L'IA améliore la précision du fraisage CNC pour composites renforcés fibre de carbone

Réseau de production IA d'Augsbourg : optimisation de l'usinage des composites par apprentissage automatique

Le Réseau de production IA d'Augsbourg — fondé en janvier 2021 et basé à Augsbourg, Allemagne — rassemble l'Université d'Augsbourg, l'Institut Fraunhofer pour la technologie de fonderie, composites et transformation (Fraunhofer IGCV) et le Centre de technologie de production légère du Centre aérospatial allemand (DLR ZLP). L'objectif est la recherche conjointe sur les technologies de production basées sur l'IA à l'interface entre matériaux, technologies de fabrication et modélisation basée sur les données. Un exemple d'application où l'IA peut soutenir les processus de production est l'usinage de matériaux composites renforcés de fibres.

Capteurs et analyse de données pour le fraisage CNC

Dans le nouveau Réseau de production IA, les scientifiques étudient comment l'IA peut optimiser les processus de production. Par exemple, à la fin de nombreuses chaînes de valeur dans l'aérospatiale ou l'ingénierie mécanique, des machines CNC usinent le contour final de composants en polymères renforcés de fibres. Ce processus d'usinage place des exigences élevées sur l'outil de fraisage. Les chercheurs de l'Université d'Augsbourg estiment qu'il existe un potentiel d'optimisation des processus d'usinage en utilisant des capteurs qui surveillent le système de fraisage CNC. Ils utilisent actuellement l'IA pour évaluer les flux de données fournis par ces capteurs.

Les processus de fabrication industriels sont souvent hautement complexes, de nombreux facteurs influençant le résultat. Par exemple, les équipements et outils d'usinage s'usent rapidement, surtout avec des matériaux durs comme la fibre de carbone. La capacité de reconnaître et de prédire les degrés d'usure critiques est donc essentielle pour fournir des structures composites tronçonnées et usinées de haute qualité. La recherche sur une machine CNC industrielle montre comment une technologie de capteurs appropriée, couplée à l'IA, peut fournir de telles prévisions et améliorations.

Son de structure et apprentissage automatique

La plupart des fraiseuses CNC modernes possèdent déjà des capteurs de base intégrés, qui enregistrent par exemple la consommation d'énergie, la force d'avance et le couple. Cependant, ces données ne sont pas toujours suffisantes pour la résolution de détails fins dans le processus de fraisage. Pour cette raison, des capteurs à ultrasons pour l'analyse du son de structure ont été développés à l'Université d'Augsbourg et intégrés dans une fraiseuse CNC industrielle. Ces capteurs détectent les signaux de son de structure dans la gamme ultrasonique générés pendant le processus de fraisage et qui se propagent ensuite à travers le système jusqu'au capteur.

Le son de structure permet de tirer des conclusions sur l'état du processus d'usinage. « C'est un indicateur aussi significatif pour nous que les coups d'archet le sont pour un violon », explique le Pr. Dr. Markus Sause, directeur du Réseau de production IA. « Les professionnels de la musique peuvent dire immédiatement à partir du son d'un violon s'il est accordé et à quel point la personne qui le joue maîtrise l'instrument. » Mais comment cette approche fonctionne-t-elle pour une machine CNC ? L'apprentissage automatique est la clé.

Pour optimiser le processus de fraisage CNC sur la base des données enregistrées par les capteurs ultrasoniques, les chercheurs travaillant avec Sause utilisent ce qu'on appelle l'apprentissage automatique. Certaines caractéristiques du signal acoustique peuvent indiquer un contrôle de processus défavorable, ce qui pointe vers une mauvaise qualité de la pièce fraisée. En conséquence, le processus de fraisage peut être directement ajusté et amélioré avec cette information. À cette fin, un algorithme est entraîné avec des données enregistrées et les états correspondants (par ex. bon ou mauvais usinage). La personne qui opère la fraiseuse peut alors réagir aux informations d'état du système qui lui sont présentées ou le système peut être programmé pour réagir automatiquement.

Maintenance prédictive : agir avec prévoyance

L'apprentissage automatique peut non seulement optimiser le processus de fraisage directement sur la pièce, mais aussi planifier les cycles de maintenance d'une usine de production de manière aussi économique que possible. Les pièces fonctionnelles doivent fonctionner dans la machine le plus longtemps possible pour augmenter l'efficacité économique, mais les pannes spontanées dues à des pièces endommagées doivent être évitées.

La maintenance prédictive est une approche dans laquelle l'IA, en utilisant les données de capteurs collectées, calcule quand une pièce doit être remplacée. Dans le cas de la fraiseuse CNC étudiée, un algorithme reconnaît quand certaines caractéristiques du signal sonore changent. Ainsi, il n'identifie pas seulement le degré d'usure de l'outil d'usinage, mais prédit aussi le bon moment pour remplacer l'outil. Ces processus et d'autres processus d'IA sont intégrés dans le Réseau de production IA d'Augsbourg. Les trois organisations partenaires principales travaillent avec d'autres installations de production pour créer un réseau de fabrication qui peut être reconfiguré de manière modulaire et optimisée en matériaux.