探討噴涂工藝的未來(lái)是當(dāng)前共同研究項(xiàng)目的主題，該項(xiàng)目目標(biāo)是降低噴涂出錯(cuò)率，減少噴涂材料的消耗，縮短停機(jī)時(shí)間和新一輪噴涂的啟動(dòng)時(shí)間。
參與該項(xiàng)目的企業(yè)已成功實(shí)現(xiàn)了涂裝工藝優(yōu)化和工藝參數(shù)的不間斷聯(lián)網(wǎng)傳輸。
當(dāng)前，噴涂廠商仍然無(wú)法持續(xù)高效控制噴涂工藝，他們只能通過(guò)監(jiān)測(cè)噴涂系統(tǒng)故障、不良品產(chǎn)生和返工等環(huán)節(jié)，無(wú)法實(shí)現(xiàn)在工件指定位置噴上理想的涂層厚度。為了提高噴涂效率，弗勞恩霍夫協(xié)（Fraunhofer IPA）與 AOM- Systems 等三家公司共同研究如何利用人工智能 （AI）優(yōu)化汽車和商用車的塑料部件的噴涂工藝，該智能算法不僅會(huì)檢測(cè)和評(píng)估噴涂工藝中所有相關(guān)數(shù)據(jù)，而且在一開(kāi)始噴涂時(shí)候就發(fā)出錯(cuò)誤/警告信號(hào)進(jìn)行實(shí)時(shí)提醒。
1、融入質(zhì)量檢測(cè)和工藝數(shù)據(jù)監(jiān)控
該研究項(xiàng)目的目標(biāo)是將有缺陷問(wèn)題的產(chǎn)品減少30%，停機(jī)時(shí)間縮短20%，同時(shí)減少每年涂裝原料的消耗量，將新一輪噴涂的啟動(dòng)時(shí)間縮短10%。為了實(shí)現(xiàn)這一目標(biāo)，該檢測(cè)技術(shù)能將可視化涂層缺陷或涂層厚度等測(cè)量數(shù)據(jù)與控制系統(tǒng)的工藝參數(shù)相結(jié)合。 然后，結(jié)合后的數(shù)據(jù)用于創(chuàng)建顆粒行為相關(guān)模型，科學(xué)家們使用機(jī)器自主學(xué)習(xí)方法對(duì)該模型進(jìn)行評(píng)估。這些算法可以在噴涂一開(kāi)始時(shí)候就能檢測(cè)出即將出現(xiàn)的質(zhì)量偏差，并立即指出其造成原因。
這種檢測(cè)技術(shù)還會(huì)評(píng)估噴射工藝的質(zhì)量參數(shù)，這是它的創(chuàng)新之處，這是以往沒(méi)有監(jiān)測(cè)的工藝參數(shù)。此外，除了常規(guī)的工藝參數(shù)外，該技術(shù)還可以通過(guò)太赫茲測(cè)量技術(shù)和測(cè)色儀器對(duì)最終產(chǎn)品進(jìn)行質(zhì)量檢測(cè)。因此，該研項(xiàng)目為工廠和噴涂設(shè)備的工藝參數(shù)以及產(chǎn)品質(zhì)量提供了一個(gè)可靠的數(shù)據(jù)支撐。
項(xiàng)目合作企業(yè)重點(diǎn)關(guān)注汽車和商用車領(lǐng)域的保險(xiǎn)杠、后視鏡、門把手和其他塑料附加部件的噴涂質(zhì)量。該行業(yè)的產(chǎn)品吞吐量巨大，人們對(duì)提高噴涂效率非常感興趣。此外，噴涂車間的自動(dòng)化和數(shù)字化程度非常高，因此人工智能的應(yīng)用前景廣闊。
AOM-Systems公司的SpraySpy ProcessLine PL200檢測(cè)系統(tǒng)用于監(jiān)控噴涂工藝參數(shù)。該系統(tǒng)可在噴涂過(guò)程中檢測(cè)噴涂質(zhì)量，即使是與目標(biāo)值的最小偏差，它也能檢測(cè)出來(lái)。這些偏差可能是局部體積流的噴射幾何形狀或涂料粘度變化造成。
第一臺(tái)樣機(jī)
行為模型分為工藝層面和三個(gè)級(jí)別的噴涂工序質(zhì)量參數(shù)
