Репортаж от Wedoany，Испанский проект SARA, направленный на разработку автономных производственных систем нового поколения, интегрирует такие технологии, как искусственный интеллект, федеративное обучение, машинное зрение, робототехника и блокчейн, для преобразования данных, генерируемых в процессе производства, в знания, пригодные для принятия решений. Проект финансируется CDTI (Центр промышленного технологического развития Испании) и AEI (Испанское инновационное агентство) и объединяет консорциум предприятий, таких как Fagor Automation, и консорциум исследовательских институтов, включая Центр передовых авиационных производственных технологий (CFAA) Университета Страны Басков, для проверки технологий в реальных условиях на пяти промышленных демонстраторах.
В рамках проекта CFAA ведет три направления исследований, направленных на повышение автономности производственных систем. Первое направление посвящено применению федеративного обучения для интеллектуального мониторинга процессов на станках, включая управление состоянием смазочно-охлаждающей жидкости (СОЖ) и прогнозирование остаточного срока службы инструмента. Разработанная для этого экспериментальная система «Matabichos» объединяет физическую систему обработки на основе УФ-С излучения и пузырьков сжатого воздуха, а также интеллектуальную платформу мониторинга. Экспериментальная проверка показала, что система позволяет значительно снизить общее количество бактерий и псевдомонад, а также непрерывно регистрировать изменения таких переменных, как мутность, электропроводность, pH и температура. В настоящее время система переносится для тестирования в 500-литровый резервуар, что ближе к промышленным условиям.
Второе направление связано с автономным роботизированным производством и разработкой системы адаптивной генерации траекторий для операций снятия заусенцев. Система обрабатывает сигналы отклонения контура, обнаруженные на простых изображениях, и генерирует траектории инструмента, адаптированные в реальном времени к фактическим условиям детали. Она способна быстро обнаруживать кромки и заусенцы и динамически корректировать режимы обработки в зависимости от их размеров. Испытания показали, что технология позволяет получать масштабный коэффициент менее одной десятой миллиметра, при этом в направлении измерения требуется не менее 5 мегапикселей. В настоящее время разрабатывается инструмент автономного программирования, позволяющий роботу автоматически изменять рабочую траекторию на основе измеренной геометрии.
Третье направление внедряет технологию блокчейна и цифровые идентификаторы для добавления уровня доверия к промышленным данным. Разработана архитектура, объединяющая децентрализованные идентификаторы (DID), проверяемые учетные данные и частную блокчейн-сеть на основе Hyperledger Fabric. Проверка на станке Ibarmia THR 16 показала, что для файла CSV размером 2 МБ общее время процесса аутентификации составляет около 2,388 секунды, что свидетельствует о незначительных временных затратах на внедрение цифровых идентификаторов и механизмов аутентификации, совместимых с обычными процессами сбора промышленных данных. Текущая работа направлена на расширение этой архитектуры для применения в более сложных промышленных сценариях и содействие интероперабельности между производителями, поставщиками и клиентами.
Проект SARA решает проблему автономности с комплексной точки зрения, охватывая весь процесс от определения технологии до выполнения, мониторинга, обслуживания и планирования. Его цель — разработать технологическую архитектуру для создания более автономных, интеллектуальных и взаимосвязанных производственных систем, позволяющих машинам понимать окружающую среду, учиться на опыте и действовать все более интеллектуально. Результаты проекта имеют важное значение для повышения конкурентоспособности высокотехнологичных производств, таких как авиакосмическая промышленность.
Для достижения своих целей проект создал пять промышленных демонстраторов, направленных на автономную помощь при определении новых процессов, помощь в настройке и мониторинге параметров обработки на станках, автономность предиктивного обслуживания компонентов машин, автономность роботизированного производства и автономность планирования гибкого завода.
