ಆಗ್ಸ್‌ಬರ್ಗ್ AI ಪ್ರೊಡಕ್ಷನ್ ನೆಟ್‌ವರ್ಕ್-DLR ಲೈಟ್‌ವೇಟ್ ಪ್ರೊಡಕ್ಷನ್ ಟೆಕ್ನಾಲಜಿ ಸೆಂಟರ್ (ZLP), ಫ್ರೌನ್‌ಹೋಫರ್ IGCV ಮತ್ತು ಆಗ್ಸ್‌ಬರ್ಗ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯವು ಸಂಯೋಜಿತ ವಸ್ತು ಸಂಸ್ಕರಣೆಯ ಗುಣಮಟ್ಟದೊಂದಿಗೆ ಧ್ವನಿಯನ್ನು ಪರಸ್ಪರ ಸಂಬಂಧಿಸಲು ಅಲ್ಟ್ರಾಸಾನಿಕ್ ಸಂವೇದಕಗಳನ್ನು ಬಳಸುತ್ತದೆ.
ಯಂತ್ರದ ಗುಣಮಟ್ಟವನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು CNC ಮಿಲ್ಲಿಂಗ್ ಯಂತ್ರದಲ್ಲಿ ಅಲ್ಟ್ರಾಸಾನಿಕ್ ಸಂವೇದಕವನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ.ಚಿತ್ರ ಮೂಲ: ಆಗ್ಸ್‌ಬರ್ಗ್ ವಿಶ್ವವಿದ್ಯಾಲಯದಿಂದ ಎಲ್ಲಾ ಹಕ್ಕುಗಳನ್ನು ಕಾಯ್ದಿರಿಸಲಾಗಿದೆ
ಆಗ್ಸ್‌ಬರ್ಗ್ AI (ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ) ಉತ್ಪಾದನಾ ನೆಟ್‌ವರ್ಕ್-ಜನವರಿ 2021 ರಲ್ಲಿ ಸ್ಥಾಪಿಸಲಾಯಿತು ಮತ್ತು ಜರ್ಮನಿಯ ಆಗ್ಸ್‌ಬರ್ಗ್‌ನಲ್ಲಿ ಪ್ರಧಾನ ಕಚೇರಿಯನ್ನು ಹೊಂದಿದೆ-ಆಗ್ಸ್‌ಬರ್ಗ್ ವಿಶ್ವವಿದ್ಯಾಲಯ, ಫ್ರೌನ್‌ಹೋಫರ್ ಮತ್ತು ಎರಕಹೊಯ್ದ, ಸಂಯೋಜಿತ ವಸ್ತುಗಳು ಮತ್ತು ಸಂಸ್ಕರಣಾ ತಂತ್ರಜ್ಞಾನ (ಫ್ರೌನ್‌ಹೋಫರ್ ಐಜಿಸಿವಿ) ಮತ್ತು ಜರ್ಮನ್ ಲೈಟ್‌ವೇಟ್ ಉತ್ಪಾದನಾ ತಂತ್ರಜ್ಞಾನದ ಸಂಶೋಧನೆಯನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ. ಕೇಂದ್ರ.ಜರ್ಮನ್ ಏರೋಸ್ಪೇಸ್ ಸೆಂಟರ್ (DLR ZLP).ವಸ್ತುಗಳು, ಉತ್ಪಾದನಾ ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು ಡೇಟಾ ಆಧಾರಿತ ಮಾಡೆಲಿಂಗ್ ನಡುವಿನ ಇಂಟರ್ಫೇಸ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆಧಾರಿತ ಉತ್ಪಾದನಾ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಜಂಟಿಯಾಗಿ ಸಂಶೋಧಿಸುವುದು ಇದರ ಉದ್ದೇಶವಾಗಿದೆ.ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಬೆಂಬಲಿಸುವ ಅಪ್ಲಿಕೇಶನ್‌ನ ಉದಾಹರಣೆಯೆಂದರೆ ಫೈಬರ್-ಬಲವರ್ಧಿತ ಸಂಯೋಜಿತ ವಸ್ತುಗಳ ಸಂಸ್ಕರಣೆ.
