कृत्रिम बुद्धिमत्ता कार्बन फायबर प्रबलित कंपोझिटचे CNC मिलिंग ऑप्टिमाइझ करते |संमिश्र साहित्य जग

ऑग्सबर्ग AI उत्पादन नेटवर्क-DLR लाइटवेट प्रॉडक्शन टेक्नॉलॉजी सेंटर (ZLP), फ्रॉनहोफर IGCV आणि ऑग्सबर्ग विद्यापीठ-संमिश्र सामग्री प्रक्रियेच्या गुणवत्तेशी ध्वनीचा संबंध जोडण्यासाठी अल्ट्रासोनिक सेन्सर वापरतात.
मशीनिंगच्या गुणवत्तेवर लक्ष ठेवण्यासाठी CNC मिलिंग मशीनवर अल्ट्रासोनिक सेन्सर स्थापित केला जातो.प्रतिमा स्त्रोत: ऑग्सबर्ग विद्यापीठाद्वारे सर्व हक्क राखीव आहेत
ऑग्सबर्ग AI (कृत्रिम बुद्धिमत्ता) उत्पादन नेटवर्क-जानेवारी 2021 मध्ये स्थापित आणि ऑग्सबर्ग, जर्मनी येथे मुख्यालय- ऑग्सबर्ग, फ्रॉनहोफर विद्यापीठ आणि कास्टिंग, संमिश्र साहित्य आणि प्रक्रिया तंत्रज्ञान (Fraunhofer IGCV) आणि जर्मन लाइटवेट उत्पादन तंत्रज्ञानावर संशोधन एकत्र आणते. केंद्रजर्मन एरोस्पेस सेंटर (DLR ZLP).मटेरियल, मॅन्युफॅक्चरिंग टेक्नॉलॉजी आणि डेटा-आधारित मॉडेलिंग यांच्यातील इंटरफेसमध्ये कृत्रिम बुद्धिमत्ता-आधारित उत्पादन तंत्रज्ञानाचे संयुक्तपणे संशोधन करणे हा उद्देश आहे.कृत्रिम बुद्धिमत्ता उत्पादन प्रक्रियेस समर्थन देऊ शकते अशा अनुप्रयोगाचे उदाहरण म्हणजे फायबर-प्रबलित संमिश्र सामग्रीची प्रक्रिया.
नव्याने स्थापन झालेल्या कृत्रिम बुद्धिमत्ता उत्पादन नेटवर्कमध्ये, शास्त्रज्ञ कृत्रिम बुद्धिमत्ता उत्पादन प्रक्रिया कशी अनुकूल करू शकतात याचा अभ्यास करत आहेत.उदाहरणार्थ, एरोस्पेस किंवा यांत्रिक अभियांत्रिकीमधील अनेक मूल्य साखळींच्या शेवटी, सीएनसी मशीन टूल्स फायबर-प्रबलित पॉलिमर कंपोझिटपासून बनवलेल्या घटकांच्या अंतिम रूपरेषांवर प्रक्रिया करतात.ही मशीनिंग प्रक्रिया मिलिंग कटरवर उच्च मागणी ठेवते.ऑग्सबर्ग विद्यापीठातील संशोधकांचा असा विश्वास आहे की सीएनसी मिलिंग सिस्टमचे निरीक्षण करणार्‍या सेन्सर्सचा वापर करून मशीनिंग प्रक्रियेस अनुकूल करणे शक्य आहे.ते सध्या या सेन्सर्सद्वारे प्रदान केलेल्या डेटा प्रवाहांचे मूल्यांकन करण्यासाठी कृत्रिम बुद्धिमत्ता वापरत आहेत.
औद्योगिक उत्पादन प्रक्रिया सहसा खूप गुंतागुंतीच्या असतात आणि परिणामांवर परिणाम करणारे अनेक घटक असतात.उदाहरणार्थ, उपकरणे आणि प्रक्रिया साधने त्वरीत परिधान करतात, विशेषत: कार्बन फायबर सारखी कठीण सामग्री.म्हणून, उच्च-गुणवत्तेची सुव्यवस्थित आणि मशिन केलेल्या संमिश्र संरचना प्रदान करण्यासाठी गंभीर पोशाख पातळी ओळखण्याची आणि अंदाज करण्याची क्षमता आवश्यक आहे.औद्योगिक CNC मिलिंग मशीनवरील संशोधन असे दर्शविते की कृत्रिम बुद्धिमत्तेसह योग्य सेन्सर तंत्रज्ञान अशा प्रकारचे अंदाज आणि सुधारणा प्रदान करू शकते.