Что касается конкретных технологических достижений, система Matabichos, разработанная CFAA для управления СОЖ, продемонстрировала свою эффективность в ходе экспериментальной проверки. Сравнительные испытания двух 25-литровых резервуаров показали, что в обработанном резервуаре поверхностные загрязнения уменьшились вплоть до почти полного исчезновения, а микробиологический анализ подтвердил значительное снижение общего количества бактерий. Система мониторинга успешно непрерывно регистрировала изменения ключевых переменных в течение месяца сбора реальных данных.
В области роботизированного снятия заусенцев проект разработал технологию обнаружения контуров на основе обработки изображений. С помощью фотокамеры на расстоянии 420 мм были сделаны снимки с разрешением 24 мегапикселя, а затем с использованием инструментов редактирования разрешение было снижено для тестирования. Результаты показали, что в направлении обнаружения требуется не менее 5 мегапикселей. Технология обрабатывает изображения с помощью этапов калибровки, сегментации, обнаружения и масштабирования для генерации траекторий робота, адаптированных к фактическим условиям детали.
На уровне доверия к данным анализ производительности блокчейн-решения показал, что накладные расходы на процесс аутентификации невелики. Для файла CSV размером 2 МБ генерация проверяемого удостоверения занимает около 2,29 секунды, вычисление хеша SHA-256 — 2,6 миллисекунды, а запись хеша в блокчейн — 94,8 миллисекунды. Испытания показали, что эта архитектура осуществима в качестве дополнительного уровня доверия на существующей промышленной инфраструктуре.
Этап обработки изображений включает калибровку, съемку детали, сегментацию «деталь-фон» и обнаружение контуров с использованием номинальной геометрии в качестве шаблона. Затем применяются морфологические операции для фильтрации крупных заусенцев, выполняется масштабирование мм/пиксель в зависимости от размера апертуры, и, наконец, сглаживается геометрия контура, которая будет служить ориентиром для обновленного движения робота.
В рамках проекта был проведен анализ систем сбора данных, пригодных для данного применения, и были исключены такие технологии, как щуповое измерение, структурированный свет и лазеры.
В конечном итоге была выбрана обработка изображений с фотокамеры, так как это быстрая и экономичная технология с точностью в заданных пределах, подходящая для применения на кромках в плоскости. Осуществимость этой технологии была проверена на предварительной установке с использованием калибровочных плиток класса 0 (длина 100 мм) и калибровочных отверстий блока типа IIW-1 (50,8 мм).
Испытания включали съемку одного снимка камерой с разрешением 24 мегапикселя на расстоянии 420 мм. Затем, путем снижения разрешения изображения, изучалось его влияние на измерение длины плитки. Результаты показали, что технология позволяет получать масштабный коэффициент менее одной десятой миллиметра, при этом в направлении измерения требуется не менее 5 мегапикселей.
Для сегментации будут исследованы различные алгоритмы распознавания контуров и методы фильтрации до тех пор, пока не будут найдены оптимальные параметры для получения полного замкнутого контура целевой детали.
В части блокчейна разработанная архитектура объединяет децентрализованные идентификаторы (DID), проверяемые учетные данные и частную блокчейн-сеть на основе Hyperledger Fabric. Данные, генерируемые станком, структурируются в цифровые удостоверения и подписываются, после чего сохраняются в озере данных CFAA. Вычисляется криптографический хеш (SHA-256) каждого удостоверения, и только это доказательство сохраняется в блокчейне для проверки целостности данных при сохранении эффективности системы.
Проверка блокчейн-решения была проведена на станке Ibarmia THR 16.
Анализ производительности показал, что для файла CSV размером 2 МБ общее время процесса аутентификации составляет около 2,388 секунды.
Хотя разработка отдельных технологий все еще продолжается, полученные на сегодняшний день результаты подтверждают осуществимость предложенных решений, закладывая основу для дальнейшего продвижения к более автономной, взаимосвязанной и эффективной производственной среде. Проект представляет собой важный шаг к заводам нового поколения, которые не только автоматизируют процессы, но и обучаются, сотрудничают и принимают решения на основе надежной информации.
