人工知能が炭素繊維強化複合材料のCNCフライス盤を最適化

2021年1月に設立され、ドイツのアウグスブルクに拠点を置くアウグスブルクAI（人工知能）生産ネットワークは、アウグスブルク大学、フラウンホーファー鋳造複合加工技術研究所（Fraunhofer IGCV）、および軽量生産技術センターを結集しています。ドイツ航空宇宙センター（DLR ZLP）。目的は、材料、製造技術、データベースモデリングの間のインターフェースでのAIベースの生産技術の共同研究です。 AIが生産プロセスをサポートできる1つのアプリケーション例は、繊維強化複合材料の機械加工です。

新しく設立されたAI生産ネットワークでは、科学者はAIが生産プロセスを最適化する方法を研究しています。たとえば、航空宇宙または機械工学の多くのバリューチェーンの最後に、CNCマシンは、繊維強化ポリマー複合材料から作られたコンポーネントの最終的な輪郭を処理します。この機械加工プロセスは、フライス盤に高い要求を課します。アウグスブルク大学の研究者は、CNCフライス盤システムを監視するセンサーを使用することで機械加工プロセスを最適化できる可能性があると考えています。彼らは現在、これらのセンサーによって提供されるデータストリームを評価するためにAIを使用しています。

多くの場合、工業製造プロセスは非常に複雑であり、結果に影響を与える多くの要因があります。たとえば、機器や工作機械は、特に炭素繊維などの硬い材料ではすぐに摩耗します。したがって、臨界摩耗度を認識して予測する能力は、高品質のトリミングおよび機械加工された複合構造を提供するために不可欠です。産業用CNCフライス盤の研究は、AIと組み合わせた適切なセンサー技術が、このような予測と改善をどのように実現できるかを示しています。

構造に基づく音と機械学習

最新のCNCフライス盤のほとんどには、エネルギー消費量、送り力、トルクなどを記録する基本的なセンサーがすでに組み込まれています。ただし、このデータは、フライス盤プロセスの細部を解決するのに必ずしも十分ではありません。このため、構造物から発生する音を分析するための超音波センサーがアウグスブルク大学で開発され、産業用CNCフライス盤に統合されました。これらのセンサーは、粉砕プロセス中に生成され、システムを介してセンサーに伝播する超音波範囲の構造伝達音信号を検出します。

構造に基づく音により、機械加工プロセスの状態について結論を導き出すことができます。 「これは、バイオリンの弓のストロークと同じくらい意味のある指標です」と、AI ProductionNetworkのディレクターであるMarkusSause博士は説明します。 「音楽の専門家は、バイオリンの音から、それが調律されているかどうか、そしてそれを演奏している人が楽器をどれだけ上手に習得しているかをすぐに知ることができます。」しかし、このアプローチはCNCマシンでどのように機能しますか？機械学習が鍵です。

超音波センサーからの記録データに基づいてCNCフライス盤プロセスを最適化するために、Sauseと協力している研究者は、機械学習と呼ばれるものを利用しています。音響信号の特定の特性は、好ましくないプロセス制御を示している可能性があります。これは、粉砕されたコンポーネントの品質が低いことを示しています。その結果、この情報を使用してフライス盤プロセスを直接調整および改善できます。この目的のために、アルゴリズムは記録されたデータと対応する状態（たとえば、良好または不良の機械加工）でトレーニングされます。フライス盤を操作する人は、提示されたシステムステータス情報に反応するか、システムが自動的に反応するようにプログラムすることができます。

予知保全-先見の明を持って行動する

機械学習は、ワークピース上で直接フライス盤プロセスを最適化するだけでなく、生産プラントのメンテナンスサイクルを可能な限り経済的に計画することもできます。機能部品は、経済性を高めるためにできるだけ長く機械で動作する必要がありますが、損傷した部品による自然故障は回避する必要があります。

予知保全は、AIが収集したセンサーデータを使用して、部品をいつ交換する必要があるかを計算するアプローチです。調査中のCNCフライス盤の場合、アルゴリズムは音声信号の特定の特性がいつ変化するかを認識します。このようにして、工作機械の摩耗の程度を特定するだけでなく、工作機械を交換する適切な時期を予測します。このAIプロセスと他のAIプロセスは、アウグスブルクのAIプロダクションネットワークに組み込まれています。 3つの主要なパートナー組織は、他の生産施設と協力して、モジュール式で材料に最適化された方法で再構成できる製造ネットワークを作成しています。