Интеллектуальные технологии, основанные на данных, меняют облик производства

11.06.2020
Интеллектуальные технологии, основанные на данных, меняют облик производства

ASTM International разрабатывает основополагающие стандарты, которые помогут сделать Индустрию 4.0 реальностью.

Подумайте на минутку о том, как мозг подходит к новой задаче и учится справляться с ней. Допустим, вы никогда не пекли торт, но вы хотите сдела ть его для особого случая. Что Вы делаете?

Сегодня первый шаг может заключаться в том, чтобы выйти в интернет и посмотреть видео с инструкциями. Каждый раз, когда вы смотрите одну из них, ваш мозг регистрирует шаги в этом процессе и начинает понимать, как они сочетаются друг с другом. Смотрите достаточное количество видео, и вы будете усваивать эти данные и сможете действовать самостоятельно.

Основная предпосылка Индустрии 4.0 очень похожа, только в экспоненциально большем и невообразимо более быстром масштабе. Представьте себе, что каждый час тысячи пекарей делают миллионы пирожных. Рассмотрим каждый шаг в рецепте каждого пекаря как точку данных. Как бы вы справились с таким огромным накоплением информации и, что еще более важно, как бы вы использовали ее для улучшения процесса? Эти вопросы особенно актуальны в мире аддитивного производства (АМ). Этот чрезвычайно трудоемкий процесс создает трехмерные объекты путем соединения последовательных слоев материала, один поверх другого, путем прямого преобразования трехмерных файлов автоматизированного проектирования, или САПР, которые содержат все необходимые параметры проектирования.

Ниже приводится обзор работы комитета ASTM International по аддитивным производственным технологиям (F42), который находится на переднем крае разработки глобально значимых стандартов АМ, которые являются ключевыми для развития Индустрии 4.0. С момента своего создания в 2009 году комитет разработал более 25 критических стандартов АМ, и недавнее создание подкомитета (F42.08), специально ориентированного на данные АМ, продвинет Индустрию 4.0 еще дальше.

Что такое Индустрия 4.0?

Индустрия 4.0 (сокращенно I4. 0) - это термин, используемый для определения процесса интеграции цифровых технологий в физическое производство. По сути I4. 0 включает в себя сбор огромного объема данных, генерируемых современными автоматизированными производственными системами; оценку данных для выявления закономерностей, которые могут выявить понимание проблем или лучшие способы выполнения задач; и включение этих решений в производственный процесс как в рамках принятия решений в реальном времени, так и в рамках долгосрочного анализа контроля качества.

"Индустрия 4.0 - это цифровая трансформация", - говорит Алекс Лю, руководитель программ аддитивного производства ASTM в Азиатско-Тихоокеанском регионе. "Это место, где кибер-инфраструктуры, такие как искусственный интеллект [ИИ] и машинное обучение [МО], сотрудничают и интегрируются с физическими инфраструктурами, такими как аддитивное производство и робототехника автоматизации. Это оцифровка производства."

"По сути, Индустрия 4.0 - это соединение машин, рабочих ячеек и производственных цехов с информационной инфраструктурой, в рамках которой принимаются решения", - говорит Дэвид Розен, профессор машиностроения в Технологическом институте Джорджии и председатель подкомитета AM по дизайну (F42.04).

В основе цифровой экосистемы, обеспечивающей сбор этих данных, лежит так называемый промышленный Интернет вещей, или IIoT. IIoT относится к машинам и системам, которые подключены и взаимодействуют друг с другом через Интернет.

"АМ - это просто еще один тип станков, которые будут подключены", - говорит Розен. "В случае АМ эта технология тесно связана с другими компонентами Индустрии 4.0, такими как робототехника и автоматизация, большие данные, кибербезопасность и искусственный интеллект. Слияние всех этих технологий дает самую большую возможность, которая заключается в извлечении новых идей и раскрытии закономерностей", - говорит Махди Джамшидиния, доктор философии, который является руководителем научно-исследовательского проекта по аддитивному производству в ASTM. Именно эта связность, а также алгоритмы Искусственного Интеллекта, которые распознают закономерности (и аномалии) в потоке данных, могут принести преобразующие преимуществ а индустрии AM.

"Например, машинное обучение используется для быстрого выбора оптимальных исходных материалов AM и может помочь спрогнозировать функциональные возможности деталей AM на основе нескольких конструктивных параметров", - объясняет Мохсен Сейфи, директор глобальных программ аддитивного производства ASTM. "Искусственный интеллект также может осуществлять мониторинг производственного процесса AM в режиме реального времени и анализировать первопричины производственных проблем."