ಹೊಸದಾಗಿ ಸ್ಥಾಪಿತವಾದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಉತ್ಪಾದನಾ ಜಾಲದಲ್ಲಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಹೇಗೆ ಅತ್ಯುತ್ತಮವಾಗಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ವಿಜ್ಞಾನಿಗಳು ಅಧ್ಯಯನ ಮಾಡುತ್ತಿದ್ದಾರೆ.ಉದಾಹರಣೆಗೆ, ಏರೋಸ್ಪೇಸ್ ಅಥವಾ ಮೆಕ್ಯಾನಿಕಲ್ ಇಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿನ ಅನೇಕ ಮೌಲ್ಯ ಸರಪಳಿಗಳ ಕೊನೆಯಲ್ಲಿ, CNC ಯಂತ್ರೋಪಕರಣಗಳು ಫೈಬರ್-ಬಲವರ್ಧಿತ ಪಾಲಿಮರ್ ಸಂಯುಕ್ತಗಳಿಂದ ಮಾಡಲ್ಪಟ್ಟ ಘಟಕಗಳ ಅಂತಿಮ ಬಾಹ್ಯರೇಖೆಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತವೆ.ಈ ಯಂತ್ರ ಪ್ರಕ್ರಿಯೆಯು ಮಿಲ್ಲಿಂಗ್ ಕಟ್ಟರ್‌ಗೆ ಹೆಚ್ಚಿನ ಬೇಡಿಕೆಗಳನ್ನು ನೀಡುತ್ತದೆ.ಆಗ್ಸ್‌ಬರ್ಗ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸಂಶೋಧಕರು ಸಿಎನ್‌ಸಿ ಮಿಲ್ಲಿಂಗ್ ಸಿಸ್ಟಮ್‌ಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವ ಸಂವೇದಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಯಂತ್ರ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಸಾಧ್ಯವಿದೆ ಎಂದು ನಂಬುತ್ತಾರೆ.ಈ ಸಂವೇದಕಗಳು ಒದಗಿಸಿದ ಡೇಟಾ ಸ್ಟ್ರೀಮ್‌ಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಅವರು ಪ್ರಸ್ತುತ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುತ್ತಿದ್ದಾರೆ.
ಕೈಗಾರಿಕಾ ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಬಹಳ ಸಂಕೀರ್ಣವಾಗಿರುತ್ತವೆ ಮತ್ತು ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಹಲವು ಅಂಶಗಳಿವೆ.ಉದಾಹರಣೆಗೆ, ಉಪಕರಣಗಳು ಮತ್ತು ಸಂಸ್ಕರಣಾ ಉಪಕರಣಗಳು ತ್ವರಿತವಾಗಿ ಧರಿಸುತ್ತವೆ, ವಿಶೇಷವಾಗಿ ಕಾರ್ಬನ್ ಫೈಬರ್ನಂತಹ ಹಾರ್ಡ್ ವಸ್ತುಗಳು.ಆದ್ದರಿಂದ, ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಟ್ರಿಮ್ ಮಾಡಿದ ಮತ್ತು ಯಂತ್ರದ ಸಂಯೋಜಿತ ರಚನೆಗಳನ್ನು ಒದಗಿಸಲು ನಿರ್ಣಾಯಕ ಉಡುಗೆ ಮಟ್ಟವನ್ನು ಗುರುತಿಸುವ ಮತ್ತು ಊಹಿಸುವ ಸಾಮರ್ಥ್ಯವು ಅತ್ಯಗತ್ಯವಾಗಿರುತ್ತದೆ.ಕೈಗಾರಿಕಾ CNC ಮಿಲ್ಲಿಂಗ್ ಯಂತ್ರಗಳ ಮೇಲಿನ ಸಂಶೋಧನೆಯು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಸಂಯೋಜಿತವಾದ ಸೂಕ್ತವಾದ ಸಂವೇದಕ ತಂತ್ರಜ್ಞಾನವು ಅಂತಹ ಮುನ್ಸೂಚನೆಗಳು ಮತ್ತು ಸುಧಾರಣೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ.
