Modularnie zoptymalizowane procesy produkcyjne

Dzięki zaawansowanemu systemowi modułowemu z sprawdzonymi i wydajnymi komponentami, SURFinpro jest szeroko stosowalny i łatwy do dostosowania. © Shutterstock/Fraunhofer IWS / Thanks to a sophisticated modularization approach using efficient components, SURFinpro has a wide variety of potential deployments and is easy to adapt. © Shutterstock/Fraunhofer IWS

Przy pomocy sztucznej inteligencji i optycznej technologii pomiarowej SURFinpro wykrywa, klasyfikuje i wizualizuje defekty w czasie rzeczywistym podczas trwania procesu. © Fraunhofer IWS / Using artificial intelligence and optical measurement technology, SURFinpro detects, classifies and visualizes defects in real time as the process is ongoing. © Fraunhofer IWS

Szybciej, dokładniej, bardziej elastycznie – w produkcji należy wykorzystać cały potencjał optymalizacyjny. Naukowcy z Instytutu Fraunhofer ds. Technologii Materiałów i Technik Promieniowania IWS opracowali SURFinpro, rozwiązanie, które za pomocą sztucznej inteligencji i optycznej techniki pomiarowej w czasie rzeczywistym wykrywa błędy, klasyfikuje je, wizualizuje i zgłasza do urządzenia produkcyjnego. Eksperci prezentują swój system od 27 do 30 czerwca 2023 roku na wspólnym stoisku Fraunhofer nr 441 na targach Laser World of Photonics w hali A3.

Ultralekki, ultra cienki, wyjątkowo niezawodny – a mimo to produkowany szybko. Dr Christopher Taudt, kierownik grupy ds. pomiarów powierzchni w Zwickauer Centrum Zastosowań Fraunhofer ds. Technologii Opticznych i Powierzchni (AZOM) Instytutu Fraunhofer IWS, dba o to, aby obietnice produktowe takie jak te były realizowane w praktyce. Wspólnie naukowcy opracowali system, który wykrywa błędy powierzchni, artefakty i zmiany tekstury, analizując je wspomagany przez sztuczną inteligencję.

Metoda ta jest w stanie szybko i w wysokiej rozdzielczości trójwymiarowo rejestrować powierzchnie i generować z tych danych pomiarowych informacje w linii produkcyjnej. »Błędy nie są tylko wykrywane jako takie. System je także klasyfikuje, tworząc tym samym kontekst dalszej analizy. Nasi klienci otrzymują informacje o rodzaju błędu oraz liczne parametry, takie jak między innymi gęstość defektów, geometria błędu czy częstotliwość występowania błędów«, precyzuje Taudt. »To stanowi istotną wartość dodaną w porównaniu do tradycyjnych systemów.«

Wyższa precyzja przy większej prędkości

System pomiarowy jest od ponad roku skutecznie wykorzystywany w zastosowaniach i analizuje na szerokości 70 centymetrów proces rolno-rolny. Aby zwiększyć potencjał optymalizacyjny, Christopher Taudt i jego zespół trenują SURFinpro podczas trwającej produkcji. Naukowcy korzystają przy tym z katalogu błędów. Wprowadzając zgłoszone błędy do sieci neuronowej, precyzują wykrywanie anomalii. Analizując informacje pomiarowe, sprawdzają na przykład, czy mamy do czynienia z nowymi defektami, czy też błędy się zmieniają. System musi reagować dynamicznie. »Pracujemy nad rozwojem lepszych sieci neuronowych, które będą potrzebowały mniej danych«, wyjaśnia naukowiec, »a ponadto opracowujemy nowe strategie treningowe podczas bieżącej pracy.«

Eksperci z AZOM aktualnie dostosowują swoją technologię do dodatkowych obszarów zastosowań, takich jak ciągłe procesy produkcji kompozytów włóknistych. »Na tym polu nasi partnerzy nie tylko dążą do unikania błędów powierzchniowych – chodzi także o wielowymiarowe rozpoznawanie i ocenę elementów«, wyjaśnia Taudt. Kolejną grupą docelową, która ma uzyskać dostęp do algorytmów i systemu klasyfikacji błędów, jest przemysł półprzewodników, na przykład do produkcji elastycznych materiałów półprzewodnikowych.

Obecnie w rozwiązaniu AZOM Instytutu Fraunhofer używa się maksymalnie czterech kamer. W kolejnej fazie naukowcy planują uzupełnić system o kolejne kamery. Jest to istotne niezależnie od metody – czy dla kompozytów włóknistych z dużymi elementami, czy w klasycznych procesach rolno-rolnych, na przykład w przemyśle fotowoltaicznym.

Kolejnym punktem wyjścia dla naukowców jest szybkość rozwiązania. Szczególnie w przypadku tworzyw wzmacnianych włóknami, ale także w przemyśle tekstylnym, wymaga się bardzo wysokich czasów taktowania. »Zwiększenie prędkości jest ważnym tematem w tym kontekście i posiadamy know-how, aby sprostać tym wymaganiom. W naszym rozwiązaniu wykorzystujemy techniki uczenia maszynowego i sztucznej inteligencji zarówno do analizy, jak i przyspieszania etapów oceny«, wyjaśnia kierownik grupy, precyzując: »Odpowiednia analiza pomiarowa składa się z ograniczonej liczby kroków, w których dane są filtrowane i redukowane. Nieustannie rozwijamy nowe technologie, aby być jeszcze szybszymi i na przykład wyciągać z mniejszej ilości danych ten sam poziom informacji.«

Inteligentne i wyrafinowane modułowo

Kluczowym aspektem jego rozwiązania jest jego modułowość. Dzięki przemyślanemu systemowi składania z sprawdzonych i wydajnych komponentów SURFinpro jest szeroko stosowalny i łatwy do adaptacji: »Wiele technologii, które stosujemy w naszym systemie, zostało opracowanych jako pojedyncze moduły, które można efektywnie wykorzystać także w różnych innych kontekstach i projektach.« Projekt naukowców z AZOM Instytutu Fraunhofer jest doskonałym przykładem sukcesu i praktyczności tego modularnego podejścia.

Na tegorocznych targach Laser World of Photonics Christopher Taudt i jego zespół zaprezentują swoje rozwiązanie na przykładzie zastosowania w produkcji elastycznych ogniw słonecznych, które powstają w procesie rolno-rolnym. Rejestracja danych i ich analiza w czasie rzeczywistym podczas procesu będą dostępne dla odwiedzających od 27 do 30 czerwca na wspólnym stoisku Fraunhofer nr 441 w hali A3.