Обзор предлагаемого метода прогнозирования износа инструмента с учетом неопределенности. Источник: Journal of Manufacturing Systems (2024). DOI: 10.1016/j.jmsy.2024.07.010
Разработана новая технология для мониторинга износа инструмента в режиме реального времени при точной обработке с использованием датчиков смартфона. Ожидается, что это достижение повысит качество производства за счет обеспечения проактивного обслуживания и своевременной замены инструмента.
Совместная исследовательская группа под руководством профессора Чунг Вук Пака с кафедры машиностроения и профессора Сонгхуна Лима из Высшей школы промышленной инженерии и искусственного интеллекта в UNIST создала метод прогнозирования износа инструмента в режиме реального времени. Этот инновационный подход направлен на содействие своевременной замене режущих инструментов, оптимизируя эффективность производства.
Результаты этого исследования опубликованы в Журнал производственных систем.
В этом исследовании команда представила прогностическую модель на основе глубокого обучения, которая включает методы фильтрации для снижения шума данных и учета неопределенностей, возникающих во время обработки. Этот метод значительно повышает как производительность, так и надежность прогнозов износа инструмента, одновременно повышая точность по сравнению с предыдущими исследовательскими начинаниями.
Титановый сплав (Ti-6Al-4V), распространенный в высокотехнологичных производственных секторах, таких как аэрокосмическая и биомедицинская отрасли, создает проблемы из-за быстрого износа инструмента в результате его плохих тепловых свойств. Следовательно, существует острая необходимость в мониторинге состояния инструмента в реальном времени.
Структура киберпроизводственной системы с использованием мобильных датчиков и предлагаемого метода. Кредит: Журнал производственных систем (2024). DOI: 10.1016/j.jmsy.2024.07.010
«Мы достигли более высокого уровня точности в прогнозировании износа инструмента за счет минимизации шума в данных датчиков смартфона и использования передовых методов глубокого обучения», — заявил Кёнхо Ким с кафедры промышленной инженерии в UNIST.
Санг Мин Ян с кафедры машиностроения в UNIST далее подчеркнул: «Эта разработка внесет значительный вклад в развитие эффективных и экономичных систем производства и изготовления, поскольку она позволяет делать прогнозы в реальном времени с помощью приложения для смартфона, устраняя необходимость в дорогостоящих датчиках».
Дополнительная информация: Кёнхо Ким и др., Разработка метода прогнозирования износа инструмента с учетом неопределенности на основе глубокого обучения с использованием датчиков смартфона для процесса токарной обработки Ti-6Al-4V, Журнал производственных систем (2024). DOI: 10.1016/j.jmsy.2024.07.010 Предоставлено Ульсанским национальным институтом науки и технологий
