Wie KI und Machine Learning die CNC-Zerspanung revolutionieren

Von der Lieferkette bis zum fertigen, eingebauten Teil: Inkrementelle Optimierung wird das Herzstück künftiger Fertigungsarbeit sein. Was braucht es, um Optimierung stärker zu automatisieren? Maschinenintelligenz und Machine Learning. Wir untersuchen.

Der Motor der heutigen Fertigung liegt in der CNC-Zerspanung. Wohin steuert die CNC? In Richtung kontinuierlicher, automatisierter Optimierung, sagen Branchenexperten und Akademiker.

Optimierung klingt nach einem einfachen Konzept, ist aber komplex – besonders zu automatisieren. Da steckt so viel zugrundeliegende Technologie: Software, Daten – und menschliche Interpretation –, um Automatisierung in der Fertigung Realität werden zu lassen.

Wir schauen auf zwei Bereiche, die innerhalb von CNC-Systemen wirklich Impact haben sollen: Machine Learning und Künstliche Intelligenz (KI). KI – ob durch softwarebasierte Algorithmen, smarte Taster oder Sprachsteuerung – ist die eine Hälfte des Optimierungspuzzles. Die andere Hälfte ist Machine Learning.

Machine Learning nimmt Maschinendaten und optimiert theoretisch selbst oder korrigiert den Kurs. Das heißt nicht, dass keine menschliche Beteiligung nötig ist. Im Gegenteil: Es bedeutet konsistente menschliche Beteiligung, die die Optimierungsparameter definiert und verfeinert – lehrt die Maschine via analytischer Bewertung, Simulation, Programmierung und Test.

Stellen Sie sich Systeme mit mehr prädiktivem Nutzen vor, die nuancierte Maschinen- und Teilebau-Informationen liefern und vorprogrammiert sind, um Stillstandszeiten selbst zu planen oder Maschinenaktivitäten in einer gesünderen Zelle auszulösen. Stellen Sie sich Maschinenbetriebssysteme vor, die per Sprachbefehl mit Zerspanern kommunizieren und Aktionen auslösen können.

Was wird heute getan, um die Industrie diesem Zukunftszustand näher zu bringen? Wir sprachen mit Bill Bither, Mitgründer und CEO von MachineMetrics, und anderen.

KI und Machine Learning an CNC-Maschinen: Der Wert von Transparenz

Mit Hintergrund in Maschinenbau und Kenntnissen der Fertigung in Luftfahrt und Verteidigung erkannte Bither den Bedarf an nuancierteren Echtzeit-Prozess-Software in der Fertigung. Fünf Jahre war er bei Hamilton Sundstrand, einer Division von United Technologies, wo er Hydrauliksysteme entwarf.

„Es gibt die Chance, Daten zu nutzen, um wirklich zu verstehen, was auf dem Shopfloor passiert, und bessere Entscheidungen zu treffen“, sagt Bither. „Die Herausforderung: Es ist ziemlich schwierig, sich mit Maschinen zu verbinden. Also gründeten wir vor knapp fünf Jahren ein Unternehmen, um Produktions-Transparenz zu erhöhen, indem wir den Anschluss an CNC-Maschinen vereinfachen.“

MachineMetrics bietet Echtzeit-Visualisierung von CNC-Maschinenanalytik – was Bither „deskriptive Analytik“ nennt, die es einem Unternehmen ermöglicht, präzise Produktionsmetriken wie Auslastungsraten zu sehen und auf Produktionsziele zu tracken. Es gibt mehrere weitere Analytikbereiche: diagnostische, prädiktive und präskriptive Daten.

Das Ergebnis: Durchsatz- und Effizienzsteigerungen von 20 Prozent oder mehr bei über 100 mittelständischen bis großen Herstellern. Angesichts des großen Datensatzes über Tausende Maschinen umfasst die MachineMetrics-Plattform auch Benchmarking – was Unternehmen hilft, sich gegen Peers zu messen und wettbewerbsfähig zu bleiben.

Bessere Entscheidungen sind nicht nur Ausrüstungsinvestitionen, sagt Bither. Mit detaillierteren Produktionsdaten können Hersteller bewerten, welche Prozesse optimiert werden müssen. Diagnostische Daten helfen Wartungsteams und Maschinenherstellern, Funktionen zu verbessern und einen realen Feedback-Loop zu schaffen.

Prädiktive Daten ermöglichen Teams, Bedingungen zu verstehen und vorherzusehen, wann CNCs Hilfe brauchen. Präskriptive Analytik nutzt die Bedingungen für zeitnahe Anleitung und Führung der Bediener.