弗勞恩霍夫工業(yè)自動(dòng)化研究所（Fraunhofer IPA）安裝了第一臺(tái)樣機(jī)：它以 40 毫秒為周期記錄噴涂壓力等工藝參數(shù)。AOM SpraySpy監(jiān)測(cè)噴涂參數(shù)（第一級(jí) 質(zhì)量數(shù)據(jù)）-- 科學(xué)家可以通過(guò)涂層厚度 （第二級(jí)）和顏色測(cè)量（第三級(jí)）確定噴涂質(zhì)量。該樣機(jī)由一個(gè)六軸噴涂機(jī)器人組成，通過(guò)高旋轉(zhuǎn)霧化器噴涂金屬底漆。在此過(guò)程中，項(xiàng)目負(fù)責(zé)人從行業(yè)中選擇標(biāo)準(zhǔn)操作參數(shù)，并有針對(duì)性進(jìn)行操作。這樣， 他們就可以跟蹤各種缺陷問(wèn)題，從缺陷起源到缺陷對(duì)噴涂效果或涂層質(zhì)量的影響。這里的目的是模擬生產(chǎn)中通常出現(xiàn)的故障，并獲取故障原因的特征圖像以便對(duì)人工智能進(jìn)行訓(xùn)練。
●按壓錯(cuò)誤
●參數(shù)偏差
●氣穴
●高旋轉(zhuǎn)霧化器的底盤故障
●噴涂材料的差異
然后使用 SpraySpy檢測(cè)噴霧工藝，可為這些情況提供時(shí)間序列。根據(jù)這些數(shù)據(jù)，科學(xué)家可以使用統(tǒng)計(jì)學(xué)方法區(qū)分合格情況（正常 ）和缺陷情況（不正常）。 根據(jù)這些數(shù)據(jù)，人工智能可以學(xué)習(xí)缺陷的特征錯(cuò)誤模式。未來(lái)，該系統(tǒng)將進(jìn)一步發(fā)展，不僅能檢測(cè)生產(chǎn)過(guò)程中的缺陷，還能歸類缺陷原因，并自動(dòng)發(fā)出優(yōu)化建議（例如，清潔 或更換霧化盤）。通過(guò)使用 SpraySpy對(duì)噴涂工藝進(jìn)行觀察， 用戶現(xiàn)在可以在噴涂過(guò)程中檢測(cè)到許多此類偏差，在噴涂一開(kāi)始就能發(fā)現(xiàn)錯(cuò)誤，及時(shí)糾正噴涂參數(shù)。這樣，他們就可以避免因廢品而造成的大量返工或成本增加，尤其是在出現(xiàn)系統(tǒng)性偏差（如設(shè)備缺陷或涂裝材料的批 次偏差）的情況下。 該項(xiàng)目的下一步工作是將目前獲得的知識(shí)應(yīng)用到噴涂產(chǎn)線上進(jìn)行試驗(yàn)。
不同缺陷類別的平均噴霧特性值和顏色偏差；
AOM噴霧檢測(cè)可以識(shí)別不同的缺陷類別，使色差也可以被測(cè)量。
通過(guò)使用自主學(xué)習(xí)行為模型（pAInt-Behaviour）對(duì)工藝和質(zhì)量參數(shù)進(jìn)行多層聯(lián)網(wǎng)來(lái)提高噴涂效率 "項(xiàng)目由德國(guó)聯(lián)邦教育與研究部（Bundesmin isterium für Bildung und Forschung（聯(lián)邦教育與研究部）的資助，并由卡爾斯魯厄項(xiàng)目管理機(jī)構(gòu)（PTKA） Produktion, Dienstleistung und Arbeit（生產(chǎn)服務(wù)和工作）負(fù)責(zé)監(jiān)督。
作者
Dr. Oliver Tiedje
Group Manager Wet Application and Simulation Technology Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, Stuttgart (Germany)
Dr. Meiko Hecker
Managing Director AOM-Systems GmbH, Heppenheim (Germany)
翻譯
佛山翁開(kāi)爾公司
