ブログ

Nov 03, 2023

人工知能による生産品質の予測

機械加工ステップの進行中であっても、コンポーネントが品質要件を満たしているかどうかを高い確実性で予測するにはどうすればよいでしょうか? 人工知能（AI）がそれを可能にします。 AI

機械加工ステップの進行中であっても、コンポーネントが品質要件を満たしているかどうかを高い確実性で予測するにはどうすればよいでしょうか? 人工知能 (AI) がそれを可能にします。 フラウンホーファー IWU で開発された AI ソリューションは、以前のインライン検査システムよりも改善されており、テスト目的で時間のかかる取り外しが不要になります。 加工中のこのような品質予測は、多くの場合、既存のコスト効率の高いセンサーと組み合わせて、多くの工業製造プロセスに統合できます。 ただし、この AI は最適化の目的にも使用できます。 最初からスクラップを回避したり、品質を損なうことなく生産時のエネルギー消費を削減したりするなど、プロセス入力パラメータの制御に役立ちます。

品質予測

新たに開発された AI ソリューションの一般的な将来の応用分野には、穴あけ、旋削、フライス加工などの機械加工ステップが含まれます。 たとえば、穴あけの場合、回転速度、送り速度、振動センサーからの測定値により、期待される定性的結果に関する情報が得られます。 これにより、たとえば深穴ドリル加工において、測定のためにワークピースを破壊することなく品質評価を取得することができます。

プロセスの最適化

金属加工の分野では、温間成形において AI の使用が特に効果的であることが証明されています。 このプロセスでは、プレス前にワークピースをオーブンでオーステナイト化温度 (約 880 °C) を超える温度に加熱します。 最適な硬度を得るために必要な目標温度に達したら、熱した金属板をプレス機に入れて成形します。 これによりマルテンサイト構造が形成され、材料が硬化します。 このエネルギー集約的なプロセスでは製品の品​​質が最も重要であるため、炉の温度は必要以上に高く設定されることがよくあります。 AI は、予想される硬度を予測することで、硬化温度を微調整するためのデータに基づいたガイダンスを提供します。

射出成形プロセスでは、AI が金型温度、造粒用スクリューの回転速度、溶融温度、金型保持時間、冷却時間などの特定のパラメータを監視します。 不利な品質予測に基づいたタイムリーな対策により、スクラップを大幅に削減できます。

100% 検査 - トレーニング データセットの数が少ない

すべてのアプリケーション シナリオで、AI を製造プロセス (インライン) で直接使用して、全数検査を通じてバッチ全体を監視できます。 したがって、無作為抜き取り検査は過去のものとなった。

さまざまな AI モデルをトレーニングする場合、多くのアプリケーションでは、プロセスの専門知識を補えば 2 桁のデータセットで十分です。 運用時には、多くの場合、(ローカル) エッジ コンピューティングの計算能力で十分です。

詳細については、www.iwu.fraunhofer.de をご覧ください。

ホームページリンク