कृत्रिम बुद्धिमत्ताले कार्बन फाइबर प्रबलित कम्पोजिटको सीएनसी मिलिङलाई अनुकूलन गर्छ |कम्पोजिट सामग्री विश्व

Augsburg AI उत्पादन नेटवर्क-DLR लाइटवेट प्रोडक्शन टेक्नोलोजी सेन्टर (ZLP), Fraunhofer IGCV र Augsburg विश्वविद्यालयले अल्ट्रासोनिक सेन्सरहरू प्रयोग गर्दछ जसले कम्पोजिट सामग्री प्रशोधनको गुणस्तरसँग ध्वनिलाई सहसंबद्ध गर्दछ।
सीएनसी मिलिङ मेसिनमा मेसिनको गुणस्तर निगरानी गर्न अल्ट्रासोनिक सेन्सर जडान गरिएको छ।छवि स्रोत: अग्सबर्ग विश्वविद्यालय द्वारा सबै अधिकार सुरक्षित
Augsburg AI (कृत्रिम बुद्धिमत्ता) उत्पादन नेटवर्क-जनवरी 2021 मा स्थापित र अग्सबर्ग, जर्मनीमा मुख्यालय-ले अग्सबर्ग विश्वविद्यालय, फ्राउनहोफर, र कास्टिङ, कम्पोजिट सामग्री र प्रशोधन प्रविधि (Fraunhofer IGCV) र जर्मन लाइटवेट उत्पादन प्रविधिमा अनुसन्धान ल्याउँछ। केन्द्र।जर्मन एयरोस्पेस सेन्टर (DLR ZLP)।उद्देश्य सामग्री, निर्माण प्रविधिहरू र डाटा-आधारित मोडेलिङ बीचको इन्टरफेसमा कृत्रिम बुद्धिमा आधारित उत्पादन प्रविधिहरू संयुक्त रूपमा अनुसन्धान गर्नु हो।एउटा अनुप्रयोगको उदाहरण जहाँ कृत्रिम बुद्धिले उत्पादन प्रक्रियालाई समर्थन गर्न सक्छ फाइबर-प्रबलित कम्पोजिट सामग्रीको प्रशोधन हो।
नयाँ स्थापित आर्टिफिशियल इन्टेलिजेन्स उत्पादन नेटवर्कमा, वैज्ञानिकहरूले कसरी कृत्रिम बुद्धिमत्ताले उत्पादन प्रक्रियाहरूलाई अनुकूलन गर्न सक्छ भनेर अध्ययन गरिरहेका छन्।उदाहरणका लागि, एयरोस्पेस वा मेकानिकल इन्जिनियरिङमा धेरै मूल्य श्रृंखलाहरूको अन्त्यमा, सीएनसी मेशिन उपकरणहरूले फाइबर-प्रबलित पोलिमर कम्पोजिटहरूबाट बनेका कम्पोनेन्टहरूको अन्तिम रूपहरू प्रशोधन गर्छन्।यो मेसिनिङ प्रक्रियाले मिलिङ कटरमा उच्च माग राख्छ।अग्सबर्ग विश्वविद्यालयका अन्वेषकहरू विश्वास गर्छन् कि सीएनसी मिलिङ प्रणालीहरू निगरानी गर्ने सेन्सरहरू प्रयोग गरेर मेसिन प्रक्रियालाई अनुकूलन गर्न सम्भव छ।तिनीहरू हाल यी सेन्सरहरू द्वारा प्रदान गरिएको डेटा स्ट्रिमहरूको मूल्याङ्कन गर्न कृत्रिम बुद्धिमत्ता प्रयोग गर्दै छन्।
औद्योगिक उत्पादन प्रक्रियाहरू सामान्यतया धेरै जटिल हुन्छन्, र त्यहाँ धेरै कारकहरू छन् जसले परिणामहरूलाई असर गर्छ।उदाहरणका लागि, उपकरण र प्रशोधन उपकरणहरू चाँडै लगाउँछन्, विशेष गरी कडा सामग्रीहरू जस्तै कार्बन फाइबर।त्यसकारण, उच्च गुणस्तरको ट्रिम गरिएको र मेसिन गरिएको कम्पोजिट संरचनाहरू प्रदान गर्न महत्वपूर्ण पहिरन स्तरहरू पहिचान र भविष्यवाणी गर्ने क्षमता आवश्यक छ।औद्योगिक सीएनसी मिलिङ मेसिनमा भएको अनुसन्धानले कृत्रिम बुद्धिमत्तासँग मिलेर उपयुक्त सेन्सर प्रविधिले त्यस्ता भविष्यवाणी र सुधारहरू प्रदान गर्न सक्छ भन्ने देखाउँछ।
अल्ट्रासोनिक सेन्सर अनुसन्धानको लागि औद्योगिक सीएनसी मिलिङ मिसिन।छवि स्रोत: अग्सबर्ग विश्वविद्यालय द्वारा सबै अधिकार सुरक्षित
