Kënschtlech Intelligenz Optimiséiert CNC Fräsen vu Kuelestofffaser Verstäerkte Kompositen |Komposit Material Welt

Den Augsburg AI Produktiounsnetz-DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV an d'Universitéit Augsburg benotzen Ultraschallsensoren fir den Toun mat der Qualitéit vun der Kompositmaterialveraarbechtung ze korreléieren.
En Ultraschallsensor op enger CNC-Fräsmaschinn installéiert fir d'Qualitéit vun der Veraarbechtung ze iwwerwaachen.Bildquell: All Rechter reservéiert vun der Universitéit Augsburg
D'Augsburg AI (Kënschtlech Intelligenz) Produktiounsnetz, am Januar 2021 gegrënnt a mat Sëtz zu Augsburg, Däitschland, bréngt d'Universitéit Augsburg, Fraunhofer zesummen, a Fuerschung iwwer Goss, Kompositmaterial a Veraarbechtungstechnologie (Fraunhofer IGCV) an déi däitsch Liichtgewiicht Produktiounstechnologie Zentrum.German Aerospace Center (DLR ZLP).Den Zweck ass d'Kënschtlech Intelligenz-baséiert Produktiounstechnologien op der Interface tëscht Materialien, Fabrikatiounstechnologien an Daten-baséiert Modeller ze fuerschen.E Beispill vun enger Applikatioun wou kënschtlech Intelligenz de Produktiounsprozess ënnerstëtzen kann ass d'Veraarbechtung vu fiberverstäerkte Kompositmaterialien.
Am nei etabléierten kënschtlechen Intelligenz Produktiounsnetz, studéiere Wëssenschaftler wéi kënschtlech Intelligenz d'Produktiounsprozesser optiméiere kann.Zum Beispill, um Enn vu ville Wäertketten an der Raumfaart- oder Maschinnentechnik, veraarbechten CNC-Maschinnen-Tools déi endgülteg Konturen vu Komponenten aus Glasfaser-verstäerkte Polymer-Kompositen.Dëse Bearbechtungsprozess stellt héich Ufuerderungen un de Fräser.Fuerscher vun der Universitéit Augsburg gleewen datt et méiglech ass de Veraarbechtungsprozess ze optimiséieren andeems Dir Sensoren benotzt déi CNC-Frässystemer iwwerwaachen.Si benotze momentan kënschtlech Intelligenz fir d'Datestroum vun dëse Sensoren ze evaluéieren.
Industriell Fabrikatiounsprozesser si meeschtens ganz komplex, an et gi vill Faktoren déi d'Resultater beaflossen.Zum Beispill, Ausrüstung a Veraarbechtungsinstrumenter verschwannen séier, besonnesch haart Materialien wéi Kuelestofffaser.Dofir ass d'Fäegkeet fir kritesch Verschleiungsniveauen z'identifizéieren an virauszesoen ass essentiell fir héichqualitativ geschnidde a machinéiert Kompositstrukturen ze bidden.Fuerschung op industriell CNC milling Maschinnen weist, datt passenden Sensor Technologie kombinéiert mat kënschtlech Intelligenz esou Prognosen a Verbesserungen kann.
Industriell CNC Milling Maschinn fir Ultraschall Sensor Fuerschung.Bildquell: All Rechter reservéiert vun der Universitéit Augsburg
Déi meescht modern CNC Fräsmaschinnen hunn agebaute Basissensoren, sou wéi d'Energieverbrauch, d'Fütterkraaft an d'Dréimoment opzehuelen.Wéi och ëmmer, dës Donnéeë sinn net ëmmer genuch fir déi fein Detailer vum Fräsprozess ze léisen.Zu dësem Zweck huet d'Universitéit Augsburg en Ultraschallsensor entwéckelt fir d'Strukturklang ze analyséieren an an eng industriell CNC-Fräsmaschinn integréiert.Dës Sensoren entdecken strukturéiert Tounsignaler am Ultraschallberäich, deen während dem Fräsen generéiert gëtt, a propagéieren dann duerch de System op d'Sensoren.
D'Struktur Sound kann Conclusiounen iwwer den Zoustand vun der Veraarbechtung Prozess zéien."Dëst ass en Indikator, dee fir eis esou sënnvoll ass wéi e Boustreng fir eng Gei", erkläert de Prof. Markus Sause, Direkter vum Kënschtlechen Intelligenz Produktiounsnetz."Museksfachleit kënnen direkt vum Toun vun der Gei bestëmmen ob se ofgestëmmt ass an dem Spiller seng Meeschterschaft vum Instrument."Awer wéi gëlt dës Method fir CNC Maschinnen?Maschinn Léieren ass de Schlëssel.
Fir den CNC-Fräsprozess ze optimiséieren op Basis vun den Daten, déi vum Ultraschallsensor opgeholl goufen, hunn d'Fuerscher, déi mat Sause geschafft hunn, sougenannte Maschinnléiere benotzt.Bestëmmte Charakteristiken vum akustesche Signal kënnen ongënschteg Prozesskontrolle weisen, wat beweist datt d'Qualitéit vum gefruerenen Deel schlecht ass.Dofir kann dës Informatioun benotzt ginn fir de Millingprozess direkt unzepassen an ze verbesseren.Fir dëst ze maachen, benotzt déi opgeholl Daten an den entspriechende Staat (zum Beispill gutt oder schlecht Veraarbechtung) fir den Algorithmus ze trainéieren.Dann kann d'Persoun déi d'Fräsmaschinn bedreift op d'presentéiert Systemstatusinformatioun reagéieren, oder de System kann automatesch duerch Programméierung reagéieren.
Maschinn Léieren kann net nëmmen de milling Prozess direkt op der workpiece optimiséieren, mee plangen och den Ënnerhalt Zyklus vun der Produktioun Planz esou wirtschaftlech wéi méiglech.Funktionell Komponente musse sou laang wéi méiglech an der Maschinn schaffen fir d'wirtschaftlech Effizienz ze verbesseren, awer spontan Feeler, déi duerch Komponentschued verursaacht ginn, musse vermeit ginn.
Predictive Maintenance ass eng Method an där AI gesammelt Sensordaten benotzt fir ze berechnen wéini Deeler solle ersat ginn.Fir d'CNC Milling Maschinn ënner Studie erkennt den Algorithmus wann verschidde Charakteristiken vum Tounsignal änneren.Op dës Manéier kann et net nëmmen de Verschleißgrad vum Veraarbechtungsinstrument identifizéieren, awer och déi richteg Zäit virauszesoen fir d'Tool z'änneren.Dës an aner kënschtlech Intelligenz Prozesser ginn an d'kënschtlech Intelligenz Produktiounsnetz zu Augsburg agebaut.Déi dräi Haaptpartnerorganisatiounen kollaboréieren mat anere Produktiounsanlagen fir e Fabrikatiounsnetz ze kreéieren deen op eng modulär a materiell optimiséiert Manéier nei konfiguréiert ka ginn.
Erkläert déi al Konscht hannert der éischter Faserverstäerkung vun der Industrie, an huet en am-Déift Verständnis vun der neier Faserwëssenschaft an zukünfteg Entwécklung.


Post Zäit: Okt-08-2021