29.06.2020 14:22

Интеллектуальные информационные технологии, использующие большие данные, меняют лицо производства. Основная идея «Промышленности 4.0» – обработать огромный объем информации и использовать его для улучшения процесса. Эти вопросы особенно актуальны в отрасли аддитивного производства (АП). В этом чрезвычайно трудоемком и сложном процессе трехмерные объекты создаются путем соединения последовательных слоев материала один поверх другого, с помощью прямого преобразования трехмерного автоматизированного проектирования, или CAD-файлов, содержащих все необходимые проектные параметры.

Что такое «Промышленность 4.0»?

«Промышленность 4.0» – это термин, используемый для описания процесса интеграции цифровых технологий в физическое производство. В целом, «Промышленность 4.0» включает в себя сбор огромных объемов данных, генерируемых современными автоматизированными производственными системами; оценку данных на предмет выявления закономерностей, которые позволят получить представление о проблемах и найти более эффективные способы их решения; включение этих решений в производственный процесс в рамках как принятия решений в режиме реального времени, так и долгосрочного анализа контроля качества.

«Промышленность 4.0» – это переход на цифровые технологии. Это среда, в которой киберинфраструктуры, такие как искусственный интеллект и машинное обучение, работают вместе и интегрируются с физическими инфраструктурами, такими как АП и автоматизация робототехники. По сути, «Промышленность 4.0» – это соединение машин, АП-модулей и производственных цехов с информационной инфраструктурой, в рамках которой принимаются решения.

Основой цифровой экосистемы, которая позволяет собирать и работать с большими массивами данных, является так называемый промышленный Интернет вещей, или IIoT. По аналогии с Интернетом вещей (IoT), «умными приборами», например, которыми можно управлять удаленно через Интернет, IIoT – это устройства и системы, подключенные друг к другу и взаимодействующие между собой через Интернет самостоятельно без участия человека.

АП тесно связано с технологиями «Промышленности 4.0», такими как робототехника, автоматизация, большие данные, кибербезопасность и искусственный интеллект (ИИ). Слияние этих технологий открывает широкие возможности для получения новых знаний и выявления закономерностей.

Именно эта связь, а также алгоритмы искусственного интеллекта, обнаруживающие закономерности (и аномалии) в потоке данных, могут изменить АП. Например, машинное обучение используется для быстрого подбора оптимальных исходных материалов для производства и может помочь в прогнозировании функциональных возможностей деталей АП на основе множества конструктивных параметров. ИИ также может осуществлять мониторинг производственных процессов АП в режиме реального времени и анализировать первопричины производственных проблем. Искусственный интеллект может быть интегрирован в АП системы посредством IIoT. Например, можно нанести штрих-код или метку на каждую деталь АП и использовать IIoT для отслеживания ее производительности и качества. Затем проанализировать данные, полученные с датчиков, для выявления тенденций или использовать их для получения другой полезной информации.

Аддитивное производство и «Промышленность 4.0»

Основные принципы «Промышленности 4.0» применимы в большинстве современных производственных сред, где в той или иной степени используются цифровые датчики и средства управления.

АП генерирует огромные объемы данных – начиная с данных об исходном материале для производства, проектирования, моделирования и производственных процессах до пост-обработки, проверки, испытаний и, в конечном счете, данных о производительности готовых деталей. Каждая минута работы станка может преобразовываться в гигабайты данных для датчиков. Одним из источников данных является сам процесс послойного нанесения материала, использующийся в АП (другие источники данных включают в себя жизненный цикл продукта). Каждый объект, произведенный по технологии АП, может состоять из тысяч слоев. Датчики фиксируют данные для каждого слоя, проводя анализ и оценивая, правильно ли они обработаны. Обычно полный осмотр каждой отдельной детали трудоемкий и дорогостоящий, но при наличии достаточного количества критических наборов данных, машинное обучение может значительно упростить процесс проверки качества, выявляя подозрительные участки каждой детали и обеспечивая при этом производство качественной продукции.

