La inteligencia artificial optimiza el fresado CNC de compuestos reforzados con fibra de carbono

La red de producción de IA (inteligencia artificial) de Augsburgo, fundada en enero de 2021 y con sede en Augsburgo, Alemania, reúne a la Universidad de Augsburgo, el Instituto Fraunhofer de fundición, materiales compuestos y tecnología de procesamiento (Fraunhofer IGCV) y el Centro de tecnología de producción ligera de el Centro Aeroespacial Alemán (DLR ZLP). El objetivo es la investigación conjunta de tecnologías de producción basadas en IA en la interfaz entre materiales, tecnologías de fabricación y modelado basado en datos. Un ejemplo de aplicación en el que la IA puede respaldar los procesos de producción es el mecanizado de materiales compuestos reforzados con fibra.

En la Red de producción de IA recientemente establecida, los científicos están investigando cómo la IA puede optimizar los procesos de producción. Por ejemplo, al final de muchas cadenas de valor en la ingeniería aeroespacial o mecánica, las máquinas CNC procesan el contorno final de los componentes hechos de compuestos poliméricos reforzados con fibra. Este proceso de mecanizado impone grandes exigencias a la herramienta de fresado. Los investigadores de la Universidad de Augsburg creen que existe la posibilidad de optimizar los procesos de mecanizado mediante el uso de sensores que controlan el sistema de fresado CNC. Actualmente están usando IA para evaluar los flujos de datos proporcionados por estos sensores.

Los procesos de fabricación industrial suelen ser muy complejos y muchos factores influyen en el resultado. Por ejemplo, los equipos y las herramientas de mecanizado se desgastan rápidamente, especialmente con materiales duros como la fibra de carbono. Por lo tanto, la capacidad de reconocer y predecir los grados críticos de desgaste es esencial para ofrecer estructuras compuestas mecanizadas y recortadas de alta calidad. La investigación sobre una fresadora CNC industrial muestra cómo la tecnología de sensores adecuada, junto con la inteligencia artificial, puede ofrecer tales pronósticos y mejoras.

Sonido estructurado y aprendizaje automático

La mayoría de las fresadoras CNC modernas tienen algunos sensores básicos ya integrados, que registran el consumo de energía, la fuerza de avance y el par, por ejemplo. Sin embargo, estos datos no siempre son suficientes para la resolución de detalles finos en el proceso de fresado. Por este motivo, en la Universidad de Augsburgo se desarrollaron sensores ultrasónicos para analizar el sonido transmitido por estructuras y se integraron en una fresadora industrial CNC. Estos sensores detectan señales de sonido transmitidas por estructuras en el rango ultrasónico que se generan durante el proceso de fresado y luego se propagan a través del sistema hasta el sensor.

El sonido estructurado permite sacar conclusiones sobre el estado del proceso de mecanizado. “Este es un indicador que es tan significativo para nosotros como lo son los golpes de arco para un violín”, explica el Prof. Dr. Markus Sause, director de AI Production Network. "Los profesionales de la música pueden saber inmediatamente por el sonido de un violín si está afinado y qué tan bien la persona que lo toca domina el instrumento". Pero, ¿cómo funciona este enfoque para una máquina CNC? El aprendizaje automático es la clave.

Para optimizar el proceso de fresado CNC basado en los datos registrados de los sensores ultrasónicos, los investigadores que trabajan con Sause hacen uso de lo que se conoce como aprendizaje automático. Ciertas características de la señal acústica pueden indicar un control de proceso desfavorable, lo que apunta a una mala calidad del componente molido. Como resultado, el proceso de fresado se puede ajustar y mejorar directamente con esta información. Para ello, se entrena un algoritmo con los datos registrados y los estados correspondientes (p. Ej. Mecanizado bueno o malo). La persona que opera la fresadora puede reaccionar a la información de estado del sistema que se presenta o el sistema puede programarse para reaccionar automáticamente.

Mantenimiento predictivo:actuar con previsión

El aprendizaje automático no solo puede optimizar el proceso de fresado directamente en la pieza de trabajo, sino que también puede planificar los ciclos de mantenimiento de una planta de producción de la manera más económica posible. Las partes funcionales deben trabajar en la máquina el mayor tiempo posible para aumentar la eficiencia económica, pero deben evitarse fallas espontáneas debido a partes dañadas.

El mantenimiento predictivo es un enfoque en el que la IA, utilizando los datos recopilados del sensor, calcula cuándo se debe reemplazar una pieza. En el caso de la fresadora CNC bajo investigación, un algoritmo reconoce cuando cambian ciertas características de la señal de sonido. De esta manera, no solo identifica el grado de desgaste de la herramienta de mecanizado, sino que también predice el momento adecuado para reemplazar la herramienta. Este y otros procesos de IA se están incorporando a la Red de producción de IA en Augsburgo. Las tres principales organizaciones asociadas están trabajando con otras instalaciones de producción para crear una red de fabricación que pueda reconfigurarse de manera modular y optimizada para los materiales.