Kecerdasan Buatan Mengoptimalkan Penggilingan CNC dari Komposit Bertulang Serat Karbon |Dunia Material Komposit

Jaringan produksi AI Augsburg-DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV dan University of Augsburg menggunakan sensor ultrasonik untuk menghubungkan suara dengan kualitas pemrosesan material komposit.
Sensor ultrasonik dipasang pada mesin penggilingan CNC untuk memantau kualitas pemesinan.Sumber gambar: Semua hak dilindungi undang-undang oleh University of Augsburg
Jaringan produksi Augsburg AI (Kecerdasan Buatan) yang didirikan pada Januari 2021 dan berkantor pusat di Augsburg, Jerman menyatukan Universitas Augsburg, Fraunhofer, dan penelitian tentang pengecoran, material komposit, dan teknologi pemrosesan (Fraunhofer IGCV) dan teknologi produksi ringan Jerman Tengah.Pusat Dirgantara Jerman (DLR ZLP).Tujuannya adalah untuk bersama-sama meneliti teknologi produksi berbasis kecerdasan buatan pada antarmuka antara bahan, teknologi manufaktur, dan pemodelan berbasis data.Contoh aplikasi di mana kecerdasan buatan dapat mendukung proses produksi adalah pemrosesan bahan komposit yang diperkuat serat.
Dalam jaringan produksi kecerdasan buatan yang baru didirikan, para ilmuwan sedang mempelajari bagaimana kecerdasan buatan dapat mengoptimalkan proses produksi.Misalnya, di akhir banyak rantai nilai di bidang kedirgantaraan atau teknik mesin, peralatan mesin CNC memproses kontur akhir komponen yang terbuat dari komposit polimer yang diperkuat serat.Proses pemesinan ini memberikan tuntutan tinggi pada pemotong frais.Para peneliti di Universitas Augsburg percaya bahwa adalah mungkin untuk mengoptimalkan proses pemesinan dengan menggunakan sensor yang memantau sistem penggilingan CNC.Mereka saat ini menggunakan kecerdasan buatan untuk mengevaluasi aliran data yang disediakan oleh sensor ini.
Proses manufaktur industri biasanya sangat kompleks, dan ada banyak faktor yang mempengaruhi hasilnya.Misalnya, peralatan dan alat pemrosesan cepat aus, terutama bahan keras seperti serat karbon.Oleh karena itu, kemampuan untuk mengidentifikasi dan memprediksi tingkat keausan kritis sangat penting untuk menyediakan struktur komposit yang dipangkas dan dikerjakan dengan mesin berkualitas tinggi.Penelitian pada mesin penggilingan CNC industri menunjukkan bahwa teknologi sensor yang tepat dikombinasikan dengan kecerdasan buatan dapat memberikan prediksi dan peningkatan tersebut.
Mesin penggilingan CNC industri untuk penelitian sensor ultrasonik.Sumber gambar: Semua hak dilindungi undang-undang oleh University of Augsburg
Sebagian besar mesin penggilingan CNC modern memiliki sensor dasar bawaan, seperti merekam konsumsi energi, gaya umpan, dan torsi.Namun, data ini tidak selalu cukup untuk menyelesaikan detail halus dari proses penggilingan.Untuk tujuan ini, Universitas Augsburg telah mengembangkan sensor ultrasonik untuk menganalisis suara struktur dan mengintegrasikannya ke dalam mesin penggilingan CNC industri.Sensor ini mendeteksi sinyal suara terstruktur dalam rentang ultrasonik yang dihasilkan selama penggilingan dan kemudian menyebar melalui sistem ke sensor.
Struktur suara dapat menarik kesimpulan tentang keadaan proses pemrosesan.“Ini adalah indikator yang bagi kami sama artinya dengan tali busur bagi biola,” jelas Prof. Markus Sause, direktur jaringan produksi kecerdasan buatan.“Profesional musik dapat segera menentukan dari suara biola apakah itu disetel dan penguasaan instrumen pemain.”Tetapi bagaimana metode ini berlaku untuk peralatan mesin CNC?Pembelajaran mesin adalah kuncinya.
Untuk mengoptimalkan proses penggilingan CNC berdasarkan data yang direkam oleh sensor ultrasonik, para peneliti yang bekerja dengan Sause menggunakan apa yang disebut pembelajaran mesin.Karakteristik tertentu dari sinyal akustik dapat menunjukkan kontrol proses yang tidak baik, yang menunjukkan bahwa kualitas bagian yang digiling buruk.Oleh karena itu, informasi ini dapat digunakan untuk secara langsung menyesuaikan dan meningkatkan proses penggilingan.Untuk melakukan ini, gunakan data yang direkam dan status yang sesuai (misalnya, pemrosesan yang baik atau buruk) untuk melatih algoritme.Kemudian, orang yang mengoperasikan mesin penggilingan dapat bereaksi terhadap informasi status sistem yang disajikan, atau sistem dapat bereaksi secara otomatis melalui pemrograman.
Machine learning tidak hanya dapat mengoptimalkan proses milling secara langsung pada benda kerja, tetapi juga merencanakan siklus perawatan pabrik produksi seekonomis mungkin.Komponen fungsional perlu bekerja di dalam mesin selama mungkin untuk meningkatkan efisiensi ekonomi, tetapi kegagalan spontan yang disebabkan oleh kerusakan komponen harus dihindari.
Pemeliharaan prediktif adalah metode di mana AI menggunakan data sensor yang dikumpulkan untuk menghitung kapan suku cadang harus diganti.Untuk mesin penggilingan CNC yang sedang dipelajari, algoritme mengenali ketika karakteristik tertentu dari sinyal suara berubah.Dengan cara ini, tidak hanya dapat mengidentifikasi tingkat keausan pahat permesinan, tetapi juga memprediksi waktu yang tepat untuk mengganti pahat.Ini dan proses kecerdasan buatan lainnya sedang dimasukkan ke dalam jaringan produksi kecerdasan buatan di Augsburg.Tiga organisasi mitra utama bekerja sama dengan fasilitas produksi lainnya untuk membuat jaringan manufaktur yang dapat dikonfigurasi ulang secara modular dan material yang dioptimalkan.
Menjelaskan seni lama di balik penguatan serat pertama di industri, dan memiliki pemahaman mendalam tentang ilmu serat baru dan pengembangan di masa depan.


Waktu posting: Okt-08-2021