ಅಲ್ಟ್ರಾಸಾನಿಕ್ ಸಂವೇದಕ ಸಂಶೋಧನೆಗಾಗಿ ಕೈಗಾರಿಕಾ CNC ಮಿಲ್ಲಿಂಗ್ ಯಂತ್ರ.ಚಿತ್ರ ಮೂಲ: ಆಗ್ಸ್‌ಬರ್ಗ್ ವಿಶ್ವವಿದ್ಯಾಲಯದಿಂದ ಎಲ್ಲಾ ಹಕ್ಕುಗಳನ್ನು ಕಾಯ್ದಿರಿಸಲಾಗಿದೆ
ಹೆಚ್ಚಿನ ಆಧುನಿಕ CNC ಮಿಲ್ಲಿಂಗ್ ಯಂತ್ರಗಳು ಅಂತರ್ನಿರ್ಮಿತ ಮೂಲ ಸಂವೇದಕಗಳನ್ನು ಹೊಂದಿವೆ, ಉದಾಹರಣೆಗೆ ರೆಕಾರ್ಡಿಂಗ್ ಶಕ್ತಿಯ ಬಳಕೆ, ಫೀಡ್ ಫೋರ್ಸ್ ಮತ್ತು ಟಾರ್ಕ್.ಆದಾಗ್ಯೂ, ಮಿಲ್ಲಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯ ಸೂಕ್ಷ್ಮ ವಿವರಗಳನ್ನು ಪರಿಹರಿಸಲು ಈ ಡೇಟಾ ಯಾವಾಗಲೂ ಸಾಕಾಗುವುದಿಲ್ಲ.ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಆಗ್ಸ್‌ಬರ್ಗ್ ವಿಶ್ವವಿದ್ಯಾಲಯವು ರಚನೆಯ ಧ್ವನಿಯನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಅಲ್ಟ್ರಾಸಾನಿಕ್ ಸಂವೇದಕವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ ಮತ್ತು ಅದನ್ನು ಕೈಗಾರಿಕಾ CNC ಮಿಲ್ಲಿಂಗ್ ಯಂತ್ರಕ್ಕೆ ಸಂಯೋಜಿಸಿದೆ.ಈ ಸಂವೇದಕಗಳು ಮಿಲ್ಲಿಂಗ್ ಸಮಯದಲ್ಲಿ ಉತ್ಪತ್ತಿಯಾಗುವ ಅಲ್ಟ್ರಾಸಾನಿಕ್ ಶ್ರೇಣಿಯಲ್ಲಿ ರಚನಾತ್ಮಕ ಧ್ವನಿ ಸಂಕೇತಗಳನ್ನು ಪತ್ತೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ನಂತರ ಸಂವೇದಕಗಳಿಗೆ ಸಿಸ್ಟಮ್ ಮೂಲಕ ಹರಡುತ್ತದೆ.