Intelligente CNC-Zerspanung: Alarme, Trigger & Spindelüberwachung

„KI ist ein sehr generischer Begriff“, sagt Bither. „Wenn ein Mensch keine Berechnung im Kopf machen muss und die Maschine sie macht, könnte das als ‚KI‘ gelten. Bei Machine Learning gibt es sehr spezifische Use Cases … Es gibt überwachtes Machine Learning, das Training und Feedback braucht, und unüberwachtes, das keines braucht.“

Spindelausfall verstehen oder Stillstandszeiten automatisch klassifizieren könnte Machine Learning erfordern, erklärt Bither. Alarme, die durch einfache Logik getriggert werden und den Bediener benachrichtigen, dass eine Maschine heute dreimal ausgefallen ist, sind nicht unbedingt Machine Learning per se – aber es ist die Art regelbasierter, intelligenter Algorithmen, die menschlichen Bedienern helfen, Systeme einfach zu tracken und zu managen.

Intelligenzbasierte Technologie macht den Job des Bedieners proaktiver. Gut getimte Information kann den Unterschied sein zwischen Tagen verlorenen Gewinns an einer CNC und der Möglichkeit, alternative Wege zu Produktionszielen zu planen und zu organisieren.

Automatisierung und smarte Sensor-Intelligenz sind auch in Bestandsmanagement und Ausgabesysteme für Werkzeuge eingezogen. Erfahren Sie, wie Sie Kontrolle übernehmen und Verschwendung bei Werkzeugausgaben reduzieren.

KI und Machine Learning ermöglichen smartere Entscheidungen & tieferes Verständnis von Werkzeugversagen, Standzeit & Teilequalität

MachineMetrics ist nicht allein. Ingenieure am Advanced Manufacturing Research Centre's Factory 2050 in Sheffield, UK, nutzen ebenfalls KI und Machine Learning für Maschinenauslastung. Sie setzen Edge-Computing-Hardware ein, um Stromverbrauch bei Automobil-Federungskomponenten zu tracken. Sie arbeiten auch mit Tinsley Bridge an der Überwachung von Fertigungsprozessen.

„Die Befragung unserer Maschinenauslastungsraten bedeutet, wir haben bessere Sichtbarkeit darüber, was wann gefertigt wurde, und die Fähigkeit zu beurteilen, ob wir effektiv planen“, sagt Russell Crow, Engineering Director bei Tinsley Bridge, in einem Metrology News Artikel.

Die nächste Projektphase: Maschinen beibringen, zu lernen und nicht-konforme Komponenten in der Produktion zu detektieren sowie inkonsistenten Werkzeugverschleiß zu finden, der Teilequalität beeinflussen könnte.

„Die Insights, die die KI liefert, erlauben uns zu identifizieren, wann unsere Maschinen Eingriffe für Werkzeugwechsel brauchen, oder wie lange wir sie ohne Eingriff laufen lassen können“, sagt Crow. „Werkzeugversagen vorhersagen und Standzeit verlängern wird auch unsere Right-First-Time-Raten beeinflussen, Ausschuss reduzieren und Produktivität steigern.“

Haben Sie eine technische Frage? Fragen Sie das MSC Metalworking Tech Team im Forum.

Automatisierung in der Fertigung schafft Freiraum für entscheidendes Problemlösen

Die Zukunft der Zerspanung wird zweifellos automatisierter sein. Mit drohender Skills-Lücke und gleichzeitiger technologischer Evolution wird Automatisierung den Wert von Arbeitern erhöhen, die automatisierte CNC-Systeme und gefertigte Teile programmieren, troubleshooten und warten.

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

„[D]ie meisten Hersteller glauben, die Nr. 1 Ursache des Fachkräftemangels sei ‚sich verändernde Skill-Sets durch Einführung neuer fortschrittlicher Technologie und Automatisierung‘“, schreiben das Manufacturing Institute und Deloitte in ihrem 2018 Report zum Skills Gap und Future of Work.

Um viel mehr über zukünftige Skills auf dem Shopfloor zu erfahren, lesen Sie „Industry 4.0: Manufacturing Skills Needed in Smart Factories.“

Aber der Weg zur Automatisierung erfordert komplexe Maschinenprogrammierung und tiefere Integration von Internet- und Cloud-Technologien. Die Zukunft wird – mangels besserem Wort – optimiert sein, um optimal für die Produktion zu sein. Und digitale Skills, neben Soft Skills, kritischem Denken und People Management, sind auch nötig, laut Deloitte und Manufacturing Institute Studie:

„In der Fertigung bedeutet das allgemein: Probleme in der Produktion lösen – wie die Fähigkeit, Qualitätsfehler an Teilen von einer automatisierten Fertigungslinie zu identifizieren und, noch wichtiger, Aktionen zu ergreifen, die das Problem in Echtzeit beheben.“

Crow von Tinsley Bridge stimmt zu. Zukünftige Qualität kommt aus Prozess- und Maschinenoptimierung zusammen.

„In der Zukunft werden die Insights in unsere Daten es uns erlauben, unsere Maschinen effektiver zu betreiben, damit wir Zeit für unsere Ingenieure freischaufeln für wertschöpfende Aufgaben wie Programmierung für mehrere Jobs oder Maschinen – eine smartere Fabrik, die uns hilft, technisch anspruchsvolle Produkte zu fertigen“, sagt Crow.

Wie schmerzhaft ist Maschinenrekalibrierung für Sie? Reden Sie darüber im Forum. [Registrierung erforderlich]