Сейфи также указывает, что Искусственный Интеллект может быть включен в системы AM через ИИоТ. "Например, вы можете поместить штрих-код или метку на каждую деталь AM и использовать ИИоТ для отслеживания ее производительности и качества. Затем данные, собранные с этих датчиков , можно было бы подвергнуть анализу, чтобы выявить тенденции или отсеять другую полезную информацию."

Аддитивное производство и I4.0

Основные принципы 14.0 применимы в большинстве современных производственных сред, где в той или иной степени используются цифровые датчики и органы управления. Однако АМ-это особенно поучительная "лаборатория" для проверки и уточнения этих принципов, поскольку объем собранных данных, даже за небольшой промежуток времени, ошеломляет.

"AM генерирует огромное количество данных — от исходного сырья AM, проектирования, моделирования и производственных процессов до постобработки, контроля, тестирования и, в конечном счете, производительности изготовленных деталей", - отмечает Джамшидиния. Насколько же он огромен? По словам Розена из компании Georgia Tech, каждая минута работы машины может превратиться в гигабайты сенсорных данных.

Одним из источников всех этих данных является кропотливый, послойный процесс, определяющий аддитивное производство (другие источники данных включают жизненный цикл продукта и деятельность по цепочке создания стоимости). Каждый отдельный объект, созданный с помощью AM, может содержать тысячи слоев. Датчики фиксируют данные для каждого слоя, проводя анализ и оценивая, правильно ли они были обработаны.

Эти датчики также могут быть подключены к IIoT, обеспечивая доступ к вычислительной мощности, необходимой для эффективного использования всей собранной информации. "Существует прекрасная возможность использовать эти данные для ускорения развития отрасли AM за счет применения дисциплин Индустрии 4.0, таких как искусственный интеллект и аналитика больших данных", - говорит Сейфи.

Перспектива I4. 0 в контексте аддитивного производства - это постоянно растущая, все более точная автоматизация процессов анализа и оценки накопленных данных. "Полный осмотр каждой отдельной детали является трудоемким и дорогостоящим. Но при наличии достат очного количества критических наборов данных машинное обучение может значительно упростить необходимый процесс проверки, выявляя подозрительные области каждой детали и обеспечивая при этом производство качественных компонентов", - утверждает Лю.

Управление данными.

Учитывая важность данных в AM, Центр передового опыта аддитивного производства ASTM International (AM CoE) в сотрудничестве с компанией America Makes организовал семинар AM Data Management and Schema Workshop в декабре прошлого года. Это мероприятие собрало более 90 экспертов из правительства, промышленности и академических кругов для освещения последних процессов управления данными AM и приложений с поддержкой данных, а также для обсуждения пробелов, проблем и потенциальных решений для AM data. Одним из итогов семинара стало создание отдельного подкомитета по данным AM (F42.08). "По мере развития прогресса, стандарты, охватывающие компиляцию, организацию и распространение наборов данных AM, будут подпадать под эгиду этого нового подкомитета", - говорит Джамшидиния.

Управление этим потоком информации сопряжено с целым рядом проблем. Во-первых, это сама природа самих данных. Член подкомитета по данным и ученый Национального института стандартов и технологий США (NIST) Янь Лю объясняет: "Мультимодальн ые данные генерируются в течение жизненного цикла разработки продукта AM, включая 3D-модели, измерения на месте и данные после инспекции. Каждый из типов данных представляет собой пространственную информацию детали в различных системах отсчета."

Правильное согласование этих типов данных в рамках общей системы отсчета называется регистрацией данных-подход, который позволяет соотносить и интерпретировать отношения между процессом АМ, свойствами используемых материалов и самим объектом. Более глубокое изучение технологии AM показывает сложность процесса Например, в настоящее время существует не менее семи различных категорий АМ, установленных документом "стандартная терминология для аддитивного производства – общие принципы –терминология" (ISO/ASTM52900).

Наконец, почти безграничный ассортимент продукции может быть изготовлен с использованием AM, со всеми вариациями в размерах, которые подразумевает такой чистый холст. Будь то компоненты ракетных двигателей, ортопедические импланты, детализированные архитектурные модели или послепродажные детали для старинных автомобилей, AM позволяет производить объекты, которые просто не могут быть сделаны каким-либо другим способом.

Учитывая все эти факторы, становится легче оценить сложность согласования всех данных, связанных с процессами АМ, материалами и конкретными деталями. "В настоящее время большая часть данных, полученных от деятельности AM, собирается и хранится в специальной форме (например, в PDF-файлах или домашних электронных таблицах), что препятствует их использованию для принятия решений", - говорит Янь Лу из NIST, который также является заместителем председателя подкомитета по данным.

