AI와 기계 학습이 CNC 가공에 미치는 영향

공급망에서 완성 및 설치 부품에 이르기까지 점진적 최적화는 향후 제조 작업의 핵심이 될 것입니다. 최적화를 보다 자동화하려면 무엇이 필요합니까? 기계 지능과 기계 학습. 우리는 탐구합니다.

오늘날 제조의 엔진은 CNC 가공에 있습니다. 그러나 CNC는 어디로 향하고 있습니까? 업계 전문가와 학계에 따르면 지속적이고 자동화된 최적화를 지향합니다.

최적화는 단순한 개념처럼 들릴 수 있지만 특히 자동화는 복잡합니다. 제조 자동화를 현실로 만드는 데 필요한 소프트웨어, 데이터 및 사람의 해석을 비롯한 기본 기술이 너무 많습니다.

우리는 CNC 시스템 내에서 실제로 영향을 미칠 것으로 예상되는 두 가지 영역인 기계 학습 및 인공 지능 또는 "AI"를 살펴봅니다. 소프트웨어 기반 알고리즘, 스마트 프로브 또는 음성 명령에서 비롯된 인공 지능은 최적화 퍼즐의 절반입니다. 나머지 절반은 머신 러닝입니다.

머신 러닝은 머신 데이터를 사용하고 이론적으로 자체 최적화하거나 수정 조치를 취하기 위해 과정을 변경합니다. 이것은 인간의 개입이 없다는 것을 의미하지는 않습니다. 반대로, 분석 평가, 시뮬레이션, 프로그래밍 및 테스트를 통해 최적화 매개변수를 정의하고 개선하거나 기계를 가르치는 일관된 인간 참여가 있음을 의미합니다.

미묘한 기계 및 부품 구성 정보를 보고하고 다운타임을 조정 및 자체 예약하거나 더 건강한 셀에서 기계 활동을 트리거하도록 사전 프로그래밍된 예측 유틸리티가 더 많은 시스템을 상상해 보십시오. 음성 명령으로 기계 기술자와 통신하고 조치를 취할 수 있는 기계 운영 체제를 상상해 보십시오.

업계를 이 미래 상태에 더 가깝게 만들기 위해 오늘날 무엇을 하고 있습니까? MachineMetrics의 공동 설립자이자 CEO인 Bill Bither 및 기타 사람들과 이야기를 나누었습니다.

CNC 기계의 AI 및 기계 학습:가시성의 가치

기계 공학에 대한 배경지식과 항공우주 및 방위 산업의 제조 지식을 갖춘 Bither는 제조 분야에서 보다 미묘한 실시간 프로세스 소프트웨어의 필요성을 인식했습니다. Bither는 United Technologies의 한 부서인 Hamilton Sundstrand에서 5년 동안 유압 시스템을 설계했습니다.

Bither는 "데이터를 활용하여 공장에서 일어나는 일을 실제로 이해하고 더 나은 결정을 내릴 수 있는 기회가 있습니다."라고 말합니다. “문제는 기계에 연결하는 것이 상당히 어렵다는 것입니다. 그래서 우리는 CNC 기계에 쉽게 연결할 수 있도록 하여 생산 가시성을 높이기 위해 불과 5년 전에 회사를 설립했습니다.”

MachineMetrics는 CNC 기계 분석의 실시간 시각화 또는 Bither가 "기술적 분석"이라고 부르는 것을 제공하여 회사가 활용률과 같은 정확한 생산 메트릭을 보고 생산 목표까지 추적할 수 있도록 합니다. 진단, 예측 및 처방 데이터를 포함하여 정보를 제공하는 몇 가지 다른 분석 영역이 있습니다.

결과:100개의 고객 기반 중대형 제조업체에서 처리량과 효율성이 20% 이상 증가합니다. 수천 대의 컴퓨터에 걸친 방대한 데이터 세트를 감안할 때 MachineMetrics 플랫폼에는 벤치마킹도 포함되어 있어 기업이 동료와 비교하여 스스로를 측정하고 경쟁력을 유지할 수 있습니다.

비더는 더 나은 결정을 내리는 것이 장비에 대한 투자의 전부가 아니라고 말합니다. 보다 상세한 생산 데이터를 통해 제조업체는 최적화해야 하는 프로세스를 평가할 수 있습니다. 진단 데이터는 유지보수 팀과 기계 제조업체가 기능을 개선하고 실제 피드백 루프를 생성하는 데 도움이 될 수 있습니다.

예측 데이터를 통해 팀은 조건과 CNC에 도움이 필요한 시기를 이해할 수 있습니다. 처방적 분석은 조건을 활용하여 운영자에게 시기적절한 방향과 지침을 제공합니다.

지능형 CNC 가공:알람, 트리거 및 스핀들 모니터링

"AI는 매우 일반적인 용어입니다."라고 Bither는 말합니다. "인간이 머리로 계산을 실행할 필요가 없고 기계가 수행한다면, 그것은 'AI'로 간주될 수 있습니다. 기계 학습에는 이에 대한 몇 가지 매우 구체적인 사용 사례가 있습니다. 훈련과 피드백, 그리고 그렇지 않은 비지도 머신 러닝."

스핀들 고장을 이해하거나 가동 중지 시간을 자동으로 분류하려면 기계 학습이 필요할 수 있다고 Bither는 설명합니다. 오늘 기계가 세 번 다운되었음을 운영자에게 알리는 간단한 논리에 의해 트리거되는 경고는 반드시 기계 학습 자체는 아니지만 인간 운영자가 시스템을 쉽게 추적하고 관리하는 데 도움이 되는 일종의 규칙 기반 지능형 알고리즘입니다.

인텔리전스 기반 기술은 운영자의 작업을 보다 능동적으로 만듭니다. 시기적절한 정보는 CNC에서 수익을 잃는 일과 생산 목표에 대한 대체 경로를 계획하고 구성할 수 있는 일 간의 차이가 될 수 있습니다.

자동화 및 스마트 센서 기반 인텔리전스는 도구를 위한 재고 관리 및 판매 솔루션에도 적용되었습니다. 방법 알아보기 쓰레기 줄이기 공급 지출

AI 및 머신 러닝을 통해 보다 현명한 결정을 내리고 도구 고장, 도구 수명 및 부품 품질에 대한 심층적인 이해

MachineMetrics는 혼자가 아닙니다. 영국 셰필드에 있는 Advanced Manufacturing Research Centre의 Factory 2050 엔지니어들도 기계 활용을 위해 AI와 기계 학습을 사용하고 있습니다. 그들은 에지 컴퓨팅 하드웨어를 사용하여 자동차 서스펜션 구성 요소의 전력 소비를 추적하고 있습니다. 또한 Tinsley Bridge와 협력하여 제조 공정을 모니터링합니다.

Tinsley Bridge의 엔지니어링 이사인 Russell Crow는 Metrology News<에서 "기계 가동률을 조사하면 제조 대상과 시기, 그리고 효율적으로 일정을 계획하고 있는지 평가할 수 있는 능력이 향상되었음을 의미합니다."라고 말합니다. /엠> 기사.