数据是工业4.0的黄金：在高度专业化的流程中，需要数据来控制机器和系统。传感器对这些过程进行监控，并产生大量新数据。作为人工智能和机器学习应用的基础，在操作点收集的数据如果能够合并、转移到标准化的数据模型中并进行整体评估，就会特别有意义。只有这样，这些数据才能用于创造价值，即持续改进生产。
来源：Fraunhofer IWU
来源：Fraunhofer IWU
Linked Factory数据架构是弗劳恩霍夫机床与成型技术研究所（Fraunhofer IWU）开发的一个愿景，即对企业中的所有产品、流程和机器进行一致的数字化表示。除单个机器外，还可集成物流流程和楼宇管理系统。作为核心要素，知识图谱可以将各种数据连接起来，从而生成最新信息。
重要的是，单个数据包应支持员工完成任务，而不是给他们增加额外负担，尤其是在处理大量数据并作为信息提供时。“基于情境的提供"是这里的关键词。毕竟，生产经理需要的信息与机器操作员或正在进行维护工作的维护技术员需要的信息是不同的。因此，每个员工都要根据自己的职责范围来获取信息。
在实现完美网络化工厂的道路上，关键的挑战在于智能化连接的控制系统和合适的接口，这样才能准确地提取和反馈所有相关数据。
除了数据架构，EmulDan开发的人工智能模型也是实现端到端数字双胞胎的重要一步。在自动化程度较低的生产领域，这种机器学习应用可以帮助计划者、决策者或生产员工通过识别趋势来优化决策。例如，所谓的“漂移”，即部件的生产接近公差极限，就能被提前识别出来。
在EmulDan项目中，项目合作伙伴重点关注能源效率。在此过程中，传统的控制和测量参数，如生产时间、成本和产品质量等，都不会出现恶化。近日，Fraunhofer IWU系统演示了热成型、冷成型和机加工生产过程中的巨大节能潜力。
Part 1
压力淬火和热成型
压力淬火将成型和热处理的优点融为一体。它可以生产出高强度同时特别轻质的车身部件，例如汽车的B柱。在该项目中，硼锰板材被加热到900°C以上，然后在模具中成型和冷却。在成型过程中和成型后的快速冷却，零件的微观结构转变为马氏体结构，从而获得高硬度和高强度。这一制造过程需要消耗大量能源，因此如何节能是一个重要的问题。
为了实现基于数据的过程控制，项目合作伙伴收集了各个过程和过程链的所有相关生产数据，并创建了过程模型，以预测各种优化方案下的能源需求和部件质量。事实证明，基于所谓数字孪生的混合工艺模型特别有用。其结果是：将几个经过调整的工艺参数组合在一起，节能潜力可达20%。
在冲压成形前不久加热金属板（坯料）
Part 2
冷成形
旋转锻压机用于无屑、高效地生产轻质部件。旋转锻造的基本原理是通过几个模具段的循环运动，快速连续地对工件进行径向作用。这使得材料具有塑性成形性，并可将其转化为复杂的、最好是旋转对称的几何形状。
旋转锻造适用于生产大量模具。汽车行业的典型应用包括转向主轴、传动轴和安全气囊气缸；飞机发动机或起落架部件也可以使用旋转锻造技术进行高精度生产。
通过数字化，旋转锻造的节能潜力尤其大，可达70%
EmulDan还能证明这种成型工艺具有相当大的节能潜力。我们的核心出发点是通过与能源相关的方面来补充以前无法控制的工艺参数，这些参数几乎完全以部件质量为导向，并以经验知识为基础。项目合作伙伴最终开发出了一种用于数据处理的软件工具，该工具可以对工艺进行自学修正，并创建合适的预测模型。在此过程中，机器参数、部件质量和与能源相关的工艺变量之间的相关性被识别出来，并转移到基于整体最优的工艺模型中。在实践中，这意味着可以更好地了解工艺流程，并有机会减少高达70%的能源消耗。
Part 3
车削和辊轧
车削和辊轧通常都采用高安全系数，以便即使在非常不利的条件下也能生产出符合规格的部件。在该项目中，集成在刀架上的传感器提供了用于评估刀具状况和工艺的数据，为大幅降低许多安全系数奠定了基础。这种潜力可以通过结合记录的测量信号的自适应工艺来实现。在车削过程中，通过进给速度来控制工艺，而在轧辊抛光过程中，则通过进给量（轧制力）来控制工艺。
带滚动工具的传感镗杆和用于测量滚动力的千分表
在该项目中，主要时间缩短了50%。作为积极的副作用，所需的测试次数大大减少，工艺可靠性也得到了提高。
· END ·
欢迎持续关注荣格金属加工
推荐阅读
投稿/媒体联系
June Ma
e-mail: junema@ringiertrade.com
《国际金属加工商情》2024 11月刊编辑计划
广告截止日期：2024年10月15日
金属切削
磨削
齿轮加工
金属成形
板材加工
刀具和夹具
孔加工工具
自动化、软件、控制系统及工业测量
人工智能与机床
过程监控
特别报道
2025行业展望（Ⅰ）
特别应用
新能源汽车行业
立即扫描二维码，了解更多曝光机会！
