AIがカーボンファイバー複合材のCNCフライス加工精度を向上

2021年1月設立のアウクスブルクAI生産ネットワーク（ドイツ・アウクスブルク拠点）は、アウクスブルク大学、フラウンホーファー鋳造・複合材・加工技術研究所（Fraunhofer IGCV）、ドイツ航空宇宙センター軽量生産技術センター（DLR ZLP）を統合し、材料、製造技術、データベースモデリングの接点におけるAIベース生産技術の共同研究を推進しています。AIが生産プロセスを支援する一例として、繊維強化複合材の機械加工が挙げられます。

複雑な製造プロセスにおける工具摩耗予測

産業製造プロセスは多くの要因が結果に影響する高度に複雑なものです。例えば、カーボンファイバーのような硬い材料では、設備と加工工具が急速に摩耗します。重要な摩耗度を認識・予測する能力は、高品質な複合材構造部品のトリミング・機械加工を提供するために不可欠です。産業用CNCフライス盤での研究が、適切なセンサー技術とAIの組み合わせが如何に予測と改善をもたらすかを示しています。

構造伝播音と機械学習

最新のCNCフライス盤には、消費電力、送り力、トルクなどを記録する基本センサーが内蔵されています。しかし、このデータではフライス加工の微細な詳細を解明するには不十分な場合があります。そのため、アウクスブルク大学で超音波センサーを開発し、産業用CNCフライス盤に統合しました。これらのセンサーは、フライス加工中に発生しシステムを伝播してセンサーに到達する超音波領域の構造伝播音信号を検出します。

構造伝播音から加工プロセスの状態を推測できます。「これは、バイオリンの弓のストロークがバイオリンにとってどれほど意味があるかと同様に、私たちにとって意味深い指標です」と、AI生産ネットワーク所長のマルクス・ザウゼ教授は説明します。「音楽のプロは、バイオリンの音から即座に音程が合っているか、演奏者が楽器をいかに習得しているかを判断できます。では、CNC工作機械ではどうでしょうか。鍵は機械学習です。」

機械学習で加工プロセスを直接最適化

超音波センサーから記録されたデータに基づきCNCフライス加工プロセスを最適化するため、ザウゼ教授らの研究者たちは機械学習を活用しています。音響信号の特定の特徴が不適切なプロセス制御を示し、加工品質の低下を指摘します。その結果、この情報でフライス加工プロセスを直接調整・改善できます。そのため、記録データと対応する状態（良好な加工・不良な加工など）でアルゴリズムを訓練します。工作機械オペレーターは提示されるシステム状態情報に反応でき、またはシステムを自動反応するようプログラムできます。

予知保全：先を見越して行動

機械学習は、ワーク上のフライス加工プロセスを直接最適化するだけでなく、生産設備の保守サイクルを可能な限り経済的に計画できます。機能部品は経済効率を高めるためにできるだけ長く機械で稼働すべきですが、部品損傷による突発的故障は避けなければなりません。

予知保全は、収集したセンサーデータを用いてAIが部品交換時期を計算するアプローチです。調査対象のCNCフライス盤では、アルゴリズムが音響信号の特定特性の変化を認識します。これにより、加工工具の摩耗度を特定するだけでなく、工具交換の適切な時期を予測できます。このようなAIプロセスは、アウクスブルクのAI生産ネットワークに組み込まれ、3つの主要パートナー組織が他の生産施設と協力し、モジュール式かつ材料最適化された形で再構成可能な製造ネットワークを構築しています。