Trumpf har bland annat utvecklat en AI-baserade sorteringsguide som hjälper till att sortera producerade delar och därmed öka maskinutnyttjanden och kommer presentera sin lösning i monter G22 i hall 9. Foto: Trumpf.

Av Emma Norén Mårtensson den 10 augusti 2023 13:45

AI kan ha många fördelar så som att öka produktiviteten, förbättra kvalitén och minska stilleståndstider. Verktygsmaskintillverkaren Weisser Söhne GmbH & Co. KG förlitar sig till exempel på AI-modeller som möjliggör förutsägande underhåll av sina svarvar.

– Prediktivt underhåll använder AI för att förutsäga när en maskin kommer att behöva service för att förhindra att den går sönder, förklarar Dr. Ing. Robin Hirt, vd och grundare av Karlsruhe-baserade startupen Prenode GmbH. Mjukvaruföretaget hjälper maskinbyggare att utrusta sina anläggningar med anpassade AI-baserade funktioner.

Moderna produktionsmaskiner kan självoptimera med hjälp av artificiell intelligens, säger Hirt.

– De använder i allmänhet så kallade maskininlärningsmetoder för detta. Dessa gör att maskinerna kan känna igen mönster och samband i produktionsdata och automatiskt härleda förbättringar från dem.

Den federerade inlärningstekniken används ofta, eftersom data som erhålls från en enda svarv ofta är otillräckliga som grund för en korrekt AI-modell. Federerat lärande underlättar "träning" av en vanlig AI-modell, med data lagrade i decentraliserad form men utan direkt delning av data. De enskilda uppgifterna finns därför kvar på respektive maskiner och behöver inte lagras centralt på ett ställe (som i maskintillverkarens moln). AI-modellerna använder löpande svarvdata för att uppskatta anläggningens nuvarande status och skickar sedan vidare detta till driftpersonalen.

Det finns även en ny metod som bygger på AI som analyserar verktygsslitage i bearbetningsprocesser som borrning eller fräsning. Att kunna avgöra verktygets livslängd korrekt är av yttersta vikt för att inte verktygsmaskinen ska komma till skada, men även att utnyttja de dyra verktygens fulla potential så länge som möjligt. Hittills har detta gjorts genom att byta ut verktygen i förtid efter antalet givet gånger verktyget använts för att undvika kvalitetsförluster eller dyra stillestånd. Verktygsbyten är dock kostsamma och även tidskrävande, och där kommer AI in i bilden.

Forskare vid Kaiserslauterns tekniska universitet har utvecklat en metod som "tränar" systemet med hjälp av verkliga process- och mätdata för att få en tillförlitlig förutsägelse av slitagetillståndet och på så sätt optimera skärprocesserna. I praktiken fungerar det så här: Processrelaterade parametrar måste först identifieras för att förutsäga slitageförhållandena för skärverktyg. Dessa inkluderar de olika bearbetningskrafterna, maskinens vibrationer och maskinaxlarnas effektbehov. Data hämtade från kontinuerliga mätningar av verktyget och arbetsstycket samlas in. Den största utmaningen är då att identifiera samband i insamlad data.

EMO Hannover kommer under mässans gång att inspirera sin branschpublik genom att presentera massor av nya idéer, med artificiell intelligens framträdande.