ರಚನೆಯ ಧ್ವನಿಯು ಪ್ರಕ್ರಿಯೆಯ ಪ್ರಕ್ರಿಯೆಯ ಸ್ಥಿತಿಯ ಬಗ್ಗೆ ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು."ಇದು ಪಿಟೀಲುಗೆ ಬಿಲ್ಲು ತಂತಿಯಂತೆ ನಮಗೆ ಅರ್ಥಪೂರ್ಣವಾದ ಸೂಚಕವಾಗಿದೆ" ಎಂದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಉತ್ಪಾದನಾ ಜಾಲದ ನಿರ್ದೇಶಕ ಪ್ರೊ. ಮಾರ್ಕಸ್ ಸಾಸ್ ವಿವರಿಸಿದರು."ಸಂಗೀತ ವೃತ್ತಿಪರರು ಪಿಟೀಲಿನ ಧ್ವನಿಯಿಂದ ಅದನ್ನು ಟ್ಯೂನ್ ಮಾಡಲಾಗಿದೆಯೇ ಮತ್ತು ವಾದ್ಯದ ಆಟಗಾರನ ಪಾಂಡಿತ್ಯವನ್ನು ತಕ್ಷಣವೇ ನಿರ್ಧರಿಸಬಹುದು."ಆದರೆ ಈ ವಿಧಾನವು CNC ಯಂತ್ರೋಪಕರಣಗಳಿಗೆ ಹೇಗೆ ಅನ್ವಯಿಸುತ್ತದೆ?ಯಂತ್ರ ಕಲಿಕೆ ಮುಖ್ಯ.
ಅಲ್ಟ್ರಾಸಾನಿಕ್ ಸಂವೇದಕದಿಂದ ದಾಖಲಿಸಲ್ಪಟ್ಟ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ CNC ಮಿಲ್ಲಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು, ಸಾಸ್‌ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಸಂಶೋಧಕರು ಯಂತ್ರ ಕಲಿಕೆ ಎಂದು ಕರೆಯುತ್ತಾರೆ.ಅಕೌಸ್ಟಿಕ್ ಸಿಗ್ನಲ್ನ ಕೆಲವು ಗುಣಲಕ್ಷಣಗಳು ಪ್ರತಿಕೂಲವಾದ ಪ್ರಕ್ರಿಯೆ ನಿಯಂತ್ರಣವನ್ನು ಸೂಚಿಸಬಹುದು, ಇದು ಗಿರಣಿ ಭಾಗದ ಗುಣಮಟ್ಟವು ಕಳಪೆಯಾಗಿದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.ಆದ್ದರಿಂದ, ಮಿಲ್ಲಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನೇರವಾಗಿ ಸರಿಹೊಂದಿಸಲು ಮತ್ತು ಸುಧಾರಿಸಲು ಈ ಮಾಹಿತಿಯನ್ನು ಬಳಸಬಹುದು.ಇದನ್ನು ಮಾಡಲು, ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ತರಬೇತಿ ಮಾಡಲು ರೆಕಾರ್ಡ್ ಮಾಡಿದ ಡೇಟಾ ಮತ್ತು ಅನುಗುಣವಾದ ಸ್ಥಿತಿಯನ್ನು (ಉದಾಹರಣೆಗೆ, ಉತ್ತಮ ಅಥವಾ ಕೆಟ್ಟ ಪ್ರಕ್ರಿಯೆ) ಬಳಸಿ.ನಂತರ, ಮಿಲ್ಲಿಂಗ್ ಯಂತ್ರವನ್ನು ನಿರ್ವಹಿಸುವ ವ್ಯಕ್ತಿಯು ಪ್ರಸ್ತುತಪಡಿಸಿದ ಸಿಸ್ಟಮ್ ಸ್ಥಿತಿಯ ಮಾಹಿತಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಬಹುದು ಅಥವಾ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಮೂಲಕ ಸಿಸ್ಟಮ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸಬಹುದು.
