La rete di produzione AI di Augusta, il DLR Lightweight Production Technology Center (ZLP), il Fraunhofer IGCV e l'Università di Augusta utilizzano sensori a ultrasuoni per correlare il suono con la qualità della lavorazione dei materiali compositi.
Un sensore ad ultrasuoni installato su una fresatrice CNC per monitorare la qualità della lavorazione.Fonte immagine: tutti i diritti riservati dell'Università di Augusta
La rete di produzione Augsburg AI (Artificial Intelligence), fondata nel gennaio 2021 e con sede ad Augusta, in Germania, riunisce l'Università di Augusta, Fraunhofer, e la ricerca su fusione, materiali compositi e tecnologia di lavorazione (Fraunhofer IGCV) e la tecnologia tedesca di produzione leggera centro.Centro aerospaziale tedesco (DLR ZLP).Lo scopo è quello di ricercare congiuntamente tecnologie di produzione basate sull’intelligenza artificiale all’interfaccia tra materiali, tecnologie di produzione e modellazione basata sui dati.Un esempio di applicazione in cui l’intelligenza artificiale può supportare il processo produttivo è la lavorazione di materiali compositi fibrorinforzati.
Nella nuova rete di produzione dell’intelligenza artificiale gli scienziati stanno studiando come l’intelligenza artificiale può ottimizzare i processi di produzione.Ad esempio, alla fine di molte catene del valore nell’ingegneria aerospaziale o meccanica, le macchine utensili CNC elaborano i contorni finali dei componenti realizzati in compositi polimerici rinforzati con fibre.Questo processo di lavorazione pone elevate esigenze alla fresa.I ricercatori dell'Università di Augusta ritengono che sia possibile ottimizzare il processo di lavorazione utilizzando sensori che monitorano i sistemi di fresatura CNC.Attualmente stanno utilizzando l’intelligenza artificiale per valutare i flussi di dati forniti da questi sensori.
I processi di produzione industriale sono solitamente molto complessi e sono molti i fattori che influenzano i risultati.Ad esempio, le attrezzature e gli strumenti di lavorazione si usurano rapidamente, soprattutto i materiali duri come la fibra di carbonio.Pertanto, la capacità di identificare e prevedere i livelli critici di usura è essenziale per fornire strutture composite rifinite e lavorate di alta qualità.La ricerca sulle fresatrici CNC industriali mostra che un’adeguata tecnologia dei sensori combinata con l’intelligenza artificiale può fornire tali previsioni e miglioramenti.
Fresatrice industriale CNC per la ricerca sui sensori a ultrasuoni.Fonte immagine: tutti i diritti riservati dell'Università di Augusta
La maggior parte delle moderne fresatrici CNC sono dotate di sensori di base integrati, come la registrazione del consumo energetico, della forza di avanzamento e della coppia.Tuttavia, questi dati non sono sempre sufficienti per risolvere i dettagli più fini del processo di fresatura.A tal fine, l’Università di Augusta ha sviluppato un sensore a ultrasuoni per l’analisi del rumore strutturale e lo ha integrato in una fresatrice CNC industriale.Questi sensori rilevano i segnali sonori strutturati generati durante la fresatura nella gamma degli ultrasuoni e si propagano quindi attraverso il sistema fino ai sensori.
Il suono della struttura può trarre conclusioni sullo stato del processo di elaborazione."Si tratta di un indicatore che per noi ha lo stesso significato che la corda di un arco lo è per un violino", spiega il prof. Markus Sause, direttore della rete di produzione dell'intelligenza artificiale."I professionisti della musica possono immediatamente determinare dal suono del violino se è accordato e la padronanza dello strumento da parte del suonatore."Ma come si applica questo metodo alle macchine utensili CNC?L’apprendimento automatico è la chiave.
Per ottimizzare il processo di fresatura CNC sulla base dei dati registrati dal sensore a ultrasuoni, i ricercatori di Sause hanno utilizzato il cosiddetto machine learning.Alcune caratteristiche del segnale acustico possono indicare un controllo del processo sfavorevole, che indica che la qualità del pezzo fresato è scarsa.Pertanto, queste informazioni possono essere utilizzate per regolare e migliorare direttamente il processo di fresatura.Per fare ciò, utilizzare i dati registrati e lo stato corrispondente (ad esempio, elaborazione buona o cattiva) per addestrare l'algoritmo.Quindi, la persona che utilizza la fresatrice può reagire alle informazioni sullo stato del sistema presentate, oppure il sistema può reagire automaticamente attraverso la programmazione.
Il machine learning può non solo ottimizzare il processo di fresatura direttamente sul pezzo, ma anche pianificare il ciclo di manutenzione dell'impianto di produzione nel modo più economico possibile.I componenti funzionali devono funzionare nella macchina il più a lungo possibile per migliorare l'efficienza economica, ma devono essere evitati guasti spontanei causati da danni ai componenti.
La manutenzione predittiva è un metodo in cui l’intelligenza artificiale utilizza i dati dei sensori raccolti per calcolare quando le parti dovrebbero essere sostituite.Per la fresatrice CNC in studio, l'algoritmo riconosce quando cambiano determinate caratteristiche del segnale sonoro.In questo modo, non solo è possibile identificare il grado di usura dell'utensile di lavorazione, ma anche prevedere il momento corretto per cambiare l'utensile.Questo e altri processi di intelligenza artificiale vengono integrati nella rete di produzione dell’intelligenza artificiale ad Augusta.Le tre principali organizzazioni partner stanno collaborando con altri stabilimenti di produzione per creare una rete di produzione che può essere riconfigurata in modo modulare e ottimizzata per i materiali.
Spiega l'antica arte dietro il primo rinforzo in fibra del settore e ha una conoscenza approfondita della scienza delle nuove fibre e dello sviluppo futuro.
Orario di pubblicazione: 08-ottobre-2021