Optimisation des processus de production grâce à la modularisation

Vitesse, précision et flexibilité améliorées : il est important de profiter de toutes les opportunités possibles pour optimiser la production. À cette fin, des chercheurs de l’Institut Fraunhofer pour la technologie des matériaux et des faisceaux IWS ont développé SURFinpro, une solution qui utilise l’intelligence artificielle et la technologie de mesure optique pour détecter, classer et visualiser les défauts en temps réel, et les signaler à l’usine réalisant la production. . Les experts présenteront leur système du 27 au 30 juin 2023 au Laser World of Photonics, commun Fraunhofer Booth 441 dans le Hall A3.

Ultra-léger, ultra-mince, exceptionnellement fiable, tout en atteignant des vitesses de production rapides—Dr. Christopher Taudt, chef de groupe pour la métrologie des surfaces au Fraunhofer Application Center for Optical Metrology and Surface Technologies AZOM, basé à Zwickau, qui fait partie de Fraunhofer IWS, et son équipe veillent à ce que les promesses de produits comme celles-ci se transforment en réalité. Ensemble, les scientifiques ont développé un système qui détecte les défauts de surface, les artefacts ainsi que les changements de texture, et qui les évalue avec le soutien de l’intelligence artificielle.

Ce processus peut capturer des informations 3D de surfaces rapidement et en haute résolution. Les données de mesure sont utilisées pour générer des informations supplémentaires en ligne pour les processus de production en cours. « Le système ne se contente pas de détecter les défauts, il les classe en même temps et établit immédiatement un contexte plus large. Nos clients reçoivent des informations sur le type de défaut, ainsi que de nombreux autres paramètres comme la densité, les dimensions géométriques et la fréquence du défaut », ajoute Taut. « Cela représente une valeur ajoutée significative par rapport aux systèmes conventionnels. »

Plus de précision à des vitesses plus élevées

Le système de mesure fonctionne avec succès dans l’industrie depuis plus d’un an, analysant un processus rouleau à rouleau avec des substrats d’une largeur de 70 centimètres. Afin de tirer parti d’un potentiel d’optimisation supplémentaire, Christopher Taudt et l’équipe SURFinpro forment le système dans le cadre de la production en cours à l’aide d’un catalogue de défauts. Au fur et à mesure que des défauts sont signalés, ils sont introduits dans un réseau neuronal, affinant ainsi la précision de la détection.

Les chercheurs utilisent les informations de mesure pour vérifier si de nouveaux défauts apparaissent ou si des défauts existants sont modifiés, ce qui nécessite une réponse dynamique du système. « D’une part, nous travaillons à développer de meilleurs réseaux de neurones qui nécessitent moins de données », explique le scientifique, « de plus, nous développons également de nouvelles stratégies de formation dans le cadre d’opérations en cours. »

Les experts du Fraunhofer AZOM adaptent actuellement leur technologie à de nouveaux domaines d’application, tels que les processus de fabrication continus de fibres composites. « Ici, nos partenaires ne sont pas seulement intéressés à éviter les défauts proches de la surface, ils souhaitent également que la technologie soit capable d’identifier et d’évaluer les composants dans de multiples dimensions », explique Taudt. Un autre groupe cible que l’équipe envisage pour les algorithmes et le système de classification des défauts est l’industrie des semi-conducteurs, par exemple dans la production de matériaux semi-conducteurs flexibles.

Actuellement, la solution Fraunhofer AZOM utilise un maximum de quatre caméras. Dans une prochaine étape, les chercheurs envisagent d’ajouter des systèmes de caméras supplémentaires. Cela serait bénéfique quel que soit le processus évalué, des processus composites à fibres impliquant de très gros composants aux processus traditionnels de rouleau à rouleau, comme ceux utilisés dans l’industrie photovoltaïque, par exemple.

Un autre aspect clé pour les scientifiques est la vitesse du système. Pour les plastiques renforcés de fibres en particulier, mais aussi dans le traitement des textiles, les temps de cycle très courts doivent être particulièrement rapides.

« L’augmentation de la vitesse est un enjeu important et nous avons l’expertise pour répondre à ces exigences. Notre solution utilise les technologies de machine learning et d’intelligence artificielle d’abord pour l’analyse proprement dite, mais aussi afin d’accélérer les étapes d’évaluation », explique le responsable du groupe, ajoutant : « Un processus d’analyse de mesure efficace consiste en un nombre gérable d’étapes individuelles qui filtrent et réduisent les données. Nous développons en permanence de nouvelles technologies dans ce domaine afin de rendre ce processus encore plus rapide et d’extraire la même quantité d’informations à partir de moins de données, pour exemple. »

Intelligent et ingénieusement modulaire

Les scientifiques pensent que l’une des principales caractéristiques de leur système est sa modularité. Grâce à une approche de modularisation sophistiquée utilisant des composants efficaces, SURFinpro offre une grande variété de déploiements potentiels et est facile à adapter : « Beaucoup de technologies que nous utilisons dans notre système ont été développées en tant que composants autonomes de manière à pouvoir également être implémentées efficacement dans divers autres contextes et projets. »

Le projet des chercheurs de Fraunhofer AZOM est un excellent exemple de la réussite et de la faisabilité de cette approche modulaire.

Cette année, le Laser World of Photonics verra Christopher Taudt et son équipe présenter leur solution, en utilisant un exemple d’application d’un processus roll-to-roll pour produire des cellules solaires flexibles. Les visiteurs du salon du 27 au 30 juin pourront voir la solution effectuant la saisie et l’analyse des données d’un processus en cours en temps réel sur le stand commun Fraunhofer 441 dans le Hall A3.