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.

 

Uso na conformação a quente

 

A conformação a quente combina as vantagens da conformação e do tratamento térmico em uma única etapa, permitindo a produção de peças de carroceria leves e de alta resistência, tais como colunas B em automóveis. No escopo do projeto EmulDan, uma chapa de boro-manganês foi aquecida a mais de 900°C e então conformada e resfriada em uma matriz (imagem ao lado). O resfriamento rápido durante e após a conformação faz com que a estrutura do material se torne martensítica, resultando em alta dureza e resistência, mas o processo consome muita energia.

 

Para o controle de processo orientado por dados, os parceiros do projeto coletaram todos os dados de fabricação relevantes e criaram modelos de processo para prever as necessidades de energia e a qualidade dos componentes em vários cenários de otimização. Modelos de processo híbridos baseados em gêmeos digitais provaram ser particularmente benéficos, resultando em economia potencial de energia de até 20 por cento pelo ajuste dos parâmetros.

 

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 CCM Online, a newsletter quinzenal da Corte e Conformação de Metais, e receba informações sobre mercado e tecnologia para a indústria metalmecânica. Inscreva-se aqui.

______________________________________________________________________________________

Imagem: Fraunhofer IWU

 

Conteúdo relacionado:

 

Analisador portátil identifica ligas metálicas instantaneamente

 

Sistemas de medição on-line atuam sem interromper as linhas de produção

 

 

 

 

Eficiência energética Em alta Indústria 4.0 Tecnologia

---