漢諾威萊布尼茨大學(xué)制造技術(shù)與機(jī)床研究所（IFW）正在其AutoBohr項(xiàng)目中開發(fā)一種人工智能（AI），能夠識(shí)別可能出現(xiàn)的故障，例如即將發(fā)生的刀具斷裂。借助機(jī)器學(xué)習(xí)算法，該系統(tǒng)能夠及早識(shí)別潛在干擾并啟動(dòng)預(yù)防措施。這為制造效率以及避免工件和機(jī)床損壞帶來了顯著優(yōu)勢(shì)。

鉆孔工藝約占切削加工的30%，通常在工藝鏈的末端。如果在鉆孔過程中出現(xiàn)故障，斷裂的鉆頭可能卡在工件中，取出斷裂的鉆頭會(huì)產(chǎn)生輔助時(shí)間。如果無法取出鉆頭，或者材料在斷裂時(shí)受損，則會(huì)導(dǎo)致廢品。在這種情況下，之前所有加工步驟所創(chuàng)造的附加值也將損失殆盡。因此，可靠的鉆孔過程監(jiān)控對(duì)于及早識(shí)別和防止工藝故障、降低成本和縮短訂單交付時(shí)間至關(guān)重要。

在小批量和單件生產(chǎn)中，過程監(jiān)控尤其具有挑戰(zhàn)性，因?yàn)橥ǔＶ挥泻苌偕踔镣耆珱]有可供參考的工序流程。傳統(tǒng)的過程監(jiān)控方法（例如包絡(luò)線法）通?；趨⒖剂慵慕y(tǒng)計(jì)閾值。因此，對(duì)于每個(gè)新的制造過程，都需要對(duì)監(jiān)控系統(tǒng)進(jìn)行重新學(xué)習(xí)。只有在積累了一定數(shù)量的參考工序后，監(jiān)控系統(tǒng)才能可靠應(yīng)用。

切屑堵塞會(huì)引發(fā)誤報(bào)警，導(dǎo)致采用包絡(luò)線法等傳統(tǒng)方法進(jìn)行過程監(jiān)控變得困難

鉆孔過程監(jiān)控面臨的挑戰(zhàn)

使用傳統(tǒng)方法監(jiān)控鉆孔過程尤其具有挑戰(zhàn)性，因?yàn)樗艿焦に囂赜懈蓴_的顯著影響。隨著鉆孔深度的增加，切屑在排出孔外的過程中更容易發(fā)生堵塞，這些切屑堵塞會(huì)導(dǎo)致扭矩突然上升。這種扭矩上升對(duì)加工過程并不危險(xiǎn)，但會(huì)超出監(jiān)控閾值。

由此會(huì)引發(fā)誤報(bào)警。為了減少誤報(bào)警的數(shù)量，監(jiān)控閾值通常被設(shè)定得具有特別大的容差范圍。然而，這種做法降低了監(jiān)控的靈敏度，導(dǎo)致干擾只有在出現(xiàn)顯著延遲后才能被識(shí)別，甚至根本無法識(shí)別。這種鉆孔特有的復(fù)雜性使得檢測(cè)變得困難。

實(shí)踐中一種常見的避免斷裂的措施是預(yù)防性更換刀具，但這會(huì)導(dǎo)致刀具未能得到充分利用，從而產(chǎn)生成本和換裝時(shí)間。

AutoBohr項(xiàng)目旨在開發(fā)一種可靠的過程監(jiān)控方法，用于預(yù)測(cè)單件和小批量生產(chǎn)中的鉆頭斷裂問題。AutoBohr項(xiàng)目的目標(biāo)是通過AI系統(tǒng)在鉆頭斷裂之前將其識(shí)別出來。隨后，系統(tǒng)會(huì)向操作者發(fā)出警告，或者及時(shí)自動(dòng)更換備用刀具。這樣就可以防止損壞并最大限度地利用刀具。這種自主且按需的換刀操作還能實(shí)現(xiàn)鉆孔過程的無人化運(yùn)行。

基于AI的數(shù)據(jù)異常檢測(cè)

用于訓(xùn)練機(jī)器學(xué)習(xí)方法的數(shù)據(jù)是在DMG MORI公司的Milltap 700上采集的。在此過程中，研究人員使用了各種不同的工藝參數(shù)，采集的數(shù)據(jù)包括有切屑斷裂周期和無切屑斷裂周期兩種情況。