अल्ट्रासोनिक सेन्सर संशोधनासाठी औद्योगिक CNC मिलिंग मशीन.प्रतिमा स्त्रोत: ऑग्सबर्ग विद्यापीठाद्वारे सर्व हक्क राखीव आहेत
बहुतेक आधुनिक CNC मिलिंग मशीनमध्ये अंगभूत मूलभूत सेन्सर असतात, जसे की ऊर्जेचा वापर, फीड फोर्स आणि टॉर्क रेकॉर्ड करणे.तथापि, मिलिंग प्रक्रियेच्या बारीकसारीक तपशीलांचे निराकरण करण्यासाठी हा डेटा नेहमीच पुरेसा नसतो.यासाठी, ऑग्सबर्ग विद्यापीठाने संरचना आवाजाचे विश्लेषण करण्यासाठी अल्ट्रासोनिक सेन्सर विकसित केले आहे आणि ते औद्योगिक CNC मिलिंग मशीनमध्ये समाकलित केले आहे.हे सेन्सर्स मिलिंग दरम्यान व्युत्पन्न केलेल्या अल्ट्रासोनिक रेंजमध्ये संरचित ध्वनी सिग्नल शोधतात आणि नंतर सिस्टमद्वारे सेन्सर्समध्ये प्रसारित करतात.
संरचनेचा आवाज प्रक्रिया प्रक्रियेच्या स्थितीबद्दल निष्कर्ष काढू शकतो.“हे एक सूचक आहे जे आपल्यासाठी धनुष्याच्या ताराप्रमाणेच अर्थपूर्ण आहे,” असे आर्टिफिशियल इंटेलिजन्स प्रोडक्शन नेटवर्कचे संचालक प्रो. मार्कस सॉस यांनी स्पष्ट केले."संगीत व्यावसायिक व्हायोलिनच्या आवाजावरून ताबडतोब ठरवू शकतात की ते ट्यून केलेले आहे की नाही आणि वादकाचे वादनावर प्रभुत्व आहे."परंतु ही पद्धत सीएनसी मशीन टूल्सवर कशी लागू होते?मशीन लर्निंग ही मुख्य गोष्ट आहे.
प्रचंड कंपनसंख्या असलेल्या (ध्वनिलहरी) सेन्सरद्वारे रेकॉर्ड केलेल्या डेटाच्या आधारे सीएनसी मिलिंग प्रक्रिया ऑप्टिमाइझ करण्यासाठी, सॉससह काम करणाऱ्या संशोधकांनी तथाकथित मशीन लर्निंगचा वापर केला.ध्वनिक सिग्नलची काही वैशिष्ट्ये प्रतिकूल प्रक्रिया नियंत्रण दर्शवू शकतात, जे दळलेल्या भागाची गुणवत्ता खराब असल्याचे दर्शवते.म्हणून, ही माहिती मिलिंग प्रक्रिया थेट समायोजित आणि सुधारण्यासाठी वापरली जाऊ शकते.हे करण्यासाठी, अल्गोरिदम प्रशिक्षित करण्यासाठी रेकॉर्ड केलेला डेटा आणि संबंधित स्थिती (उदाहरणार्थ, चांगली किंवा वाईट प्रक्रिया) वापरा.त्यानंतर, मिलिंग मशीन चालवणारी व्यक्ती सादर केलेल्या सिस्टम स्थिती माहितीवर प्रतिक्रिया देऊ शकते किंवा सिस्टम प्रोग्रामिंगद्वारे स्वयंचलितपणे प्रतिक्रिया देऊ शकते.
मशीन लर्निंग केवळ वर्कपीसवर थेट मिलिंग प्रक्रिया ऑप्टिमाइझ करू शकत नाही, तर उत्पादन संयंत्राच्या देखभाल चक्राची योजना शक्य तितक्या आर्थिकदृष्ट्या देखील करू शकते.आर्थिक कार्यक्षमता सुधारण्यासाठी कार्यात्मक घटकांनी मशीनमध्ये शक्य तितक्या काळ काम करणे आवश्यक आहे, परंतु घटकांच्या नुकसानीमुळे होणारे उत्स्फूर्त अपयश टाळले पाहिजे.
प्रेडिक्टिव मेंटेनन्स ही एक पद्धत आहे ज्यामध्ये एआय संकलित केलेला सेन्सर डेटा वापरते जे भाग कधी बदलले जावेत याची गणना करते.अभ्यासाधीन सीएनसी मिलिंग मशीनसाठी, ध्वनी सिग्नलची विशिष्ट वैशिष्ट्ये बदलतात तेव्हा अल्गोरिदम ओळखतो.अशाप्रकारे, ते केवळ मशीनिंग टूलच्या पोशाखची डिग्री ओळखू शकत नाही तर टूल बदलण्यासाठी योग्य वेळेचा अंदाज देखील लावू शकते.या आणि इतर कृत्रिम बुद्धिमत्ता प्रक्रिया ऑग्सबर्गमधील कृत्रिम बुद्धिमत्ता उत्पादन नेटवर्कमध्ये समाविष्ट केल्या जात आहेत.तीन मुख्य भागीदार संस्था उत्पादन नेटवर्क तयार करण्यासाठी इतर उत्पादन सुविधांसह सहयोग करत आहेत जे मॉड्यूलर आणि सामग्री-अनुकूलित पद्धतीने पुन्हा कॉन्फिगर केले जाऊ शकते.
उद्योगाच्या पहिल्या फायबर मजबुतीकरणामागील जुनी कला स्पष्ट करते आणि नवीन फायबर विज्ञान आणि भविष्यातील विकासाची सखोल माहिती आहे.


पोस्ट वेळ: ऑक्टोबर-०८-२०२१