आर्टिफिशियल इंटेलिजेंस कार्बन फाइबर प्रबलित कंपोजिट की सीएनसी मिलिंग का अनुकूलन करता है |समग्र सामग्री विश्व

ऑग्सबर्ग एआई प्रोडक्शन नेटवर्क-डीएलआर लाइटवेट प्रोडक्शन टेक्नोलॉजी सेंटर (जेडएलपी), फ्रौनहोफर आईजीसीवी और ऑग्सबर्ग विश्वविद्यालय मिश्रित सामग्री प्रसंस्करण की गुणवत्ता के साथ ध्वनि को सहसंबंधित करने के लिए अल्ट्रासोनिक सेंसर का उपयोग करते हैं।
मशीनिंग की गुणवत्ता की निगरानी के लिए सीएनसी मिलिंग मशीन पर स्थापित एक अल्ट्रासोनिक सेंसर।छवि स्रोत: ऑग्सबर्ग विश्वविद्यालय द्वारा सुरक्षित सभी अधिकार
ऑग्सबर्ग एआई (आर्टिफिशियल इंटेलिजेंस) उत्पादन नेटवर्क-जनवरी 2021 में स्थापित और ऑग्सबर्ग, जर्मनी में मुख्यालय-ऑग्सबर्ग विश्वविद्यालय, फ्रौनहोफर, और कास्टिंग, मिश्रित सामग्री और प्रसंस्करण प्रौद्योगिकी (फ्रौनहोफर आईजीसीवी) और जर्मन हल्के उत्पादन तकनीक पर शोध को एक साथ लाता है। केंद्र।जर्मन एयरोस्पेस सेंटर (DLR ZLP)।इसका उद्देश्य सामग्री, निर्माण प्रौद्योगिकियों और डेटा-आधारित मॉडलिंग के बीच इंटरफेस में कृत्रिम बुद्धि-आधारित उत्पादन प्रौद्योगिकियों का संयुक्त रूप से शोध करना है।एक आवेदन का एक उदाहरण जहां कृत्रिम बुद्धि उत्पादन प्रक्रिया का समर्थन कर सकती है, वह फाइबर-प्रबलित मिश्रित सामग्री का प्रसंस्करण है।
नए स्थापित कृत्रिम बुद्धि उत्पादन नेटवर्क में, वैज्ञानिक अध्ययन कर रहे हैं कि कृत्रिम बुद्धि उत्पादन प्रक्रियाओं को कैसे अनुकूलित कर सकती है।उदाहरण के लिए, एयरोस्पेस या मैकेनिकल इंजीनियरिंग में कई मूल्य श्रृंखलाओं के अंत में, सीएनसी मशीन टूल्स फाइबर-प्रबलित बहुलक कंपोजिट से बने घटकों के अंतिम रूप को संसाधित करते हैं।यह मशीनिंग प्रक्रिया मिलिंग कटर पर उच्च मांग रखती है।ऑग्सबर्ग विश्वविद्यालय के शोधकर्ताओं का मानना ​​​​है कि सीएनसी मिलिंग सिस्टम की निगरानी करने वाले सेंसर का उपयोग करके मशीनिंग प्रक्रिया को अनुकूलित करना संभव है।वे वर्तमान में इन सेंसरों द्वारा प्रदान की गई डेटा धाराओं का मूल्यांकन करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग कर रहे हैं।
औद्योगिक निर्माण प्रक्रियाएं आमतौर पर बहुत जटिल होती हैं, और ऐसे कई कारक होते हैं जो परिणामों को प्रभावित करते हैं।उदाहरण के लिए, उपकरण और प्रसंस्करण उपकरण जल्दी खराब हो जाते हैं, विशेष रूप से कठोर सामग्री जैसे कार्बन फाइबर।इसलिए, उच्च गुणवत्ता वाली छंटनी और मशीनी मिश्रित संरचनाएं प्रदान करने के लिए महत्वपूर्ण पहनने के स्तर की पहचान और भविष्यवाणी करने की क्षमता आवश्यक है।औद्योगिक सीएनसी मिलिंग मशीनों पर शोध से पता चलता है कि कृत्रिम बुद्धि के साथ संयुक्त उपयुक्त सेंसर तकनीक ऐसी भविष्यवाणियां और सुधार प्रदान कर सकती है।
अल्ट्रासोनिक सेंसर अनुसंधान के लिए औद्योगिक सीएनसी मिलिंग मशीन।छवि स्रोत: ऑग्सबर्ग विश्वविद्यालय द्वारा सुरक्षित सभी अधिकार
