Configurare più rapidamente e produrre in modo sostenibile

Tornitura di precisione estrema di una struttura di micro-lenti © Fraunhofer IPT

Esempio di array di micro-lenti sagomate © Fraunhofer IPT

Medicina, fotonica, fotovoltaico: In numerosi campi applicativi, superfici di componenti microstrutturate contribuiscono alla funzionalità di prodotti high-tech. La messa a punto di queste macchine per processi di produzione ultrafini richiede spesso anni di esperienza e conoscenze specialistiche. Allo stesso tempo, aumentano le richieste di qualità e durata dei pezzi e di un processo di produzione efficiente e rispettoso delle risorse. In collaborazione con il partner Innolite GmbH, l'Istituto Fraunhofer per la tecnologia della produzione IPT di Aachen lavora al progetto finanziato dal BMBF »UP_Ramp-up«, per accelerare, grazie all'intelligenza artificiale, il processo di configurazione delle macchine e rendere così più efficiente la produzione.

Produzione di prodotti le cui superfici funzionali sono costituite da superfici di forma libera con microstrutture integrate rappresenta una sfida: con l'aumentare della complessità delle strutture geometriche, procedure di produzione ultrafini come il fresaggio con utensili diamantati si avvicinano sempre più ai loro limiti. Fino ad oggi, le macchine di produzione vengono impostate manualmente e in modo iterativo, fino a ottimizzare il processo di produzione in modo che si raggiunga la qualità superficiale desiderata. L'efficienza del processo di configurazione dipende dall'esperienza e dalla competenza dell'operatore. L'obiettivo del progetto »UP_Ramp-up« è quindi automatizzare completamente il processo di ramp-up mediante l'uso di intelligenza artificiale (IA). Ciò riduce significativamente il consumo di materiali e i costi di produzione. Gli esperti si sono prefissati di ridurre di un fattore quattro i tempi di pianificazione e produzione per la realizzazione di utensili di replica con microstrutture per array di microlenti.

Le grandi incognite: parametri per la tecnologia di controllo e regolazione

La qualità della lavorazione dei materiali dipende direttamente dalla guida di movimento ad alta precisione degli assi delle macchine: ottimizzando i parametri individuali delle singole componenti della macchina, si possono eseguire i movimenti con grande precisione. È possibile rispettare forme di alta precisione e ottenere superfici molto lisce. Mentre le connessioni meccaniche in macchine di ultraprecisione complesse sono ormai note, gli influssi delle componenti di controllo e regolazione sono ancora insufficientemente analizzati. Qui, il Fraunhofer IPT e Innolite si affidano all'intelligenza artificiale, che utilizza metodi moderni chiamati reinforcement learning. Ciò significa che gli algoritmi addestrati possono prendere decisioni autonomamente. L'obiettivo è addestrare l'IA prima del processo di impostazione, senza un componente reale, e successivamente integrarla nel processo di produzione in modo che possa adattare autonomamente i parametri ottimali.

Allenare l'intelligenza artificiale e prevedere con precisione i processi di produzione

Per l'addestramento dei modelli di IA, i ricercatori utilizzano dati generati automaticamente tramite cosiddetti tagli d'aria nel processo di produzione, senza un componente reale. Il sapere esperto umano e i dati di produzione di processi reali completano il set di dati. Altri dati di processo vengono elaborati con metodi di riconoscimento di pattern. L'intelligenza artificiale ha accesso a tutti i parametri rilevati dalla macchina nel processo di produzione. La raccolta dei dati e la successiva fornitura di un set di parametri ottimizzato per il processo di produzione avvengono in modo completamente automatizzato, accelerando notevolmente la parametrizzazione del controllo. Grazie alla modellazione calcolata dall'IA, è possibile fare previsioni così precise che il primo componente viene già prodotto entro i limiti di tolleranza.

Inoltre, i partner del progetto sviluppano un modello generalizzato che può essere utilizzato per ulteriori applicazioni di ottimizzazione dei parametri. Le piccole e medie imprese, in particolare, beneficiano di una soluzione di IA integrata nel processo, che permette di migliorare il controllo delle proprie macchine. In questo modo, possono ridurre drasticamente la durata del processo di configurazione.

Esempio di applicazione: array di microlenti

Attraverso una macchina prodotta da Innolite per la realizzazione di utensili di replica per array di microlenti, in cui sono integrate microstrutture in superfici di forma libera, i partner del progetto mostrano quanto bene funzioni l'applicazione dell'IA in ambito industriale. Gli array di microlenti stanno acquisendo sempre più importanza come componenti di sistemi ottici avanzati. I loro campi di applicazione spaziano da sensori ottici a sistemi laser medici fino a sistemi di illuminazione come fari LED. Sono disponibili dati di produzione come dati CAM, tolleranze e profili di progetto analitici, ma possono anche essere generati a seconda del componente desiderato. Con tecniche di misurazione adeguate, i partner del progetto verificano la qualità del pezzo prodotto. In questo modo, gli esperti possono valutare gli influssi delle componenti di controllo e regolazione e l'efficienza del processo.

Il progetto UP_Ramp-up

Il Ministero federale dell'istruzione e della ricerca finanzia il progetto »UP_Ramp-up – Processo basato su IA per l'ottimizzazione dello spazio dei parametri nei processi di produzione per la realizzazione di strutture ottiche complesse in singoli pezzi« nell'ambito della direttiva »KI4KMU« per il sostegno di progetti sul tema »Ricerca, sviluppo e utilizzo di metodi di intelligenza artificiale nelle PMI«. Il progetto è gestito dal centro di progetto DLR ed è in corso dal ottobre 2021 a marzo 2024, con il numero di riferimento 01IS21046B.