Comment l'intelligence artificielle transforme le moulage par injection

Geoff Giordano | 14 juin 2022

L’ère de l’industrie 4.0 dépend tellement de la précision basée sur les données que l’intelligence artificielle (IA) joue un rôle croissant dans l’exploitation de ces données pour améliorer les performances des machines, y compris des mouleuses par injection.

L’IA dans le secteur manufacturier englobe un éventail de technologies qui permettent aux machines de fonctionner avec une intelligence qui imite celle des humains. L'apprentissage automatique et le traitement du langage naturel aident les machines à se rapprocher de la capacité humaine à apprendre, à porter des jugements et à résoudre des problèmes. L'efficacité améliorée des données permet aux processus d'évoluer plus rapidement et de manière plus rentable.

« L'IA prend de plus en plus d'importance dans l'ingénierie mécanique, notamment en raison de la nécessité d'automatiser les processus de moulage par injection de manière efficace et flexible malgré des lots de plus en plus petits et des cycles de vie des produits plus courts », a déclaré Werner Faulhaber, directeur de la recherche et du développement chez Arburg. « Les exemples d'application de l'IA incluent la programmation automatique de systèmes robotiques, la résolution ciblée de dysfonctionnements et un système de pièces de rechange avec traitement d'image « intelligent ». Arburg s'efforce de rendre le moulage par injection plus intelligent, étape par étape, en veillant à ce que la machine apprenne en permanence, reste stable et puisse même s'optimiser à l'avenir.

Arburg crée des systèmes de production flexibles et contrôlables en combinant machines, automatisation et solutions informatiques propriétaires. Le système de contrôle Gestica de l'entreprise, avec ses fonctions d'assistant intelligent, fait partie intégrante de ces systèmes. « Par exemple, tous les robots à six axes Kuka sont équipés en standard de la nouvelle interface utilisateur Gestica », précise Faulhaber. « Cela simplifie la programmation, ainsi que la surveillance, le stockage et l'évaluation des données de processus. »

Une application sur laquelle Arburg travaille est la programmation automatique de ses systèmes robotiques linéaires Multilift. « L'idée est que l'opérateur saisit simplement la destination, comme avec un appareil de navigation automobile, et que le système calcule automatiquement l'itinéraire optimal. Pour les systèmes robotiques, cela signifie que l’opérateur saisit simplement les positions de début et de fin souhaitées et que le système de commande s’occupe du reste.

Wittmann Battenfeld, qui a pleinement adopté la connectivité Industrie 4.0 dans son portefeuille de machines de moulage par injection et de machines auxiliaires au cours des dernières années, utilise l'IA avec ses robots pour surveiller les temps de cycle et contrôler la vitesse des robots en dehors de la machine de moulage.

Les capacités d'apprentissage automatique de l'entreprise – HiQ Flow et technologie CMS – seront exposées au salon K de cette année, du 19 au 26 octobre à Düsseldorf, en Allemagne. La vitesse de retour sur investissement peut être aussi courte que quelques cycles avec HiQ Flow, et le logiciel peut souvent être installé ultérieurement sur des machines de moulage par injection plus anciennes équipées d'une commande de machine B8. Une version CMS Pro sera disponible ultérieurement.

« La technologie tire de nouvelles conclusions des paramètres actuels et devient ainsi de plus en plus intelligente à mesure qu'elle surveille les performances », a déclaré Christian Glueck, chef de produit. « Nous nous limitons à une détermination méthodique des paramètres. Le temps nécessaire à l’utilisation de la technologie est donc minime, tout comme le prix. »

En comparant l’IA et l’apprentissage automatique, Glueck a déclaré : « L’IA nécessite en réalité un investissement en temps beaucoup plus important et, par conséquent, un investissement financier plus élevé. Un grand nombre de paramètres doivent être enregistrés à partir d'un processus en cours et les paramètres pertinents sont déterminés sur la base des écarts. Celles-ci sont comparées aux données de mesure du produit.

Sur la base de facteurs tels que les changements de matériaux, la température ambiante, l'usure de la machine, l'usure des outils et d'autres influences, « l'IA peut déterminer quels paramètres de la machine doivent être modifiés afin que le produit puisse être fabriqué dans le respect de ses tolérances de qualité. Cela peut prendre des mois, car il faut d’abord que des erreurs se produisent pour pouvoir en tirer des leçons. »

Wittmann a cofinancé un tel programme d'évaluation avec l'université autrichienne Montanuniversität Leoben, « mais nous avons constaté que le temps nécessaire pour le rendre opérationnel pour la production devait être remis en question car en plus de l'étude à long terme du processus, il faut également de la main d'œuvre. nécessaire de le gérer.