अधिकांश आधुनिक सीएनसी मिलिंग मशीनों में बिल्ट-इन बेसिक सेंसर होते हैं, जैसे कि ऊर्जा की खपत, फीड फोर्स और टॉर्क को रिकॉर्ड करना।हालांकि, ये डेटा हमेशा मिलिंग प्रक्रिया के बारीक विवरण को हल करने के लिए पर्याप्त नहीं होते हैं।इसके लिए, ऑग्सबर्ग विश्वविद्यालय ने संरचना ध्वनि का विश्लेषण करने के लिए एक अल्ट्रासोनिक सेंसर विकसित किया है और इसे एक औद्योगिक सीएनसी मिलिंग मशीन में एकीकृत किया है।ये सेंसर मिलिंग के दौरान उत्पन्न अल्ट्रासोनिक रेंज में संरचित ध्वनि संकेतों का पता लगाते हैं और फिर सिस्टम के माध्यम से सेंसर तक फैलते हैं।
संरचना ध्वनि प्रसंस्करण प्रक्रिया की स्थिति के बारे में निष्कर्ष निकाल सकती है।"यह एक संकेतक है जो हमारे लिए उतना ही सार्थक है जितना कि एक वायलिन के लिए एक बॉलिंग है," आर्टिफिशियल इंटेलिजेंस प्रोडक्शन नेटवर्क के निदेशक प्रो। मार्कस सॉस ने समझाया।"संगीत पेशेवर तुरंत वायलिन की आवाज़ से यह निर्धारित कर सकते हैं कि क्या यह ट्यून किया गया है और वादक की वाद्य यंत्र की महारत।"लेकिन यह तरीका सीएनसी मशीन टूल्स पर कैसे लागू होता है?मशीन लर्निंग कुंजी है।
अल्ट्रासोनिक सेंसर द्वारा रिकॉर्ड किए गए डेटा के आधार पर सीएनसी मिलिंग प्रक्रिया को अनुकूलित करने के लिए, सॉस के साथ काम करने वाले शोधकर्ताओं ने तथाकथित मशीन लर्निंग का इस्तेमाल किया।ध्वनिक संकेत की कुछ विशेषताएं प्रतिकूल प्रक्रिया नियंत्रण का संकेत दे सकती हैं, जो इंगित करता है कि मिल्ड भाग की गुणवत्ता खराब है।इसलिए, इस जानकारी का उपयोग सीधे मिलिंग प्रक्रिया को समायोजित और सुधारने के लिए किया जा सकता है।ऐसा करने के लिए, एल्गोरिथम को प्रशिक्षित करने के लिए रिकॉर्ड किए गए डेटा और संबंधित स्थिति (उदाहरण के लिए, अच्छा या बुरा प्रसंस्करण) का उपयोग करें।फिर, मिलिंग मशीन का संचालन करने वाला व्यक्ति प्रस्तुत सिस्टम स्थिति की जानकारी पर प्रतिक्रिया कर सकता है, या सिस्टम प्रोग्रामिंग के माध्यम से स्वचालित रूप से प्रतिक्रिया कर सकता है।
मशीन लर्निंग न केवल सीधे वर्कपीस पर मिलिंग प्रक्रिया को अनुकूलित कर सकता है, बल्कि उत्पादन संयंत्र के रखरखाव चक्र की यथासंभव आर्थिक रूप से योजना भी बना सकता है।आर्थिक दक्षता में सुधार के लिए कार्यात्मक घटकों को यथासंभव लंबे समय तक मशीन में काम करने की आवश्यकता होती है, लेकिन घटक क्षति के कारण होने वाली सहज विफलताओं से बचा जाना चाहिए।
भविष्य कहनेवाला रखरखाव एक ऐसी विधि है जिसमें एआई एकत्रित सेंसर डेटा का उपयोग यह गणना करने के लिए करता है कि भागों को कब बदला जाना चाहिए।अध्ययन के तहत सीएनसी मिलिंग मशीन के लिए, एल्गोरिथ्म पहचानता है जब ध्वनि संकेत की कुछ विशेषताएं बदलती हैं।इस तरह, यह न केवल मशीनिंग उपकरण के पहनने की डिग्री की पहचान कर सकता है, बल्कि उपकरण को बदलने के लिए सही समय का भी अनुमान लगा सकता है।यह और अन्य कृत्रिम बुद्धिमत्ता प्रक्रियाओं को ऑग्सबर्ग में कृत्रिम बुद्धिमत्ता उत्पादन नेटवर्क में शामिल किया जा रहा है।तीन मुख्य भागीदार संगठन एक विनिर्माण नेटवर्क बनाने के लिए अन्य उत्पादन सुविधाओं के साथ सहयोग कर रहे हैं जिसे मॉड्यूलर और सामग्री-अनुकूलित तरीके से पुन: कॉन्फ़िगर किया जा सकता है।
उद्योग के पहले फाइबर सुदृढीकरण के पीछे पुरानी कला की व्याख्या करता है, और नए फाइबर विज्ञान और भविष्य के विकास की गहन समझ रखता है।


पोस्ट करने का समय: अक्टूबर-08-2021