Алекс Китт, председатель подкомитета по данным и менеджер по продуктам EWI, повторяет комментарии Лу относительно неэффективног о и непоследовательного сбора данных. "Часто человек, производящий измерение, приносит USB-накопитель к специалисту по данным, который затем вводит данные в систему", - говорит Китт. "Это препятствует получению любых данных, которые не являются критическими."

Лу и ее коллеги считают, что стандарты необходимы для решения ключевых вопросов, таких как способы безопасного сбора, хранения и обработки данных, а также определения какие форматы следует использовать для обмена данными между различными заинтересованными сторонами, связанными с жизненным циклом продукта и управлением цепочками поставок. "Стандартные информационные модели AM и форматы изменения данных необходимы для обмена и полного использования данных, полученных от различных заинтересованных сторон", - говорит она.

По мере того как производство становится цифровым и процессы становятся более модульными, аддитивное производство требует обмена информацией между многочисленными заинтересованными сторонами в производственной цепочке, от проектирования до конечных пользователей. "Это требует надежной кибербезопасности, чтобы данные могли безопасно передаваться в среде облачных вычислений", - говорит Сейфи.

Первые шаги.

Первая задача подкомитета по данным-это создание единого словаря данных (CDD) для аддитивного производства. Лу говорит: "NIST возглавляет разработку CDD с осени 2018 года через специальную рабочую группу с участием около 50 экспертов из промышленности, правительства и академических кругов.

"Заинтересованные стороны, представленные в этой группе, включают NIST, EWI, Penn State University, Granta MI (разработчик информационных систем управления материалами) и различные правительственные группы.

По словам Лу, проект CDD версии 1.0 сейчас находится на рассмотрении, и его части будут включены в международные стандарты ASTM. Следующие шаги - это работа над общей моделью данных аддитивного производства, форматами обмена данными и стандартом регистрации данных AM.

Еще одной приоритетной областью деятельности подкомитета станут технологии AM, основанные на искусственном интеллекте, включая машинное обучение, глубокое обучение и интеллектуальный анализ данных. Сейфи отмечает, что, хотя и редко, но ИИ уже используется в аддитивном производстве.

"Например, алгоритм ALCHEMITE ML был использован для разработки сплава на основе никеля для прямого лазерного осаждения", - говорит он. "Кроме того, в облачной инфраструктуре был проведен 3D-анализ и реконструкция аддитивно изготовленных материалов. Без стандартов, устанавливающих основанные на консенсусе методы использования искусственного интеллекта, организациям трудно повторить, развить или расширить эти усилия в значительном масштабе."

Тем временем разрабатывается Стратегическое руководство по данным в АМ, основанное на материалах различных секторов. "Это руководство будет предоставлено подкомитету F42.08 и сообществу AM в качестве справочного материала. Это позволит заинтересованным сторонам выявить существующие пробелы и проблемы, а также предложить потенциальные будущие решения для улучшения управления данными и их использования путем своевременной разработки соответствующих стандартов", - говорит Джамшидиния.

Межкомитетское сотрудничество является отличительной чертой модели разработки стандартов ASTM. В случае комитета по аддитивным производственным технологиям (F42) и его подкомитета по новым данным планируется работать с другими комитетами, занимающимися вопросами искусственного интеллекта и IoT/IIoT, включая комитеты по беспилотным автоматическим управляемым промышленным транспортным средствам (F45), беспилотным авиационным системам (F38), потребительским товарам (F15) и медицинским и хирургическим материалам и устройствам (F04).

В то время как автономные вилочные погрузчики, беспилотные летательные аппараты и интеллектуальные радионяни предоставляют возможность исследовать пересечение данных, подключения и производительности, аддитивное производство выводит эти отношения на новый уровень. Работа подкомитета по данным, несомненно, будет способствовать этой восходящей траектории.

"AM - это первый новый производственный процесс, разработанный в эпоху данных", - заключает Алекс Китт. "Однако обеспечение того, чтобы данные были понятны, высокого качества и пригодны для использования, является трудным делом. Новый подкомитет будет разрабатывать стандарты, с тем чтобы сообщество могло создать экосистему данных, в которой данные могут легко собираться, управляться и использоваться."

Источник: https://www.standardizationnews.com

Разместите свою организацию Зарегистрируйтесь бесплатно в каталоге предприятий на портале «СтеклоСоюз России»
Подпишитесь на новости Это позволит Вам быть в курсе актуальных тендеров, выставок, новых проектов на сайте
Следите за нами в соц. сетях Самые свежие новости и объявления в наших аккаунтах Фейсбук, Инстаграм

Господдержка предприятий-производителей строительных материалов

Новые члены СтеклоСоюза