Um novo projeto do Instituto Fraunhofer para Máquinas-ferramenta e Tecnologia de Conformação (IWU) tem ênfase no uso intensivo dos dados obtidos no chão de fábrica.

 

Intitulado EmulDan, que significa “eficiência energética na produção por meio do uso multivalente de dados”, o projeto é uma realização conjunta entre o IWU e parceiros da indústria, os quais demonstraram que rotas de processo com consumo significativamente mais baixo e menos tempo de processo são alcançáveis, mantendo-se a qualidade das peças produzidas.

 

O EmulDan se concentra em como coletar dados e trabalhá-los de modo a fornecer insights valiosos para modelos baseados em inteligência artificial (IA) e opções de controle manual aprimoradas.

 

Os sensores que monitoram processos produtivos geram grandes quantidades de novos dados particularmente interessantes para aplicações de IA e aprendizagem de máquina (machine learning ), podendo ser agregados, transformados em um modelo de dados unificado e analisados em profundidade, com potencial de criar valor e promover a melhoria contínua na produção.

 

Torneamento e roleteamento

 

Em processos como torneamento e roleteamento, altos fatores de segurança geralmente garantem que os componentes estejam em conformidade com as especificações e possam ser produzidos até mesmo em condições desfavoráveis. No EmulDan, sensores integrados no porta-ferramentas forneceram dados para avaliar as condições da ferramenta, permitindo reduzir significativamente muitos fatores de segurança. O controle ocorre durante o torneamento por meio do registro da taxa de avanço e da força aplicada. Os parceiros do projeto demonstraram ser viável uma redução de 50% nos tempos de trabalho principais. Como efeito colateral positivo, muitos testes se tornam obsoletos e a confiabilidade do processo aumentou.

 

Os modelos de IA desenvolvidos no EmulDan representam um passo significativo em direção a gêmeos digitais abrangentes. Em áreas de fabricação com baixos níveis de automação, esses aplicativos de aprendizagem de máquina podem dar suporte ao planejamento da produção. Pontos em que a fabricação de um componente se aproxima dos limites de tolerância, por exemplo, podem ser detectados mais cedo.
 

Os parceiros do projeto se concentraram ainda na eficiência energética, garantindo que métricas tradicionais como tempo de fabricação, custo e qualidade do produto não fossem prejudicadas.

 

 

______________________________________________________________________________________

Assine a Giro Rápido, a newsletter quinzenal da Máquinas e Metais, e receba informações sobre mercado e tecnologia para o setor de usinagem. Inscreva-se aqui.

______________________________________________________________________________________

 

Imagem: Fraunhofer/IWU

 

Conteúdo relacionado:

Retificação auxiliada por IA. Um recurso para o trabalho com materiais difíceis.

 

Realidade aumentada para células robotizadas

#usinagem

#IA

---