Configurar más rápido y producir de manera eficiente en recursos

Torneado de ultra precisión de una estructura de microlentes © Fraunhofer IPT

Ejemplo de una matriz de microlentes grabadas © Fraunhofer IPT

Medicina, fotónica, fotovoltaica: En numerosos campos de aplicación, las superficies de componentes microestructuradas contribuyen a la funcionalidad de productos de alta tecnología. La puesta a punto de las máquinas para estos procesos de fabricación ultrafinos requiere a menudo experiencia de muchos años y conocimientos especializados. Al mismo tiempo, aumentan los requisitos de calidad y durabilidad de las piezas y de un proceso de producción eficiente y respetuoso con los recursos. Junto con el socio Innolite GmbH, el Instituto Fraunhofer para Tecnología de Producción IPT de Aachen trabaja en el proyecto financiado por el BMBF »UP_Ramp-up«, para acelerar el proceso de puesta a punto de las máquinas mediante inteligencia artificial y hacer que la fabricación sea más eficiente.

Fabricar productos cuyas superficies funcionales consisten en superficies libres con microestructuras integradas es una tarea exigente: debido a la creciente complejidad de las estructuras geométricas, los procesos de fabricación ultrafinos como el mecanizado con herramientas de diamante cada vez alcanzan más sus límites. Hasta hoy, las máquinas de fabricación se ajustan manual y de forma iterativa hasta que el proceso de producción está optimizado para alcanzar la calidad superficial deseada. La eficiencia del proceso de puesta a punto depende en este método convencional de la experiencia y competencia del operario. El objetivo del proyecto »UP_Ramp-up« es automatizar completamente el proceso de puesta a punto mediante el uso de inteligencia artificial (IA). Esto reduce significativamente el consumo de material y los costes de fabricación. Los expertos pretenden reducir el tiempo de planificación y fabricación para producir herramientas de réplica con microestructuras para matrices de microlentes en un factor cuatro.

Las grandes incógnitas: parámetros para la técnica de control y regulación

La calidad del procesamiento de materiales depende directamente de la guía de movimiento de alta precisión de los ejes de las máquinas: si se ajustan los parámetros individuales de los componentes de la máquina, los movimientos pueden realizarse con mucha precisión. Se pueden mantener formas de alta precisión y obtener superficies muy lisas. Mientras que las relaciones mecánicas en máquinas de ultra precisión complejas ya son conocidas, las influencias de los componentes de control y regulación aún no han sido suficientemente analizadas. Aquí, el IPT del Fraunhofer y Innolite apuestan por la inteligencia artificial, que utiliza métodos modernos del llamado aprendizaje por refuerzo. Esto significa que los algoritmos entrenados pueden tomar decisiones por sí mismos. El objetivo es entrenar la IA antes del proceso de ajuste sin una pieza y, posteriormente, integrarla en el proceso de fabricación para que ajuste de forma autónoma los parámetros óptimos.

Entrenar inteligencia artificial y predecir procesos de fabricación con precisión

Para entrenar los modelos de IA, los científicos utilizan datos generados automáticamente mediante cortes de aire en el proceso de fabricación sin una pieza. El conocimiento experto humano y los datos de fabricación de procesos reales complementan el conjunto de datos. Otros datos del proceso se procesan con métodos de reconocimiento de patrones. La inteligencia artificial tiene acceso a todos los parámetros que se registran en la máquina durante la producción. La recopilación de datos y la posterior provisión de un conjunto de parámetros optimizado para el proceso de fabricación se realizan de forma completamente automatizada, acelerando significativamente toda la parametrización de control. Gracias a la modelización calculada por la IA, es posible hacer predicciones tan precisas que ya la primera pieza se fabrica dentro de las tolerancias.

Además, los socios del proyecto desarrollan un modelo generalizado que puede emplearse para otras aplicaciones de optimización de parámetros. Las pequeñas y medianas empresas, en particular, se benefician de una solución de IA integrada en el proceso, que les permite mejorar el control de sus máquinas. Así, pueden reducir drásticamente la duración del proceso de puesta a punto.

Ejemplo de aplicación: matrices de microlentes

Con una máquina fabricada por Innolite para producir herramientas de réplica para matrices de microlentes, en las que se incorporan microestructuras en superficies libres, los socios del proyecto muestran qué tan bien funciona la aplicación de IA en la práctica industrial. Las matrices de microlentes adquieren cada vez más importancia como componentes de sistemas ópticos de alta tecnología. Sus campos de aplicación van desde sensores ópticos hasta sistemas láser médicos y sistemas de iluminación como faros LED. Los datos de fabricación, como datos CAM, tolerancias y perfiles de referencia analíticos, están disponibles, pero también pueden generarse según la pieza deseada. Tras ello, los socios del proyecto verifican la calidad de la pieza mediante técnicas de medición adecuadas. Así, los expertos pueden hacer declaraciones sobre las influencias de los componentes de control y regulación y sobre la eficiencia del proceso.

El proyecto UP_Ramp-up

El Ministerio Federal de Educación e Investigación financia el proyecto »UP_Ramp-up – Proceso basado en IA para la optimización del espacio de parámetros en procesos de fabricación para la producción individual de estructuras ópticas complejas« en la directriz »KI4KMU« para promover proyectos sobre »Investigación, desarrollo y uso de métodos de inteligencia artificial en pymes«. El proyecto se realiza bajo el número de financiación 01IS21046B desde octubre de 2021 hasta marzo de 2024 y está gestionado por el promotor del proyecto DLR.