ಯಂತ್ರ ಕಲಿಕೆಯು ವರ್ಕ್‌ಪೀಸ್‌ನಲ್ಲಿ ನೇರವಾಗಿ ಮಿಲ್ಲಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸುವುದಲ್ಲದೆ, ಉತ್ಪಾದನಾ ಸ್ಥಾವರದ ನಿರ್ವಹಣೆ ಚಕ್ರವನ್ನು ಆರ್ಥಿಕವಾಗಿ ಸಾಧ್ಯವಾದಷ್ಟು ಯೋಜಿಸಬಹುದು.ಆರ್ಥಿಕ ದಕ್ಷತೆಯನ್ನು ಸುಧಾರಿಸಲು ಕ್ರಿಯಾತ್ಮಕ ಘಟಕಗಳು ಸಾಧ್ಯವಾದಷ್ಟು ಕಾಲ ಯಂತ್ರದಲ್ಲಿ ಕೆಲಸ ಮಾಡಬೇಕಾಗುತ್ತದೆ, ಆದರೆ ಘಟಕ ಹಾನಿಯಿಂದ ಉಂಟಾಗುವ ಸ್ವಾಭಾವಿಕ ವೈಫಲ್ಯಗಳನ್ನು ತಪ್ಪಿಸಬೇಕು.
ಪೂರ್ವಭಾವಿ ನಿರ್ವಹಣೆಯು ಭಾಗಗಳನ್ನು ಯಾವಾಗ ಬದಲಾಯಿಸಬೇಕು ಎಂಬುದನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು AI ಸಂಗ್ರಹಿಸಿದ ಸಂವೇದಕ ಡೇಟಾವನ್ನು ಬಳಸುವ ಒಂದು ವಿಧಾನವಾಗಿದೆ.ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ CNC ಮಿಲ್ಲಿಂಗ್ ಯಂತ್ರಕ್ಕಾಗಿ, ಧ್ವನಿ ಸಂಕೇತದ ಕೆಲವು ಗುಣಲಕ್ಷಣಗಳು ಬದಲಾದಾಗ ಅಲ್ಗಾರಿದಮ್ ಗುರುತಿಸುತ್ತದೆ.ಈ ರೀತಿಯಾಗಿ, ಇದು ಯಂತ್ರೋಪಕರಣದ ಉಡುಗೆಗಳ ಮಟ್ಟವನ್ನು ಮಾತ್ರ ಗುರುತಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ, ಆದರೆ ಉಪಕರಣವನ್ನು ಬದಲಾಯಿಸಲು ಸರಿಯಾದ ಸಮಯವನ್ನು ಊಹಿಸುತ್ತದೆ.ಇದು ಮತ್ತು ಇತರ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಆಗ್ಸ್‌ಬರ್ಗ್‌ನಲ್ಲಿನ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಉತ್ಪಾದನಾ ಜಾಲಕ್ಕೆ ಸೇರಿಸಲಾಗುತ್ತಿದೆ.ಮೂರು ಪ್ರಮುಖ ಪಾಲುದಾರ ಸಂಸ್ಥೆಗಳು ಮಾಡ್ಯುಲರ್ ಮತ್ತು ಮೆಟೀರಿಯಲ್-ಆಪ್ಟಿಮೈಸ್ಡ್ ರೀತಿಯಲ್ಲಿ ಮರುಸಂರಚಿಸಬಹುದಾದ ಉತ್ಪಾದನಾ ಜಾಲವನ್ನು ರಚಿಸಲು ಇತರ ಉತ್ಪಾದನಾ ಸೌಲಭ್ಯಗಳೊಂದಿಗೆ ಸಹಕರಿಸುತ್ತಿವೆ.
ಉದ್ಯಮದ ಮೊದಲ ಫೈಬರ್ ಬಲವರ್ಧನೆಯ ಹಿಂದಿನ ಹಳೆಯ ಕಲೆಯನ್ನು ವಿವರಿಸುತ್ತದೆ ಮತ್ತು ಹೊಸ ಫೈಬರ್ ವಿಜ್ಞಾನ ಮತ್ತು ಭವಿಷ್ಯದ ಅಭಿವೃದ್ಧಿಯ ಆಳವಾದ ತಿಳುವಳಿಕೆಯನ್ನು ಹೊಂದಿದೆ.
ಪೋಸ್ಟ್ ಸಮಯ: ಅಕ್ಟೋಬರ್-08-2021