Rychlejší nastavení a úsporná výroba

Ultrapřesné obrábění mikročočky struktury © Fraunhofer IPT

Příklad zasklené mikrolinové pole © Fraunhofer IPT

Medizintechnik, Fotonik, Photovoltaik: V mnoha oblastech použití přispívají mikrostrukturní povrchy součástek k funkčnosti vysoce technologických výrobků. Nastavení strojů pro tyto ultraprécizní výrobní procesy často vyžaduje dlouholeté zkušenosti a zvláštní odborné znalosti. Současně rostou požadavky na kvalitu a životnost výrobků a na efektivní a šetrný výrobní proces. Společně s partnerem Innolite GmbH pracuje Fraunhoferův ústav pro výrobní technologie IPT z Aachenu na projektu podporovaném BMBF s názvem „UP_Ramp-up“, jehož cílem je pomocí umělé inteligence urychlit nastavovací proces strojů a tím zvýšit efektivitu výroby.

Výroba produktů, jejichž funkční povrchy sestávají z volných tvarových ploch s integrovanými mikrostrukturami, je náročný úkol: S narůstající složitostí geometrických struktur se stále častěji dostávají na hranice ultraprécizní výrobní metody, jako je obrábění diamantovými nástroji. Do dnešního dne jsou výrobní stroje nastavovány ručně a iterativně, dokud není výrobní proces optimalizován tak, aby dosáhl požadované kvality povrchu. Efektivita procesu nastavování závisí u tohoto tradičního ramp-upu na zkušenostech a schopnostech obsluhy. Cílem projektu „UP_Ramp-up“ je proto plně automatizovat ramp-up pomocí umělé inteligence (AI). To výrazně snižuje spotřebu materiálu a výrobní náklady. Experti si stanovili za cíl snížit plánovací a výrobní dobu pro výrobu replikovacích nástrojů s mikrostrukturami pro mikrolinové pole čtyřnásobně.

Velké neznámé: parametry pro řídicí a regulační techniku

Kvalita zpracování materiálu přímo souvisí s vysoce přesným řízením pohybu os strojů: Pokud jsou individuální parametry jednotlivých komponent strojů sladěny, lze pohyby provádět velmi přesně. Lze dodržet vysoce přesné tvary a dosáhnout velmi nízké drsnosti povrchu. Zatímco mechanické souvislosti v komplexních ultraprécizních strojích jsou již známy, vlivy řídicích a regulačních komponent ještě nejsou dostatečně analyzovány. Zde se zaměřují Fraunhofer IPT a Innolite na umělou inteligenci využívající moderní metody z takzvaného posilovaného učení (Reinforcement Learning). To znamená, že naučené algoritmy mohou samy rozhodovat. Cílem je trénovat AI před nastavovacím procesem bez součástky a následně ji integrovat do výrobního procesu tak, aby samostatně optimalizovala parametry.

Trénink umělé inteligence a přesné předpovědi výrobních procesů

Pro trénink modelů AI využívají vědci data, která jsou automaticky generována pomocí takzvaných „vzduchových řezů“ ve výrobním procesu bez součástky. Lidské expertní znalosti a výrobní data z reálných procesů doplňují datovou sadu. Další data procesu zpracovávají pomocí metod rozpoznávání vzorů. Umělá inteligence má přístup ke všem parametrům zaznamenaným v stroji. Sběr dat a následné poskytnutí optimalizovaného souboru parametrů pro výrobní proces jsou plně automatizované, což výrazně urychluje celou parametrizaci řízení. Díky modelování, které AI vypočítala, jsou možné tak přesné předpovědi, že již první kus je vyroben v tolerančním rozsahu.

Partneři projektu dále vyvíjejí zgeneralizovaný model, který může být použit i pro další aplikace optimalizace parametrů. Především malé a střední podniky těží z integrovaného AI řešení, které jim umožní zlepšit řízení svých strojů. Tím mohou výrazně zkrátit dobu nastavování.

Příklad použití: Mikrolinové pole

Na základě stroje vyrobeného společností Innolite pro výrobu replikovacích nástrojů pro mikrolinové pole, ve kterých jsou mikrostruktury vloženy do volných tvarových ploch, ukazují partneři projektu, jak dobře funguje AI v průmyslové praxi. Mikrolinové pole získávají stále větší význam jako součást vysoce moderních optických systémů. Jejich oblasti použití sahají od optických senzorů přes lékařské laserové systémy až po osvětlení, například LED reflektory. Výrobní data, jako jsou CAM data, tolerance a analytické cílové kontury, jsou k dispozici, ale mohou být také generována podle požadovaného dílce. Pomocí vhodné měřicí techniky partneři projektu následně kontrolují kvalitu výrobku. Díky tomu mohou experti posoudit vliv řídicích a regulačních komponent a efektivitu procesu.

Projekt UP_Ramp-up

Spolkový ministryně pro vzdělávání a výzkum financuje projekt „UP_Ramp-up – AI podporovaný proces optimalizace parametrického prostoru výrobních procesů pro jednotlivé kusy složitých optických struktur“ v rámci směrnice „KI4KMU“ na podporu projektů v oblasti „Výzkum, vývoj a využívání metod umělé inteligence v malých a středních podnicích“. Projekt běží pod podporovým číslem 01IS21046B od října 2021 do března 2024 a je řízen projektním partnerem DLR.