Configurer rapidement et produire de manière économe en ressources

Usinage de précision extrême d'une structure de microlentille © Fraunhofer IPT

Exemple d'un réseau de microlentilles gravé © Fraunhofer IPT

Technologie médicale, photonique, photovoltaïque : Dans de nombreux domaines d'application, les surfaces de composants microstructurés contribuent au bon fonctionnement des produits de haute technologie. La mise en service de ces machines pour ces processus de fabrication ultraprécis nécessite souvent une expérience de plusieurs années et un savoir-faire particulier. Parallèlement, les exigences en matière de qualité et de durée de vie des pièces ainsi que d’un processus de production efficace et respectueux des ressources ne cessent de croître. En collaboration avec le partenaire Innolite GmbH, l’Institut Fraunhofer pour la technologie de production IPT d’Aix-la-Chapelle travaille sur le projet financé par le BMBF « UP_Ramp-up » afin d’accélérer, grâce à l’intelligence artificielle, le processus de mise en service des machines et de rendre ainsi la fabrication plus efficace.

Produire des produits dont les surfaces fonctionnelles sont constituées de surfaces libres avec microstructures intégrées est une tâche exigeante : avec la complexité croissante des structures géométriques, des procédés de fabrication ultraprécis tels que l’usinage avec des outils en diamant atteignent de plus en plus leurs limites. Jusqu’à présent, les machines de fabrication sont réglées manuellement et de manière itérative, jusqu’à ce que le processus de fabrication soit optimisé pour atteindre la qualité de surface souhaitée. L’efficacité du processus de mise en service dépend dans ce cas de l’expérience et de la compétence de l’opérateur. L’objectif du projet « UP_Ramp-up » est donc d’automatiser entièrement le processus de ramp-up à l’aide de l’intelligence artificielle (IA). Cela réduit considérablement la consommation de matériaux et les coûts de fabrication. Les experts visent à réduire par un facteur de quatre le temps de planification et de fabrication pour la production d’outils de réplication avec microstructures pour les matrices de microlentilles.

Les grandes inconnues : paramètres pour la commande et la régulation

La qualité de la fabrication des matériaux dépend directement de la guidage de mouvement de haute précision des axes des machines : en ajustant les paramètres individuels des différentes composants de la machine, il est possible d’exécuter les mouvements avec une grande précision. Des formes de haute précision peuvent être respectées et des rugosités de surface très faibles peuvent être obtenues. Alors que les relations mécaniques dans des machines ultraprécises complexes sont désormais bien connues, les influences des composants de commande et de régulation n’ont pas encore été suffisamment analysées. C’est ici que le Fraunhofer IPT et Innolite font appel à l’intelligence artificielle, qui utilise des méthodes modernes issues de l’apprentissage par renforcement (« Reinforcement Learning »). Cela signifie que les algorithmes entraînés peuvent prendre eux-mêmes des décisions. L’objectif est de former l’IA avant le processus de réglage sans pièce, puis de l’intégrer dans le processus de fabrication de manière à ce qu’elle ajuste de manière autonome les paramètres optimaux.

Entraîner l’intelligence artificielle et prévoir précisément les processus de fabrication

Pour l’entraînement des modèles d’IA, les chercheurs utilisent des données générées automatiquement à l’aide de coupes d’air dans le processus de fabrication, sans pièce. Les connaissances d’experts humains et les données de fabrication issues de processus réels complètent le jeu de données. D’autres données de processus sont traitées à l’aide de méthodes de reconnaissance de motifs. L’intelligence artificielle a accès dans le processus de production à tous les paramètres enregistrés par la machine. La collecte de données et la mise à disposition suivante d’un ensemble de paramètres optimisé pour le processus de fabrication sont entièrement automatisées, ce qui accélère considérablement toute la paramétrisation de la régulation. Grâce à la modélisation calculée par l’IA, il est possible de faire des prévisions si précises que la première pièce produite se trouve déjà dans la plage de tolérance.

Les partenaires du projet développent également un modèle généralisé qui pourra être utilisé pour d’autres applications d’optimisation des paramètres. Les petites et moyennes entreprises en particulier bénéficieront d’une solution IA intégrée au processus, leur permettant d’améliorer la régulation de leurs machines. Cela leur permettra de réduire drastiquement la durée du processus de mise en service.

Exemple d’application : matrices de microlentilles

À l’aide d’une machine fabriquée par Innolite pour la production d’outils de réplication pour les matrices de microlentilles, dans lesquelles des microstructures sont intégrées dans des surfaces libres, les partenaires du projet montrent à quel point l’application de l’IA fonctionne bien dans un contexte industriel. Les matrices de microlentilles prennent de plus en plus d’importance en tant que composant de systèmes optiques de haute technologie. Leurs domaines d’application vont des capteurs optiques aux systèmes laser médicaux, en passant par des systèmes d’éclairage tels que les projecteurs LED. Les données de fabrication, telles que les données CAM, les tolérances et les contours de référence analytiques, sont disponibles, mais peuvent également être générées en fonction de la pièce souhaitée. À l’aide de techniques de mesure appropriées, les partenaires du projet vérifient la qualité de l’outil par la suite. Ainsi, les experts peuvent faire des déclarations sur les influences des composants de commande et de régulation ainsi que sur l’efficacité du processus.

Le projet UP_Ramp-up

Le ministère fédéral de l’Éducation et de la Recherche finance le projet « UP_Ramp-up – Processus assisté par IA pour l’optimisation de l’espace des paramètres des processus de fabrication pour la production unitaire de structures optiques complexes » dans le cadre de la directive « KI4KMU » pour la promotion de projets sur le thème « Recherche, développement et utilisation de méthodes d’intelligence artificielle dans les PME ». Le projet est mené sous le numéro de financement 01IS21046B de octobre 2021 à mars 2024 et est encadré par le gestionnaire de projet DLR.