Инженер-исследователь Михаил Гимадеев из Тихоокеанского государственного университета придумал и показал одну полезную вещь. Он хочет сделать современную систему, которая следит за тем, как фреза обрабатывает деталь. Причем следит прямо во время работы.

В чем фишка

Михаил соединил старые добрые математические расчеты с нейросетями. Получается, что техника сама в реальном времени отслеживает, в каком состоянии находится режущий инструмент и как вообще идет процесс обработки.

В чем проблема на заводах прямо сейчас

В современном машиностроении привыкли управлять процессом на ощупь, но с оглядкой назад. То есть люди сначала делают деталь, а потом проверяют, получилось ли хорошо. Это работа «постфактум».

При этом сами станки давно умеют собирать кучу данных на лету: с какой силой идет резание, как прыгают вибрации, не перегревается ли металл. Но толком использовать эти цифры никто не умеет. Почему?

• Старые способы контроля инструмента плохо развиты.
• Данные часто лежат отдельными кусками, никто их не собирает в общую картину.
• Нормальные системы мониторинга либо очень дорогие, либо сложные до безобразия.

В итоге заводчане подстраховываются. Они специально выбирают режимы обработки «полегче» и поосторожнее, лишь бы не испортить деталь. А из-за этого падает производительность и растет себестоимость. Деньги уходят на воздух.

Когда становится особенно горячо

Хуже всего приходится при обработке сложных деталей. Например, для авиации или энергетики. Там требования к точности и качеству — будь здоров. Чуть что не так — деталь в брак, который, кстати, тоже может принести пользу. И тут износ инструмента бьет прямо в результат. Вовремя поймать этот момент — целая проблема.

Что предложил Михаил Гимадеев

Команда Михаила хочет сделать «умное» управление. То есть система сама анализирует обработку на ходу и подсказывает человеку, как поступить прямо сейчас, а не после того, как деталь уже испорчена.

Вот их ключевая идея. Они объединяют три вещи:

1. Классические математические модели — обычные расчеты, которые работают как часы.
2. Нейронные сети — про машинное обучение, чтобы техника сама находила закономерности.
3. Данные с оборудования — в том числе вибрации и звук.

Вместо того чтобы ставить на каждый станок дорогущие датчики, ребята предлагают обойтись более дешевым виброакустическим подходом. Грубо говоря, станок «слушает» сам себя. Звуки и вибрации помогают услышать процесс резания. Из этого шума система выуживает полезную информацию и на ее основе понимает, в каком состоянии инструмент — живой или уже тупится.

Что получит завод, если внедрит систему

Список выгоды получается такой:

• Вовремя узнавать, что инструмент износился, и менять его, пока не полетела деталь.
• Тут же, на лету, менять режимы обработки — например, чуть сбавить скорость или напор.
• Сократить количество бракованных деталей.
• Снизить производственные расходы — меньше испорченного металла и лишних операций.
• Поднять общую эффективность производства. Проще говоря, делать больше и лучше за те же деньги.

В будущем такие решения спокойно станут частью цифровых двойников. Это когда у каждого процесса есть его точная цифровая копия, и на ней можно прогонять разные варианты. Или их можно встроить в современные системы управления жизненным циклом продукта (их еще называют PLM).

Если совсем просто: Михаил хочет, чтобы станки не только сверлили и фрезеровали, но и контролировали процесс изнутри. И помогали инженерам принимать правильные решения вовремя, а не когда поезд уже ушел.