English
簡(jiǎn)體中文
安裝在 CNC 銑床上的超聲波傳感器，用于監(jiān)控加工質(zhì)量。
圖片來(lái)源：奧格斯堡大學(xué)版權(quán)所有
奧格斯堡 AI（人工智能）生產(chǎn)網(wǎng)絡(luò)——成立于 2021 年 1 月，總部位于德國(guó)奧格斯堡——匯集了奧格斯堡大學(xué)（University of Augsburg）、弗勞恩霍夫鑄造研究所（Fraunhofer Institute for Foundry）、復(fù)合材料和加工技術(shù)研究所 (Fraunhofer IGCV) 和德國(guó)航空航天中心輕量化生產(chǎn)技術(shù)中心（DLR ZLP）。目的是在材料、制造技術(shù)和基于數(shù)據(jù)的建模之間的接口上聯(lián)合研究基于人工智能的生產(chǎn)技術(shù)。人工智能可以支持生產(chǎn)過(guò)程的一個(gè)應(yīng)用實(shí)例是纖維增強(qiáng)復(fù)合材料的加工。
在新成立的人工智能生產(chǎn)網(wǎng)絡(luò)中，科學(xué)家們正在研究人工智能如何優(yōu)化生產(chǎn)流程。例如，在航空航天或機(jī)械工程的許多價(jià)值鏈的末端，數(shù)控機(jī)床加工由纖維增強(qiáng)聚合物復(fù)合材料制成的部件的終輪廓。這種加工工藝對(duì)銑刀提出了很高的要求。奧格斯堡大學(xué)的研究人員認(rèn)為，通過(guò)使用監(jiān)控 CNC銑削系統(tǒng)的傳感器有可能優(yōu)化加工過(guò)程。他們目前正在使用人工智能來(lái)評(píng)估這些傳感器提供的數(shù)據(jù)流。
工業(yè)制造過(guò)程通常非常復(fù)雜，影響結(jié)果的因素很多。例如，設(shè)備和加工工具磨損很快，尤其是碳纖維等硬質(zhì)材料。因此，識(shí)別和預(yù)測(cè)臨界磨損程度的能力對(duì)于提供高質(zhì)量的修剪和機(jī)加工復(fù)合材料結(jié)構(gòu)至關(guān)重要。對(duì)工業(yè) CNC銑床的研究表明，合適的傳感器技術(shù)與人工智能相結(jié)合，可以提供此類(lèi)預(yù)測(cè)和改進(jìn)。
結(jié)構(gòu)聲與機(jī)器學(xué)習(xí)
大多數(shù)現(xiàn)代數(shù)控銑床都有一些內(nèi)置的基本傳感器，例如記錄能量消耗、進(jìn)給力和扭矩。然而，這些數(shù)據(jù)并不總是足以解決銑削過(guò)程中的細(xì)節(jié)問(wèn)題。為此，在奧格斯堡大學(xué)開(kāi)發(fā)了用于分析結(jié)構(gòu)聲的超聲波傳感器，并將其集成到工業(yè)CNC銑床中。這些傳感器檢測(cè)銑削過(guò)程中產(chǎn)生的超聲波范圍內(nèi)的結(jié)構(gòu)傳播聲音信號(hào)，然后通過(guò)系統(tǒng)傳播到傳感器。
通過(guò)結(jié)構(gòu)聲可以得出關(guān)于加工過(guò)程狀態(tài)的結(jié)論。“這是一個(gè)對(duì)我們來(lái)說(shuō)就像拉弓對(duì)小提琴一樣有意義的指標(biāo)，”人工智能生產(chǎn)網(wǎng)絡(luò)主管 Markus Sause 教授解釋說(shuō)。“音樂(lè)專(zhuān)業(yè)人士可以立即從小提琴的聲音中判斷出它是否調(diào)準(zhǔn)以及演奏者對(duì)樂(lè)器的掌握程度。” 但是這種方法如何適用于 CNC 機(jī)床？機(jī)器學(xué)習(xí)是關(guān)鍵。
為了根據(jù)超聲波傳感器記錄的數(shù)據(jù)優(yōu)化CNC 銑削過(guò)程，與 Sause合作的研究人員利用了所謂的機(jī)器學(xué)習(xí)。聲學(xué)信號(hào)的某些特征可能表示不利的過(guò)程控制，這表明銑削部件的質(zhì)量較差。因此，可以利用這些信息直接調(diào)整和改進(jìn)銑削工藝。為此，使用記錄的數(shù)據(jù)和相應(yīng)的狀態(tài)（例如加工好或壞）訓(xùn)練算法。然后，操作銑床的人員可以對(duì)呈現(xiàn)的系統(tǒng)狀態(tài)信息做出反應(yīng)，或者系統(tǒng)可以通過(guò)編程自動(dòng)做出反應(yīng)。
預(yù)測(cè)性維護(hù)-采取前瞻性行動(dòng)
機(jī)器學(xué)習(xí)不僅可以直接在工件上優(yōu)化銑削過(guò)程，還可以盡可能經(jīng)濟(jì)地規(guī)劃生產(chǎn)工廠的維護(hù)周期。功能部件需要盡可能長(zhǎng)時(shí)間地在機(jī)器中工作以提高經(jīng)濟(jì)效益，但必須避免因部件損壞而導(dǎo)致的自發(fā)故障。
預(yù)測(cè)性維護(hù)是一種 AI 使用收集的傳感器數(shù)據(jù)計(jì)算何時(shí)應(yīng)該更換零件的方法。對(duì)于正在研究的 CNC 銑床，算法會(huì)識(shí)別聲音信號(hào)的某些特征何時(shí)發(fā)生變化。通過(guò)這種方式，它不僅可以識(shí)別加工刀具的磨損程度，還可以預(yù)測(cè)更換刀具的正確時(shí)間。這個(gè)和其他人工智能流程正在被納入奧格斯堡的人工智能生產(chǎn)網(wǎng)絡(luò)。三個(gè)主要的合作伙伴組織正在與其他生產(chǎn)設(shè)施合作，以創(chuàng)建一個(gè)可以以模塊化和材料優(yōu)化的方式重新配置的制造網(wǎng)絡(luò)。