인공 지능이 사출 성형을 변화시키는 방법

Apr 10, 2024

제프 지오다노 | 2022년 6월 14일

제조업의 인더스트리 4.0 시대는 데이터 기반 정밀도에 크게 의존하므로 인공 지능(AI)이 해당 데이터를 활용하여 사출 성형기를 포함한 기계의 성능을 향상시키는 데 점점 더 많은 역할을 하고 있습니다.

제조 분야의 AI는 기계가 인간의 지능을 모방하는 지능으로 작동할 수 있도록 하는 다양한 기술을 포함합니다. 기계 학습과 자연어 처리는 기계가 인간의 학습 능력, 판단 능력, 문제 해결 능력을 대략적으로 파악하는 데 도움이 됩니다. 데이터로 강화된 효율성으로 프로세스가 더 빠르고 비용 효율적으로 진행됩니다.

Arburg의 연구 개발 이사인 Werner Faulhaber는 "AI는 기계 공학에서 점점 더 중요해지고 있습니다. 특히 배치 크기가 작아지고 제품 수명 주기가 짧아지더라도 사출 성형 공정을 효율적이고 유연하게 자동화해야 하기 때문입니다"라고 말했습니다. “AI의 응용 사례로는 로봇 시스템의 자동 프로그래밍, 목표 오작동 해결, '지능형' 이미지 처리 기능을 갖춘 예비 부품 시스템 등이 있습니다. Arburg는 사출 성형을 더욱 지능적으로 만들기 위해 단계적으로 노력하고 있습니다. 이를 통해 기계가 지속적으로 학습하고 안정성을 유지하며 미래에도 스스로 최적화할 수 있도록 보장하고 있습니다.”

Arburg는 기계, 자동화 및 독점 IT 솔루션을 결합하여 유연하고 제어 가능한 생산 시스템을 형성합니다. 지능형 보조 기능을 갖춘 이 회사의 Gestica 제어 시스템은 이러한 시스템에 통합되어 있습니다. "예를 들어 모든 Kuka 6축 로봇에는 새로운 Gestica 사용자 인터페이스가 표준으로 장착되어 있습니다."라고 Faulhaber는 말했습니다. "이를 통해 프로그래밍은 물론 프로세스 데이터의 모니터링, 저장 및 평가가 단순화됩니다."

Arburg가 작업하고 있는 응용 분야 중 하나는 Multilift 선형 로봇 시스템의 자동 프로그래밍입니다. “자동차 내비게이션처럼 운영자가 목적지를 입력하기만 하면 시스템이 자동으로 최적의 경로를 계산한다는 아이디어입니다. 로봇 시스템의 경우 이는 작업자가 원하는 시작 위치와 끝 위치를 입력하기만 하면 제어 시스템이 나머지를 처리한다는 의미입니다.”

지난 몇 년 동안 자사의 사출 성형 및 보조 기계 포트폴리오 전반에 걸쳐 인더스트리 4.0 연결성을 완전히 수용한 Wittmann Battenfeld는 로봇에 AI를 사용하여 사이클 시간을 모니터링하고 성형 기계 외부에서 로봇의 속도를 제어합니다.

회사의 기계 학습 기능인 HiQ Flow 및 CMS 기술은 독일 뒤셀도르프에서 10월 19일부터 26일까지 열리는 올해 K 쇼에서 전시될 예정입니다. ROI 속도는 HiQ Flow를 사용하면 몇 사이클 정도로 짧을 수 있으며 소프트웨어는 종종 B8 기계 제어 장치가 장착된 구형 사출 성형 기계에 개조될 수 있습니다. CMS Pro 버전은 나중에 제공될 예정입니다.

제품 관리자인 Christian Glueck은 “이 기술은 현재 매개변수로부터 새로운 결론을 도출하므로 성능을 모니터링함에 따라 점점 더 지능화됩니다.”라고 말했습니다. “우리는 이를 체계적으로 매개변수를 결정하는 것으로 제한합니다. 따라서 기술을 사용하는 데 필요한 시간과 가격이 최소화됩니다.”

Glueck은 AI와 머신러닝을 비교하면서 “AI에는 실제로 훨씬 더 많은 시간 투자가 필요하고 그에 따라 더 높은 재정적 투자가 필요합니다. 실행 중인 프로세스에서 많은 수의 매개변수를 기록해야 하며 관련 매개변수는 편차를 기준으로 결정됩니다. 이는 제품의 측정 데이터와 비교됩니다.”

“AI는 재료 변화, 주변 온도, 기계 마모, 공구 마모 및 기타 영향과 같은 요소를 기반으로 제품이 품질 허용 오차 내에서 생산될 수 있도록 변경해야 하는 기계 매개변수를 결정할 수 있습니다. 오류로부터 교훈을 얻으려면 먼저 오류가 발생해야 하기 때문에 몇 달이 걸릴 수 있습니다.”

Wittmann은 오스트리아의 Montanuniversität Leoben 대학과 이러한 평가 프로그램에 공동 자금을 지원했습니다. “그러나 우리는 프로세스에 대한 장기적인 조사 외에도 인력도 필요하기 때문에 이를 생산에 적용하는 데 필요한 시간에 의문이 제기되어야 한다는 것을 발견했습니다. 그것을 처리하는 데 필요합니다.”