項(xiàng)目中采用ibaDAQ系統(tǒng)結(jié)合ibaPDA軟件進(jìn)行數(shù)據(jù)采集，測(cè)量數(shù)據(jù)被儲(chǔ)存在ibaHD服務(wù)器上，供后續(xù)處理使用。這些數(shù)據(jù)用于開發(fā)算法。采集的信號(hào)包括驅(qū)動(dòng)電流、扭矩和刀具位置等等。此外，還采集了通過安裝在主軸上的傳感器直接測(cè)量的振動(dòng)數(shù)據(jù)。這些傳感器數(shù)據(jù)提供了關(guān)于振動(dòng)狀況和意外偏差的信息，這些偏差預(yù)示著鉆孔過程中的干擾。

正在開發(fā)的系統(tǒng)由兩個(gè)模塊組成。 第一個(gè)模塊已完成開發(fā)，用于對(duì)輸入數(shù)據(jù)進(jìn)行實(shí)時(shí)分段。如下圖所示，該系統(tǒng)能識(shí)別不同的加工階段。

從首次鉆孔開始，系統(tǒng)就能區(qū)分刀具嚙合狀態(tài)、空切狀態(tài)、刀具復(fù)位或異常扭矩下降。該分段功能完全自主運(yùn)行，無需預(yù)先進(jìn)行數(shù)據(jù)標(biāo)注，并能通過持續(xù)學(xué)習(xí)適應(yīng)加工過程的變化。

隨后，分段后的數(shù)據(jù)將在第二個(gè)模塊（目前正在開發(fā)中）由訓(xùn)練好的AI進(jìn)行評(píng)估。該評(píng)估結(jié)果是異常檢測(cè)的基礎(chǔ)。AI的開發(fā)主要采用神經(jīng)網(wǎng)絡(luò)。這些網(wǎng)絡(luò)能夠識(shí)別所采集的機(jī)器和傳感器數(shù)據(jù)中的模式，并發(fā)現(xiàn)異常趨勢(shì)。鉆孔過程中潛在的斷裂或其他干擾的早期跡象將被檢測(cè)出來。通過結(jié)合機(jī)器內(nèi)部數(shù)據(jù)與外部傳感器數(shù)據(jù)，能實(shí)現(xiàn)更高的預(yù)測(cè)精度，從而優(yōu)化制造過程。該系統(tǒng)也可以僅使用內(nèi)部機(jī)器數(shù)據(jù)運(yùn)行，這簡(jiǎn)化了在產(chǎn)線環(huán)境中的集成并降低了成本。

鉆孔過程自主分段：I–快速進(jìn)給（圖中未顯示）；II–空切狀態(tài)；III–刀具嚙合狀態(tài)；IV–預(yù)期扭矩下降；V–異常扭矩下降；VI–刀具復(fù)位

多樣化制造流程的通用解決方案

只有防止模型對(duì)特定加工過程的過擬合，才能實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型的高度通用性。過擬合問題是AI模型開發(fā)中一個(gè)眾所周知的挑戰(zhàn)。此時(shí)模型傾向于“死記硬背”某些特定數(shù)據(jù)以獲得良好的預(yù)測(cè)精度。當(dāng)開發(fā)完成后在真實(shí)條件下將此類模型應(yīng)用于新數(shù)據(jù)時(shí)，其預(yù)測(cè)結(jié)果會(huì)變得不準(zhǔn)確。為避免此問題，AutoBohr項(xiàng)目采集了大量工藝參數(shù)變體的過程數(shù)據(jù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)多樣性使得實(shí)現(xiàn)高通用性成為可能。為進(jìn)行驗(yàn)證，研究人員還使用了訓(xùn)練模型未知的工藝組合測(cè)試數(shù)據(jù)評(píng)估系統(tǒng)的有效性。

來源：榮格-《國(guó)際金屬加工商情》

原創(chuàng)聲明：
本站所有原創(chuàng)內(nèi)容未經(jīng)允許，禁止任何網(wǎng)站、微信公眾號(hào)等平臺(tái)等機(jī)構(gòu)轉(zhuǎn)載、摘抄，否則榮格工業(yè)傳媒保留追責(zé)權(quán)利。任何此前未經(jīng)允許，已經(jīng)轉(zhuǎn)載本站原創(chuàng)文章的平臺(tái)，請(qǐng)立即刪除相關(guān)文章。