Wie sich KI und maschinelles Lernen auf die CNC-Bearbeitung auswirken

Von der Lieferkette bis zum fertigen und eingebauten Teil wird die inkrementelle Optimierung im Mittelpunkt der zukünftigen Fertigungsarbeit stehen. Was braucht es, um die Optimierung stärker zu automatisieren? Maschinelle Intelligenz und maschinelles Lernen. Wir erkunden.

Der Motor der heutigen Fertigung liegt in der CNC-Bearbeitung. Aber wohin steuert die CNC? Hin zu einer kontinuierlichen, automatisierten Optimierung, sagen Branchenexperten und Akademiker.

Optimierung mag wie ein einfaches Konzept klingen, aber es ist komplex – insbesondere zu automatisieren. Es gibt so viele zugrunde liegende Technologien, einschließlich Software und Daten – und menschlicher Interpretation –, die erforderlich sind, um die Automatisierung in der Fertigung Wirklichkeit werden zu lassen.

Wir werfen einen Blick auf zwei Bereiche, von denen erwartet wird, dass sie innerhalb von CNC-Systemen wirklich Einfluss nehmen:maschinelles Lernen und künstliche Intelligenz oder „KI“. Künstliche Intelligenz – ob aus softwarebasierten Algorithmen, intelligenten Sonden oder Sprachbefehlen – ist die eine Hälfte des Optimierungspuzzles. Die andere Hälfte ist maschinelles Lernen.

Maschinelles Lernen nimmt Maschinendaten und optimiert sich theoretisch selbst oder ändert den Kurs, um Korrekturmaßnahmen zu ergreifen. Dies bedeutet nicht, dass es keine menschliche Beteiligung gibt. Im Gegenteil, es bedeutet eine konsequente menschliche Beteiligung, die die Optimierungsparameter definiert und verfeinert oder einer Maschine beibringt – durch analytische Bewertung, Simulation, Programmierung und Tests.

Stellen Sie sich Systeme mit besserem Vorhersagenutzen vor, die nuancierte Maschinen- und Teilebauinformationen melden und vorprogrammiert sind, um Ausfallzeiten anzupassen und selbst zu planen oder Maschinenaktivitäten in einer gesünderen Zelle auszulösen. Stellen Sie sich Maschinenbetriebssysteme vor, die per Sprachbefehl mit Maschinisten kommunizieren und Maßnahmen ergreifen können.

Was wird heute getan, um die Branche diesem zukünftigen Zustand näher zu bringen? Wir haben mit dem Mitbegründer und CEO von MachineMetrics, Bill Bither, und anderen gesprochen, um das herauszufinden.

KI und maschinelles Lernen auf CNC-Maschinen:Der Wert der Sichtbarkeit

Mit einem Hintergrund im Maschinenbau und Fertigungskenntnissen in der Luft- und Raumfahrt- und Verteidigungsindustrie erkannte Bither den Bedarf an differenzierterer Echtzeit-Prozesssoftware in der Fertigung. Bither verbrachte fünf Jahre bei Hamilton Sundstrand, einer Abteilung von United Technologies, wo er Hydrauliksysteme entwarf.

„Es besteht die Möglichkeit, Daten zu nutzen, um wirklich zu verstehen, was in der Fabrik passiert, und um bessere Entscheidungen zu treffen“, sagt Bither. „Die Herausforderung besteht darin, dass es ziemlich schwierig ist, sich mit Maschinen zu verbinden. Also haben wir vor knapp fünf Jahren ein Unternehmen gegründet, um die Produktionstransparenz zu erhöhen, indem wir die Anbindung an CNC-Maschinen vereinfachen.“

MachineMetrics bietet Echtzeit-Visualisierung von CNC-Maschinenanalysen – oder was Bither „deskriptive Analysen“ nennt, die es einem Unternehmen ermöglichen, genaue Produktionskennzahlen wie Auslastungsraten zu sehen und sie mit Produktionszielen zu verfolgen. Es gibt mehrere andere Analysebereiche, zu denen Informationen bereitgestellt werden, einschließlich diagnostischer, prädiktiver und präskriptiver Daten.

