2017-10-17T01:54:50+02:00

Herramientas Personales

TUlankide MONDRAGON

AOTEK lidera el proyecto Fatima en colaboración con Ideko, ETIC, y Mondragon Unibertsitatea

24/05/2016

Este proyecto se enmarca dentro del uso de las técnicas de Inteligencia artificial o aprendizaje supervisado aplicado a grandes cantidades de datos, además no homogéneos, en lo que es el núcleo de las técnicas englobadas dentro del término BIG DATA.
AOTEK lidera el proyecto Fatima en colaboración con Ideko, ETIC, y Mondragon Unibertsitatea

La problemática que se intenta resolver es la optimización de la ejecución de los programas HSC en los controles numéricos Fagor en los términos deseados por el usuario. Este es un difícil problema con múltiples aristas, donde a la notable complejidad de los propios algoritmos de reconstrucción de la geometría original y la gestión de un número elevado de bloques para conseguir una velocidad de mecanizado elevada se une la enorme variabilidad introducida por las cadenas cinemáticas de las máquinas y la propia la propia parametrización de la gestión de las trayectorias en el CNC.

Es por esto por lo que se ha descompuesto el estudio en dos problemáticas o casos de uso diferentes para poder abordarlo con alguna garantía de éxito. En el primer caso se aborda la casuística desde un punto de vista de trayectorias teóricas y de simulación sobre un modelo de máquina que, en una primera aproximación, suponemos de momento lineal, aunque no necesariamente unidimensional.

Este primer caso propone estudiar un conjunto de piezas representativo, hacerlo sobre un número de parámetros de interpolación (HSC) finito pero suficientemente grande, y evaluarlo frente a una determinada máquina (modelo) con unos ajustes de los lazos determinados, pero variables. Una primera aproximación, con el proyecto ya comenzado, ha necesitado varios ordenadores en los que se ha instalado el simulador de CNC8065 de Fagor , trabajando sin descanso sobre un conjunto de más de 100 programas de tipo HSC con problemáticas diferentes, con varios conjuntos de parámetros y simulados sobre varias dinámicas (máquinas). Obtener los primeros datos ha llevado en esas condiciones varias semanas y ha ocupado, hasta el momento, más de 2 Terabytes.

figure A-B

El análisis de los mismos por parte de Fagor y sus colaboradores (Ideko, ETIC, MGEP) determinará qué características de los programas son relevantes para la consecución del mejor mecanizado posible.

El segundo caso aborda, precisamente, la obtención del mejor modelo posible, en cuanto a mecanizado HSC, que pueda ser incluido en el caso A. Para ello se seleccionarán algunos de los anteriores programas y se ejecutarán, para varios de los conjuntos de parámetros de ajuste anteriores, en una máquina real proporcionada por Ideko, quien además aportará, junto con su experiencia en diseño de máquinas, acelerómetros y sensores que caractericen el comportamiento de la punta de la herramienta, la que, en definitiva, determina la calidad del mecanizado. Obviamente, la cantidad de datos en este caso, aunque muy grande, no puede llegar a la obtenida en el caso anterior, por una cuestión de tiempo material, puesto que la ejecución aquí se realiza en tiempo real, siendo el simulador muchas veces más rápido que la máquina. Los ficheros de datos reales, incluidos los datos de aceleración, se almacenarán para su posterior tratamiento de forma similar a los del caso 1.

El objetivo final del proyecto es la obtención de un algoritmo de IA que asesore al usuario de los controles numéricos de Fagor en la obtención del mecanizado óptimo adecuado a sus necesidades y a su máquina. El proyecto se orienta precisamente a obtener herramientas de ayuda para ambos entornos que faciliten la obtención de modelos más precisos de la máquina y su parametrización para algoritmos HSC y proporcionen un conjunto de parámetros óptimo en función de la estrategia del mecanizador (mejor tiempo, mejor calidad superficial, mayor precisión).

Para el fabricante, dada una máquina concreta, Fagor proporcionaría la capacidad de adaptar la parametrización en función de la tipología de programas a ejecutar. Para cada uno de los tipos se aconsejaría un set de parámetros de los accionamientos que permanecerían en el CNC.

Cuando el usuario final determine el programa a ejecutar, el algoritmo de IA debería decidir cuál de estos sets es el más adecuado para la estrategia seleccionada.

Estos son, como se ve, objetivos muy ambiciosos, con un grado de innovación muy notable sobre el estado actual, con plena integración de analítica Big Data y de las estrategias de IA y perteneciente a un nivel de investigación elevado, pero muy centrado en las necesidades de los clientes de Fagor.

 

Edición impresa
Síguenos en twitter
LagunAro

Promociones para socios

fagor-promo

Sugerencias

sugerencias