L'intelligence artificielle optimise le fraisage CNC des composites renforcés de fibres de carbone

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

Dans le nouveau réseau de production d'IA, les scientifiques étudient comment l'IA peut optimiser les processus de production. Par exemple, au bout de nombreuses chaînes de valeur dans l'aérospatiale ou l'ingénierie mécanique, les machines CNC traitent le contour final des composants fabriqués à partir de composites polymères renforcés de fibres. Ce processus d'usinage impose des exigences élevées à l'outil de fraisage. Des chercheurs de l'Université d'Augsbourg pensent qu'il est possible d'optimiser les 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 industrielle sont souvent très complexes, avec de nombreux facteurs influençant le résultat. Par exemple, les équipements et les outils d'usinage s'usent rapidement, notamment avec des matériaux durs comme la fibre de carbone. La capacité à reconnaître et à prévoir les degrés d'usure critiques est donc essentielle pour fournir des structures composites taillées et usinées de haute qualité. La recherche sur une fraiseuse CNC industrielle montre comment une technologie de capteur appropriée, associée à l'IA, peut fournir de telles prévisions et améliorations.

Son structurel et apprentissage automatique

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

Le bruit solidien permet de tirer des conclusions sur l'état du processus d'usinage. "C'est un indicateur qui est aussi significatif pour nous que les coups d'archet le sont pour un violon", explique le professeur Dr. Markus Sause, directeur du AI Production Network. "Les professionnels de la musique peuvent dire immédiatement à partir du son d'un violon s'il est juste et dans quelle mesure la personne qui le joue maîtrise l'instrument." Mais comment fonctionne cette approche pour une machine CNC ? L'apprentissage automatique est la clé.

Afin d'optimiser le processus de fraisage CNC sur la base des données enregistrées par les capteurs à ultrasons, les chercheurs travaillant avec Sause utilisent ce que l'on appelle l'apprentissage automatique. Certaines caractéristiques du signal acoustique peuvent indiquer un contrôle de processus défavorable, ce qui indique une mauvaise qualité du composant fraisé. En conséquence, le processus de fraisage peut être directement ajusté et amélioré avec ces informations. Pour cela, un algorithme est entraîné avec les données enregistrées et les états correspondants (par exemple, bon ou mauvais usinage). La personne qui utilise la fraiseuse peut alors réagir aux informations d'état du système qui 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 peut également planifier les cycles de maintenance d'une usine de production de manière aussi économique que possible. Les pièces fonctionnelles doivent fonctionner dans la machine aussi longtemps que possible afin d'augmenter l'efficacité économique, mais les défaillances spontanées dues à des pièces endommagées doivent être évitées.

La maintenance prédictive est une approche dans laquelle l'IA, à l'aide des données collectées par les capteurs, calcule quand une pièce doit être remplacée. Dans le cas de la fraiseuse CNC étudiée, un algorithme reconnaît lorsque certaines caractéristiques du signal sonore changent. De cette façon, il identifie non seulement le degré d'usure de l'outil d'usinage, mais prédit également le bon moment pour remplacer l'outil. Ce processus d'IA et d'autres sont en cours d'intégration dans le réseau de production d'IA à Augsbourg. Les trois principales organisations partenaires travaillent avec d'autres installations de production pour créer un réseau de fabrication pouvant être reconfiguré de manière modulaire et optimisée pour les matériaux.