Das Ergebnis:Durchsatz- und Effizienzsteigerungen von 20 Prozent oder mehr bei seinem 100-köpfigen Kundenstamm von mittelständischen bis großen Herstellern. Angesichts des großen Datensatzes von Tausenden von Maschinen umfasst die MachineMetrics-Plattform auch Benchmarking – das hilft Unternehmen, sich mit Mitbewerbern zu messen und wettbewerbsfähig zu bleiben.

Bessere Entscheidungen zu treffen bedeutet nicht nur, in Ausrüstung zu investieren, sagt Bither. Mit detaillierteren Produktionsdaten können Hersteller beurteilen, welche Prozesse optimiert werden müssen. Diagnosedaten können Wartungsteams und Maschinenherstellern helfen, Funktionen zu verbessern und eine reale Feedbackschleife zu schaffen.

Vorhersagedaten ermöglichen es Teams, die Bedingungen zu verstehen und wann CNCs Hilfe benötigen. Prescriptive Analytics nutzt die Bedingungen, um Betreibern zeitnahe Anweisungen und Anleitungen zu geben.

Intelligente CNC-Bearbeitung:Alarme, Auslöser und Spindelüberwachung

„KI ist ein sehr allgemeiner Begriff“, sagt Bither. „Wenn ein Mensch keine Berechnungen in seinem Kopf ausführen muss und die Maschine dies erledigt, könnte das als ‚KI‘ betrachtet werden.“ Beim maschinellen Lernen gibt es einige sehr spezifische Anwendungsfälle dafür … Es gibt überwachtes maschinelles Lernen, das erforderlich ist Training und Feedback sowie unbeaufsichtigtes maschinelles Lernen, das dies nicht tut.“

Das Verständnis von Spindelausfällen oder die automatische Klassifizierung von Ausfallzeiten könnten maschinelles Lernen erfordern, erklärt Bither. Warnungen, die durch einfache Logik ausgelöst werden und einen Bediener darüber informieren, dass eine Maschine heute dreimal ausgefallen ist, sind nicht unbedingt maschinelles Lernen per se – aber es ist die Art von regelbasiertem, intelligentem Algorithmus, der menschlichen Bedienern hilft, Systeme einfach zu verfolgen und zu verwalten.

Intelligenzbasierte Technologie macht die Arbeit eines Bedieners proaktiver. Informationen zum richtigen Zeitpunkt können den Unterschied ausmachen, ob Sie Tage mit Gewinn aus einer CNC verlieren oder ob Sie alternative Wege zu Produktionszielen planen und organisieren können.

Automatisierung und intelligente sensorbasierte Intelligenz haben auch Einzug in die Bestandsverwaltung und Verkaufslösungen für Werkzeuge gehalten. Erfahren Sie, wie Sie Übernehmen Sie die Kontrolle und reduzieren Sie Abfall in Versorgungsausgaben.

KI und maschinelles Lernen ermöglichen klügere Entscheidungen und ein tieferes Verständnis von Werkzeugfehlern, Werkzeuglebensdauer und Teilequalität

MachineMetrics ist nicht allein. Ingenieure in der Fabrik 2050 des Advanced Manufacturing Research Centre in Sheffield, Großbritannien, nutzen ebenfalls KI und maschinelles Lernen für die Maschinennutzung. Sie verwenden Edge-Computing-Hardware, um den Stromverbrauch in Fahrzeugaufhängungskomponenten zu verfolgen. Sie arbeiten auch mit Tinsley Bridge zusammen, um Herstellungsprozesse zu überwachen.

„Das Abfragen unserer Maschinenauslastungsraten bedeutet, dass wir einen besseren Überblick darüber haben, was hergestellt wurde und wann, und die Möglichkeit haben, zu beurteilen, ob wir effektiv planen“, sagt Russell Crow, technischer Leiter bei Tinsley Bridge, in a Metrology News Artikel.