Управление данными

Управление потоком информации сопряжено с рядом проблем. Прежде всего это сама природа данных. В жизненном цикле разработки АП-продуктов генерируются разные данные, включая 3D-модели и данные измерений. Каждый из типов данных представляет пространственную информацию детали в различных системах координат. Правильное согласование этих типов данных в рамках общей системы координат называется регистрацией данных. Это подход, который позволяет соотносить и интерпретировать отношения между процессом АП, свойствами используемых материалов и самим объектом. Более глубокое изучение технологии АП показывает сложность процесса.

В настоящее время существует не менее семи различных категорий АП, установленных ISO/ASTM 52900 «Аддитивное производство. Общие принципы. Терминология».

С использованием АП технологий можно изготовить почти безграничный ассортимент продукции различной величины, будь то компоненты ракетных двигателей, ортопедические импланты, детализированные архитектурные модели или послепродажные детали для старинных автомобилей. Технологии АП позволяют производить объекты, которые просто не могут быть произведены каким-либо другим способом. Учитывая все эти факторы, становится легче оценить сложность согласования всех данных, связанных с процессами аддитивного производства, материалами и конкретными деталями. В настоящее время большая часть данных, полученных из самого процесса АП, собирается и хранится в специальных форматах (например, в PDF-файлах или домашних электронных таблицах), что препятствует их использованию для принятия решений. Часто человек, производящий измерение, приносит USB-накопитель к специалисту по данным, который затем вводит данные в систему. Это препятствует получению любых данных, которые не являются критическими.

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 АП и форматы изменения данных необходимы для обмена и полного использования данных, полученных от различных заинтересованных сторон

По мере того, как производство переходит в цифровую форму, а процессы становятся более модульными, АП требует обмена информацией между многочисленными участниками производственной цепочки, от проектирования до конечных пользователей. Для этого требуется надежная сеть, обеспечивающая безопасную передачу данных в среде облачных вычислений.

Первые шаги

Первая задача подкомитета по данным (F42.08) – это создание общего словаря данных (CDD) для АП. С осени 2018 г. Национальный институт стандартов и технологий (NIST) руководит разработкой CDD через специальную рабочую группу с участием около 50 экспертов из промышленности, правительства и научных кругов. Заинтересованные стороны, представленные в этой группе, включают NIST, EWI, Пенсильванский Государственный Университет, Granta MI (разработчик систем управления информацией о материалах), а также различные правительственные группы.

Проект CDD версии 1.0 в настоящее время находится на рассмотрении, и его части будут включены в международные стандарты ASTM. Следующие шаги – работа над общей моделью данных для АП, форматами обмена данными и стандартом регистрации данных АП.

Еще одним направлением деятельности подкомитета станут технологии АП, основанные на ИИ, включая машинное обучение, глубокое изучение и анализ данных. В настоящее время ИИ хоть и редко, но уже используется в АП.

Например, алгоритм Alchemite ML был использован для разработки сплава на основе никеля для прямого лазерного напыления. Кроме того, в облачной инфраструктуре был выполнен 3D-анализ и реконструкция аддитивно изготовленных материалов. Без стандартов, устанавливающих практику использования ИИ, организациям трудно повторить, развить или расширить свои возможности в значимых масштабах.

Сотрудничество между комитетами является отличительной чертой модели разработки стандартов ASTM. В случае комитета по технологиям АП (F42) и его нового подкомитета по данным, планируется работа с другими комитетами, занимающимися вопросами ИИ и IoT/IIoT, в том числе с комитетами по автоматическим управляемым промышленным транспортным средствам (F45), беспилотным летательным аппаратам (F38), потребительским товарам (F15), а также медицинским и хирургическим материалам и приборам (F04).

АП – это первый новый производственный процесс, разработанный в эпоху данных. Однако обеспечить понятность данных, их высокое качество и пригодность к использованию непросто. Новый подкомитет будет разрабатывать стандарты таким образом, чтобы сообщество могло создать экосистему данных, в которой данные можно было бы легко получать, использовать и управлять ими.


Журнал
ASTM International «Standardization News»