धेरैजसो आधुनिक सीएनसी मिलिङ मेसिनहरूमा बिल्ट-इन आधारभूत सेन्सरहरू छन्, जस्तै ऊर्जा खपत, फिड बल र टर्क रेकर्डिङ।यद्यपि, यी डाटाहरू मिलिङ प्रक्रियाको ठीक विवरणहरू समाधान गर्न सधैं पर्याप्त हुँदैनन्।यस उद्देश्यका लागि, अग्सबर्ग विश्वविद्यालयले संरचना ध्वनि विश्लेषण गर्न अल्ट्रासोनिक सेन्सरको विकास गरेको छ र यसलाई औद्योगिक सीएनसी मिलिङ मेसिनमा एकीकृत गरेको छ।यी सेन्सरहरूले मिलिङको क्रममा उत्पन्न हुने अल्ट्रासोनिक दायरामा संरचित ध्वनि संकेतहरू पत्ता लगाउँछन् र त्यसपछि प्रणाली मार्फत सेन्सरहरूमा प्रचार गर्छन्।
संरचना ध्वनिले प्रशोधन प्रक्रियाको अवस्थाको बारेमा निष्कर्ष निकाल्न सक्छ।"यो एक सूचक हो जुन हाम्रो लागि धनुषको तार भायोलिनको लागि जस्तै अर्थपूर्ण छ," प्रो. मार्कस साउज, आर्टिफिसियल इन्टेलिजेन्स उत्पादन नेटवर्कका निर्देशकले बताए।"संगीत पेशेवरहरूले तुरुन्तै भायोलिनको आवाजबाट निर्धारण गर्न सक्छन् कि यो ट्युन गरिएको छ र वाद्यमा खेलाडीको निपुणता छ।"तर यो विधि सीएनसी मेसिन उपकरणहरूमा कसरी लागू हुन्छ?मेसिन सिकाइ मुख्य कुरा हो।
अल्ट्रासोनिक सेन्सरद्वारा रेकर्ड गरिएको डाटामा आधारित CNC मिलिङ प्रक्रियालाई अनुकूलन गर्न, Sause सँग काम गर्ने अनुसन्धानकर्ताहरूले तथाकथित मेसिन लर्निङ प्रयोग गरे।ध्वनिक संकेतका केहि विशेषताहरूले प्रतिकूल प्रक्रिया नियन्त्रणलाई संकेत गर्न सक्छ, जसले मिल्ड भागको गुणस्तर खराब छ भनेर संकेत गर्दछ।तसर्थ, यो जानकारी प्रत्यक्ष समायोजन र मिलिङ प्रक्रिया सुधार गर्न प्रयोग गर्न सकिन्छ।यो गर्नको लागि, एल्गोरिथ्मलाई तालिम दिन रेकर्ड गरिएको डाटा र सम्बन्धित अवस्था (उदाहरणका लागि, राम्रो वा खराब प्रशोधन) प्रयोग गर्नुहोस्।त्यसपछि, मिलिङ मेसिन सञ्चालन गर्ने व्यक्तिले प्रस्तुत प्रणाली स्थिति जानकारीमा प्रतिक्रिया गर्न सक्छ, वा प्रणाली प्रोग्रामिङ मार्फत स्वचालित रूपमा प्रतिक्रिया गर्न सक्छ।
मेसिन लर्निङले वर्कपीसमा सीधै मिलिङ प्रक्रियालाई अप्टिमाइज मात्र गर्दैन, तर उत्पादन प्लान्टको मर्मत चक्रलाई सकेसम्म आर्थिक रूपमा योजना बनाउन सक्छ।कार्यात्मक कम्पोनेन्टहरूले आर्थिक दक्षता सुधार गर्न सकेसम्म लामो समयसम्म मेसिनमा काम गर्न आवश्यक छ, तर कम्पोनेन्ट क्षतिको कारणले हुने सहज विफलताहरू बेवास्ता गर्नुपर्छ।
प्रेडिक्टिव मर्मतसम्भार एउटा विधि हो जसमा एआई सङ्कलन गरिएको सेन्सर डेटा प्रयोग गर्दछ गणना गर्नको लागि कहिले भागहरू प्रतिस्थापन गर्नुपर्छ।अध्ययन अन्तर्गत CNC मिलिङ मेसिनको लागि, एल्गोरिथ्मले आवाज संकेत परिवर्तन गर्दा केही विशेषताहरू पहिचान गर्दछ।यस तरिकाले, यसले मेशिन उपकरणको पहिरनको डिग्री मात्र पहिचान गर्न सक्दैन, तर उपकरण परिवर्तन गर्न सही समयको भविष्यवाणी पनि गर्न सक्छ।यो र अन्य आर्टिफिसियल इन्टेलिजेन्स प्रक्रियाहरू अग्सबर्गको आर्टिफिसियल इन्टेलिजेन्स उत्पादन नेटवर्कमा समाहित भइरहेका छन्।तीन मुख्य साझेदार संस्थाहरूले अन्य उत्पादन सुविधाहरूसँग सहकार्य गर्दै उत्पादन नेटवर्क सिर्जना गर्न सक्छन् जुन मोड्युलर र सामग्री-अनुकूलित तरिकामा पुन: कन्फिगर गर्न सकिन्छ।
उद्योगको पहिलो फाइबर सुदृढीकरणको पछाडि पुरानो कलाको व्याख्या गर्दछ, र नयाँ फाइबर विज्ञान र भविष्यको विकासको गहिरो बुझाइ छ।


पोस्ट समय: अक्टोबर-08-2021