Die nächste Phase dieses Projekts besteht darin, den Maschinen beizubringen, fehlerhafte Komponenten in der Produktion zu lernen und zu erkennen und inkonsistenten Werkzeugverschleiß zu finden, der die Teilequalität beeinträchtigen könnte.

„Die Erkenntnisse, die die KI liefert, werden es uns ermöglichen, zu erkennen, wann unsere Maschinen eingreifen müssen, um Werkzeugwechsel vorzunehmen, oder wie lange wir sie ohne Eingriff betreiben können“, sagt Crow. „Die Vorhersage von Werkzeugausfällen und die Verlängerung der Werkzeuglebensdauer werden sich auch auf unsere Right-First-Time-Raten auswirken, die Anzahl fehlerhafter Teile reduzieren und die Produktivität steigern.“

 Benötigen Sie Antworten auf eine technische Frage? Fragen Sie die MSC Metalworking Tech Team im Forum.

Automatisierung in der Fertigung schafft Zeit für die Lösung entscheidender Probleme

Die Zukunft der Zerspanung wird zweifellos stärker automatisiert sein. Angesichts einer drohenden Qualifikationslücke und einer gleichzeitig stattfindenden technologischen Entwicklung wird die Automatisierung den Wert der Mitarbeiter erhöhen, die automatisierte CNC-Systeme und gefertigte Teile programmieren, Fehler beheben und warten.

Industriedesigner, Verfahrenstechniker und Maschinenbediener werden enger zusammenarbeiten als je zuvor, erwarten Branchenexperten.

„[Die meisten] Hersteller glauben, dass die Hauptursache für den Fachkräftemangel die ‚Verschiebung der Fähigkeiten aufgrund der Einführung neuer fortschrittlicher Technologien und der Automatisierung' ist“, schreiben das Manufacturing Institute und Deloitte in ihrem Bericht 2018 über die Qualifikationslücke und Zukunft der Arbeit

Um mehr über zukünftige Fähigkeiten zu erfahren, die in der Werkstatt benötigt werden, lesen Sie „ Industrie 4.0:In intelligenten Fabriken benötigte Fertigungskompetenzen .“

Um jedoch zu einem Ort der Automatisierung zu gelangen, sind eine komplexe Maschinenprogrammierung und eine tiefere Integration von Internet- und Cloud-basierten Technologien erforderlich. Die Zukunft wird, in Ermangelung eines besseren Wortes, optimiert werden, um optimal für die Produktion zu sein. Und laut der Studie des Deloitte and Manufacturing Institute, die schreibt:

, sind digitale Fähigkeiten zusammen mit weichem, kritischem Denken und Personalmanagementfähigkeiten ebenfalls erforderlich

„In der Fertigung bedeutet dies im Allgemeinen die Lösung von Problemen in der Produktion, z. B. die Fähigkeit, Qualitätsmängel bei Teilen zu erkennen, die aus einer automatisierten Produktionslinie kommen, und, was noch wichtiger ist, Maßnahmen zur Behebung des Problems in Echtzeit zu ergreifen.“

Crow von Tinsley Bridge stimmt zu. Zukunftsqualität entsteht durch Prozess- und Maschinenoptimierung zusammen.

„In Zukunft werden uns die Einblicke in unsere Daten ermöglichen, unsere Maschinen effektiver zu betreiben, sodass wir Zeit für unsere Ingenieure haben, um an wertschöpfenden Aufgaben wie der Programmierung für mehrere Jobs oder Maschinen zu arbeiten und eine intelligentere Fabrik zu schaffen, die uns helfen wird Wir stellen technisch fortschrittliche Produkte her“, sagt Crow.

Wie schmerzhaft ist die Maschinenneukalibrierung für Sie? Sprechen Sie darüber im Forum . [Registrierung erforderlich]