Sneller inrichten en milieuvriendelijk produceren

Ultraprecisie draaien van een micro-lensstructuur © Fraunhofer IPT

Voorbeeld van een gegraveerde microlensarray © Fraunhofer IPT

Medizintechnik, Photonik, Photovoltaik: In vele toepassingsgebieden dragen mikrogepolijste onderdelen bij aan de functionaliteit van hightech-producten. Het inrichten van de machines voor deze ultranauwkeurige productieprocessen vereist vaak jarenlange ervaring en speciale expertise. Tegelijkertijd nemen de eisen aan de kwaliteit en de levensduur van de werkstukken toe, evenals de behoefte aan een efficiënt en milieuvriendelijk productieproces. In samenwerking met de partner Innolite GmbH werkt het Fraunhofer-Institut für Produktionstechnologie IPT uit Aken aan het door het BMBF gefinancierde project »UP_Ramp-up«, dat met behulp van kunstmatige intelligentie het instelproces van de machines wil versnellen en de productie efficiënter maken.

Het produceren van producten waarvan de functionele oppervlakken bestaan uit vrije vormen met geïntegreerde microstructuren is een veeleisende taak: door de toenemende complexiteit van de geometrische structuren komen ultranauwkeurige fabricageprocessen zoals het bewerken met diamantgereedschap steeds vaker aan hun grenzen. Tot op heden worden de fabricagemachines handmatig en iteratief ingesteld, totdat het productieproces zo is geoptimaliseerd dat de gewenste oppervlakteruwheid wordt bereikt. De efficiëntie van het instelproces bij deze traditionele ramp-up hangt af van de ervaring en competentie van de bediener. Het doel van het project »UP_Ramp-up« is daarom om het ramp-up-proces volledig te automatiseren met behulp van kunstmatige intelligentie (AI). Dit vermindert het materiaalgebruik en de fabricagekosten aanzienlijk. De experts streven ernaar om de planning- en fabricagetijd voor het maken van replicatiewerkzeugen met microstructuren voor microlensarrays met een factor vier te verminderen.

De grote onbekenden: parameters voor besturing en regeltechniek

De kwaliteit van de materiaalbewerking hangt direct samen met de uiterst nauwkeurige bewegingsgeleiding van de machine-assen: door de individuele parameters van de verschillende machineonderdelen af te stemmen, kunnen de bewegingen zeer precies worden uitgevoerd. Hoogwaardige vormen kunnen worden nageleefd en zeer geringe oppervlakteruwheden worden bereikt. Terwijl de mechanische samenhangen in complexe ultranauwkeurige machines inmiddels bekend zijn, zijn de invloeden van de besturings- en regeltechnische componenten nog niet voldoende geanalyseerd. Hier zetten het Fraunhofer IPT en Innolite in op kunstmatige intelligentie die gebruikmaakt van moderne methoden uit de zogenaamde reinforcement learning. Dit betekent dat de getrainde algoritmen zelf beslissingen kunnen nemen. Het doel is om de AI-toepassing vóór het instelproces zonder onderdeel te trainen en vervolgens zo te integreren in het productieproces dat deze zelfstandig optimale parameters aanpast.

Artificial intelligence trainen en productieprocessen nauwkeurig voorspellen

Voor het trainen van de AI-modellen gebruiken de wetenschappers gegevens die automatisch worden gegenereerd met behulp van zogenaamde luchtdoorsneden in het productieproces zonder onderdeel. Menselijk expertkennis en fabricagedata uit echte processen vullen de dataset aan. Verder verwerken ze procesgegevens met methoden uit patroonherkenning. De kunstmatige intelligentie heeft tijdens het productieproces toegang tot alle parameters die in de machine worden verzameld. De gegevensverzameling en de daaropvolgende levering van een op het productieproces afgestemde parametrisatie worden volledig geautomatiseerd en versnellen de gehele regelparameterstelling aanzienlijk. Dankzij de modellering die de AI heeft berekend, zijn zo nauwkeurige voorspellingen mogelijk dat het eerste onderdeel al binnen de toleranties wordt vervaardigd.

De projectpartners ontwikkelen bovendien een gegeneraliseerd model dat voor andere toepassingen voor parameteroptimalisatie kan worden ingezet. Vooral kleine en middelgrote ondernemingen profiteren van een procesgeïntegreerde AI-oplossing waarmee ze hun machinebesturing kunnen verbeteren. Zo kunnen ze de duur van het instelproces drastisch verkorten.

Toepassingsvoorbeeld: Mikrolensarrays

Aan de hand van een door Innolite geproduceerde machine voor het vervaardigen van replicatiewerkzeugen voor mikrolensarrays, waarbij microstructuren in vrije vormen zijn aangebracht, tonen de projectpartners aan hoe goed de AI-toepassing in de industriële praktijk functioneert. Mikrolensarrays winnen als onderdeel van hoogmoderne optische systemen steeds meer aan belang. Hun toepassingsgebieden variëren van optische sensoren tot medische lasersystemen en verlichtingssystemen zoals LED-projectoren. Fabricagedata zoals CAM-gegevens, toleranties en analytische streepkonturen liggen voorhanden, kunnen maar ook afhankelijk van het gewenste onderdeel worden gegenereerd. Met behulp van geschikte meetmethoden controleren de projectpartners vervolgens de kwaliteit van het werkstuk. Zo kunnen de experts uitspraken doen over de invloeden van de besturings- en regelingscomponenten en de efficiëntie van het proces.

Het project UP_Ramp-up

Het Bundesministerium für Bildung und Forschung financiert het project »UP_Ramp-up – KI-gestützter Prozess zur Optimierung des Parameterraums von Fertigungsprozessen zur Einzelstückfertigung von komplexen optischen Strukturen« binnen de richtlijn »KI4KMU« ter ondersteuning van projecten op het gebied van »Onderzoek, ontwikkeling en gebruik van methoden van kunstmatige intelligentie in MKB«. Het project loopt onder het subsidiekennnummer 01IS21046B van oktober 2021 tot maart 2024 en wordt begeleid door de projectuitvoerder DLR.