這些系統如果在A320neo碳纖維增強塑料機翼蒙皮批產中實施，預計每年將節省1.5億歐元。它們還將解決當前質量控制系統無法跟上飛機生產速度增加的問題（每月60架），幫助達到所需的生產率。
圖 AFP傳感器
一、項目牽頭方
項目的設想出自奧地利Profactor公司，一個非大學研發中心，主要從事兩類活動：1．微納制造；2．工業輔助系統，如人和機器人協作（協作機器人），以及使用機器視覺和機器學習的質量保證。
Profactor機器視覺經理表示：“我們是ZAero項目的協調方，本質上該項目是我們的想法。我們與航空工業共事了一些時間，發現在碳纖維增強塑料（CFRP）零件生產中的質量控制存在問題。通過空客我們了解到檢測仍存在問題，特別是AFP，因此我們想到了覆蓋整個生產過程的大項目。整個生產過程從鋪放和將材料置入一個模具開始直到固化工藝，專注如何將質量控制、返工決策和工藝鏈進行集成。他表示ZAero只是大項目簇的一部分——專注零缺陷制造領域，不僅面向航空航天還有不同領域，如航空航天微制造和汽車。
圖 當前鋪放工藝
圖 項目概念和解決方案
二、項目交付物
ZAero項目2016年開始，預計2019年結束。其三大交付物/主要計劃是：
1．在纖維鋪放過程中替代造成生產瓶頸的現有手工檢測工藝。解決方案是一個自動化的檢測系統，探測縫隙、重疊、起毛和外來碎物（FOD）。為了可靠地完成檢測，系統必須擁有學習組件，分辨一個正常表面和一個有缺陷的，而且必須區分不同缺陷。
2．在固化過程中收集傳感器數據，預測零件的終性能。
3．在更高層級，收集來自這些系統的所有數據，以幫助操作員確定如何處理一個特定類型的缺陷。因此作為一個整體，我們正為工藝構建決策支持工具。理想上，運行越多工藝就產生越多數據，決策支持工具將變得越智能。
圖 項目預期成果
圖 項目進行的四個驗證
三、傳感器、機器學習和仿真
ZAero項目用于鋪放的傳感器已經開發出來，還為MTorres的AFP設備購買了近由空客旗下InFactory解決方案公司開發和鑒定的傳感器。項目的實驗目前基于MTorres和FIDAMC的干纖維鋪放。一個挑戰是傳感器需要集成到機床中。“AFP鋪放頭中幾乎沒有空間，它需要專門設計。”另一個問題是開發在曲面上AFP的傳感器。“后是經濟性問題。如果你要建造一個掃描表面的傳感器，它有一定的可視深度。”如果零件曲率高，則可視深度內可以掃描的區域就會變小。如果想掃描更大的區域，就需要更多掃描器或能夠掃描更多角度的能力，比如偏移10度成兩張圖像。這將類似于在大面積超聲試驗（UT）系統中使用相控陣轉換器。
圖 ADMP傳感器
盡管機器學習是Profactor的專業能力，為ZAero解決方案開發更高層級的決策支持技術還是有一些問題。“使用一個機器學習系統的標準方法，是在執行生產前將系統訓練到一個特定的性能水平。為實現這個，我們離線訓練系統，之后‘凍結’它——放到生產中不再進行更改。不過在ZAero項目中，我們在研究一個更新的方法，嘗試利用來自生產線的數據流，持續改進系統的性能。這是在線訓練。挑戰是系統的機器學習總是變化著的，而且可能不總是朝正確的方向。這樣，問題之一就是如何評價和管理這個在線機器學習，以保持工藝鏈穩定。”
達索系統公司領導仿真這一部分項目。“當前更多關注鋪放工藝。如果發現缺陷怎么辦？達索的方法不使用當前復雜的規則組合，而是從零件實際制造中獲取數據，在有限元分析（FEA）模型中使用它來預測缺陷造成的影響。它是否需要消除或處理？”
