Szybciej konfigurować i produkować oszczędnie w zasoby

Ultraprecyzyjne toczenie struktury mikrolensowej © Fraunhofer IPT

Przykład zespołu mikrolinijek z frezem © Fraunhofer IPT

Medizintechnik, Photonik, Fotowoltaika: W wielu dziedzinach zastosowań mikrostrukturalne powierzchnie komponentów przyczyniają się do funkcjonalności produktów high-tech. Konfiguracja maszyn do tych ultrawysokoprecyzyjnych procesów produkcyjnych często wymaga wieloletniego doświadczenia i specjalistycznej wiedzy. Jednocześnie rosną wymagania dotyczące jakości i trwałości wyrobów oraz efektywnego i oszczędnego procesu produkcyjnego. Wspólnie z partnerem Innolite GmbH, Instytut Fraunhofera ds. Technologii Produkcji IPT z Aachen, w projekcie finansowanym przez BMBF „UP_Ramp-up” dąży do przyspieszenia procesu ustawiania maszyn i uczynienia produkcji bardziej efektywną za pomocą sztucznej inteligencji.

Wytwarzanie produktów, których funkcjonalne powierzchnie składają się z form wolnych powierzchni zintegrowanych mikrostruktur, jest zadaniem wymagającym: W miarę wzrostu złożoności geometrycznych struktur coraz częściej ultrawysokoprecyzyjne metody obróbki, takie jak skrawanie diamentowymi narzędziami, osiągają swoje granice. Do dziś maszyny produkcyjne są ustawiane ręcznie i iteracyjnie, aż proces wytwarzania zostanie zoptymalizowany tak, aby osiągnąć pożądaną jakość powierzchni. Efektywność procesu ustawiania zależy w tym tradycyjnym podejściu od doświadczenia i kompetencji obsługi. Celem projektu „UP_Ramp-up” jest całkowita automatyzacja procesu ramp-up za pomocą sztucznej inteligencji (SI). To znacznie obniża zużycie materiałów i koszty produkcji. Eksperci zamierzają zmniejszyć czas planowania i produkcji narzędzi replikacyjnych z mikrostrukturami do mikrolusterek o czynnik cztery.

Wielkie niewiadome: parametry dla technik sterowania i regulacji

Jakość obróbki materiałów bezpośrednio zależy od precyzyjnego prowadzenia ruchu osi maszyn: dopasowanie indywidualnych parametrów poszczególnych komponentów maszyn pozwala na bardzo precyzyjne wykonywanie ruchów. Można utrzymać wysoką precyzję form i osiągnąć bardzo niską chropowatość powierzchni. Podczas gdy mechaniczne powiązania w złożonych ultrawysokoprecyzyjnych maszynach są już dobrze poznane, wpływ komponentów sterowania i regulacji wciąż nie został wystarczająco przeanalizowany. W tym miejscu Instytut Fraunhofera IPT i Innolite sięgają po sztuczną inteligencję, korzystając z nowoczesnych metod zwanych uczeniem przez wzmacnianie (Reinforcement Learning). Oznacza to, że wytrenowane algorytmy mogą same podejmować decyzje. Celem jest wytrenowanie SI przed procesem ustawiania bez konieczności posiadania komponentu i następnie integracja jej z procesem produkcyjnym tak, aby sama optymalizowała parametry.

Szkolenie sztucznej inteligencji i precyzyjne przewidywanie procesów produkcyjnych

Do szkolenia modeli SI naukowcy wykorzystują dane generowane automatycznie za pomocą tzw. przekrojów powietrznych w procesie produkcji bez komponentu. Wiedza ekspercka i dane z rzeczywistych procesów uzupełniają zbiór danych. Dodatkowe dane procesowe są przetwarzane metodami rozpoznawania wzorców. Sztuczna inteligencja ma dostęp do wszystkich parametrów rejestrowanych w maszynie. Zbieranie danych i ich automatyczne przetwarzanie w celu optymalizacji parametrów procesu przebiega całkowicie automatycznie, co znacznie przyspiesza całą parametryzację regulacji. Dzięki modelowaniu wyliczonemu przez SI możliwe są tak precyzyjne przewidywania, że już pierwszy wyprodukowany komponent mieści się w tolerancji.

Partnerzy projektu opracowują ponadto uogólniony model, który może być wykorzystywany do dalszej optymalizacji parametrów. Zwłaszcza małe i średnie przedsiębiorstwa mogą skorzystać z rozwiązania SI zintegrowanego z procesem, które pozwala im poprawić regulację maszyn. Dzięki temu mogą drastycznie skrócić czas ustawiania.

Przykład zastosowania: Mikrolusterek

Na przykładzie maszyny wyprodukowanej przez Innolite do wytwarzania narzędzi replikacyjnych do mikrolusterek, w których wprowadzone są mikrostruktury w formach wolnych powierzchni, partnerzy projektu pokazują, jak dobrze działa zastosowanie SI w praktyce przemysłowej. Mikrolusterka zyskują coraz większe znaczenie jako element nowoczesnych systemów optycznych. Ich zastosowania obejmują czujniki optyczne, systemy laserowe medyczne, a także systemy oświetleniowe, takie jak reflektory LED. Dane produkcyjne, takie jak dane CAM, tolerancje i analityczne kontury docelowe, są dostępne, ale mogą być również generowane w zależności od pożądanego komponentu. Za pomocą odpowiedniej techniki pomiarowej partnerzy projektu oceniają jakość wyrobu końcowego. W ten sposób eksperci mogą ocenić wpływ komponentów sterowania i regulacji oraz efektywność procesu.

Projekt UP_Ramp-up

Federalne Ministerstwo Edukacji i Badań wspiera projekt „UP_Ramp-up – Proces wspomagany sztuczną inteligencją do optymalizacji przestrzeni parametrów procesów produkcyjnych w produkcji jednostkowej złożonych struktur optycznych” w ramach wytycznych „KI4KMU” na rzecz wspierania projektów z zakresu „Badania, rozwój i wykorzystanie metod sztucznej inteligencji w MŚP”. Projekt jest realizowany pod numerem referencyjnym 01IS21046B od października 2021 do marca 2024 i jest nadzorowany przez instytucję zarządzającą DLR.