A rede de produção de IA de Augsburg - DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV e a Universidade de Augsburg - usam sensores ultrassônicos para correlacionar o som com a qualidade do processamento de materiais compósitos.
Um sensor ultrassônico instalado em uma fresadora CNC para monitorar a qualidade da usinagem.Fonte da imagem: Todos os direitos reservados pela Universidade de Augsburg
A rede de produção Augsburg AI (Inteligência Artificial) - estabelecida em janeiro de 2021 e sediada em Augsburg, Alemanha - reúne a Universidade de Augsburg, Fraunhofer, e pesquisa em fundição, materiais compósitos e tecnologia de processamento (Fraunhofer IGCV) e a tecnologia alemã de produção leve Centro.Centro Aeroespacial Alemão (DLR ZLP).O objetivo é pesquisar conjuntamente tecnologias de produção baseadas em inteligência artificial na interface entre materiais, tecnologias de fabricação e modelagem baseada em dados.Um exemplo de aplicação onde a inteligência artificial pode apoiar o processo de produção é o processamento de materiais compósitos reforçados com fibras.
Na recém-criada rede de produção de inteligência artificial, os cientistas estão estudando como a inteligência artificial pode otimizar os processos de produção.Por exemplo, no final de muitas cadeias de valor na engenharia aeroespacial ou mecânica, as máquinas-ferramentas CNC processam os contornos finais de componentes feitos de compósitos poliméricos reforçados com fibras.Este processo de usinagem exige muito da fresa.Pesquisadores da Universidade de Augsburg acreditam que é possível otimizar o processo de usinagem por meio de sensores que monitoram sistemas de fresagem CNC.Atualmente, eles estão usando inteligência artificial para avaliar os fluxos de dados fornecidos por esses sensores.
Os processos de fabricação industrial são geralmente muito complexos e há muitos fatores que afetam os resultados.Por exemplo, equipamentos e ferramentas de processamento desgastam-se rapidamente, especialmente materiais duros como fibra de carbono.Portanto, a capacidade de identificar e prever níveis críticos de desgaste é essencial para fornecer estruturas compostas usinadas e aparadas de alta qualidade.Pesquisas em fresadoras CNC industriais mostram que a tecnologia de sensores apropriada combinada com inteligência artificial pode fornecer tais previsões e melhorias.
Fresadora CNC industrial para pesquisa de sensores ultrassônicos.Fonte da imagem: Todos os direitos reservados pela Universidade de Augsburg
A maioria das fresadoras CNC modernas possui sensores básicos integrados, como registro de consumo de energia, força de alimentação e torque.No entanto, estes dados nem sempre são suficientes para resolver os detalhes do processo de fresagem.Para este fim, a Universidade de Augsburg desenvolveu um sensor ultrassônico para analisar o som da estrutura e integrou-o em uma fresadora CNC industrial.Esses sensores detectam sinais sonoros estruturados na faixa ultrassônica gerados durante a fresagem e depois se propagam através do sistema até os sensores.
A estrutura sonora pode tirar conclusões sobre o estado do processo de processamento.“Este é um indicador tão significativo para nós quanto a corda de um arco é para um violino”, explicou o Prof. Markus Sause, diretor da rede de produção de inteligência artificial.“Os profissionais da música podem determinar imediatamente, pelo som do violino, se ele está afinado e se o músico domina o instrumento.”Mas como esse método se aplica às máquinas-ferramentas CNC?O aprendizado de máquina é a chave.
Para otimizar o processo de fresagem CNC com base nos dados registrados pelo sensor ultrassônico, os pesquisadores que trabalham com Sause utilizaram o chamado aprendizado de máquina.Certas características do sinal acústico podem indicar um controle desfavorável do processo, o que indica que a qualidade da peça fresada é ruim.Portanto, essas informações podem ser utilizadas para ajustar e melhorar diretamente o processo de fresamento.Para fazer isso, use os dados registrados e o estado correspondente (por exemplo, processamento bom ou ruim) para treinar o algoritmo.Então, a pessoa que opera a fresadora pode reagir às informações de status do sistema apresentadas, ou o sistema pode reagir automaticamente por meio de programação.
O aprendizado de máquina pode não apenas otimizar o processo de fresamento diretamente na peça, mas também planejar o ciclo de manutenção da planta de produção da forma mais econômica possível.Os componentes funcionais precisam trabalhar na máquina o maior tempo possível para melhorar a eficiência econômica, mas devem ser evitadas falhas espontâneas causadas por danos aos componentes.
A manutenção preditiva é um método no qual a IA usa dados coletados do sensor para calcular quando as peças devem ser substituídas.Para a fresadora CNC em estudo, o algoritmo reconhece quando certas características do sinal sonoro mudam.Dessa forma, consegue não só identificar o grau de desgaste da ferramenta de usinagem, mas também prever o momento correto de troca da ferramenta.Este e outros processos de inteligência artificial estão sendo incorporados à rede de produção de inteligência artificial em Augsburg.As três principais organizações parceiras estão colaborando com outras instalações de produção para criar uma rede de produção que possa ser reconfigurada de forma modular e otimizada em termos de materiais.
Explica a antiga arte por trás do primeiro reforço de fibra da indústria e tem um conhecimento profundo da nova ciência das fibras e do desenvolvimento futuro.
Horário da postagem: 08/10/2021