شبیه سازی های پیشرفته برای Industry 4.0

قطعات فلزی با کیفیت بالا، بدون عیب و ابعاد عالی. به نظر می رسد قدرت محاسبات کوانتومی برای بهینه سازی فرآیندهای تولید در صنعت فلزکاری آماده است.

تیمی به سرپرستی پروفسور انفورماتیک تجاری ولفگانگ ماس از دانشگاه زارلند و مرکز تحقیقاتی آلمان برای هوش مصنوعی (DFKI) با شرکای تجاری و دانشگاهی در پروژه “قاسم” کار می کنند تا شبیه سازی های مبتنی بر کوانتومی جدید را توسعه دهند که به سادگی قابل انجام نیستند. در معماری‌های محاسباتی مرسوم امروزی به دلیل محدودیت‌های زمان محاسباتی و ذخیره‌سازی، این تیم نشان خواهد داد که چگونه می‌توان از این شبیه‌سازی‌ها برای افزایش کیفیت، بهره‌وری و کارایی هزینه در Hannover Messe استفاده کرد.

موتورهای هوا باید سطوح بالایی از رانش را حتی در شرایط نامطلوب به طور قابل اعتماد ارائه دهند، بنابراین دقت در ساخت توربین های هواپیمای مدرن اهمیت اساسی دارد. در موتورهای توربوفن، فن که هوا را به داخل توربین می کشد دارای پره های متعدد با هندسه های منحنی پیچیده است.

این تیغه های فلزی توسط یک فرآیند فرز دقیق ساخته می شوند که نیاز به یک استراتژی ماشینکاری دقیق دارد. فرز دقیق تنها در صورتی امکان پذیر است که حرکت نسبی ابزار و قطعه کار به شدت کنترل شود. عدم انجام این کار می تواند به این معنی باشد که تیغه شروع به ارتعاش می کند و باعث می شود که سطح تیغه به صورت کنترل نشده به سر فرز برخورد کند و به تیغه آسیب برساند.

برای قطعه‌ای که اساساً غیرقابل استفاده می‌شود، حتی اگر کمی از مشخصات فنی خارج شود، این می‌تواند یک اتفاق ناگوار بسیار گران باشد. ولفگانگ ماس، استاد انفورماتیک کسب و کار در دانشگاه زارلند و رئیس بخش تحقیقاتی مهندسی خدمات هوشمند در مرکز تحقیقات هوش مصنوعی آلمان، گفت: «این نوع خطای تولید می‌تواند برای سازندگان قطعات موتور هوا با دقت بالا بسیار پرهزینه باشد. DFKI).

اما وضعیت برای بسیاری از شرکت‌های بزرگ و کوچک دیگر که قطعات فلزی را تولید می‌کنند، از جمله آنهایی که با برش لیزری تولید می‌شوند، مشابه است. گرمای شدیدی که در طول فرآیند برش ایجاد می شود می تواند باعث انبساط فلز در مکان هایی شود که نباید. در عملیات برش معمولی، بریدگی‌ها می‌توانند در دستگاه گیر کنند که سپس متوقف می‌شود.

نتیجه افزایش نرخ عدم پذیرش و توقف طولانی مدت دستگاه است که هزینه مواد، زمان و هزینه شرکت سازنده را به همراه دارد. “صنایع فلزکاری یک بخش عمده اقتصادی در آلمان و اتحادیه اروپا است و استانداردهای ایمنی و کیفیت بالا است. فرآیندهای تولید در بخش فلزکاری گاهی اوقات دارای نرخ رد حدود 1٪ است که زیاد به نظر نمی رسد، اما در کل، ولفگانگ ماس توضیح داد که می تواند تأثیر قابل توجهی بر رقابت داشته باشد.

کاهش نرخ رد را می توان با شبیه سازی دیجیتالی که از هوش مصنوعی استفاده می کند به دست آورد. با ایجاد یک دوقلوی دیجیتالی قطعه کار، هر چیزی که برای یک جزء واقعی اتفاق می افتد را می توان در یک محیط مجازی شبیه سازی کرد – از برنامه ریزی و تولید تا تضمین کیفیت.

در تئوری، هر جنبه ای از زنجیره تولید را می توان دقیقاً بهینه کرد، چه سرعت اسپیندل عالی برای فرز یا چگالی توان ایده آل ارائه شده توسط لیزر. اما یک گرفتاری وجود دارد. حجم عظیم داده های مورد نیاز برای تولید این شبیه سازی های با وضوح بالا را نمی توان با سیستم های کامپیوتری معمولی مدیریت کرد. کامپیوترهای کوانتومی که می توانند سطح قدرت محاسباتی مورد نیاز را ارائه دهند، هنوز در دسترس نیستند.

نتیجه؟ هانا استاین از تحقیقات Maaß توضیح داد: «شبیه‌سازی‌ها در حال حاضر به ندرت در کاربردهای عملی مورد استفاده قرار می‌گیرند. تا حدی به این دلیل که قدرت محاسباتی کافی در دسترس نیست، و تا حدی به دلیل نیاز به داده‌ها و اطلاعات تخصصی است که به نوبه خود به تخصص دقیق در شبیه‌سازی محاسباتی نیاز دارد.» تیم در حال حاضر، شرکت های فلزکاری باید خود را به دوقلوهای دیجیتالی با وضوح پایین تر بسپارند و به شدت به تخصص و تجربه عملی مهندسان تولید خود متکی هستند.

و هنوز راه زیادی وجود دارد تا کامپیوترهای کوانتومی نوعی محاسبات با سرعت تاب را ارائه کنند که برای مدیریت حجم عظیم داده ها لازم است. با این حال، شرکای پژوهشی پروژه قاسم، ریشه‌ای محکم در واقعیت دارند. کنسرسیوم شرکای صنعتی و دانشگاهی در حال کار بر روی راه حل های کوتاه مدت و بلند مدت است که از قدرت سیستم های کوانتومی برای ارائه شبیه سازی های پیشرفته برای استفاده در سناریوهای تولیدی استفاده می کند.

ولفگانگ ماس، هماهنگ‌کننده پروژه، گفت: «مطالعات اولیه ما نشان داده است که با بهره‌برداری از اصول سیستم‌های مکانیکی کوانتومی و استفاده از استراتژی‌های یادگیری ماشین مبتنی بر کوانتومی، می‌توانیم مشکلات الگوریتمی را با سرعت بیشتری حل کنیم.»

اگرچه رایانه‌های کوانتومی امروزی هنوز در مراحل ابتدایی خود هستند، فناوری زیربنایی را می‌توان در مناطقی که رایانه‌های معمولی در محدودیت‌های خود کار می‌کنند، مستقر کرد و به زمان زیادی برای تکمیل یک محاسبه نیاز دارد.»

محققان از انواع روش‌های محاسباتی کوانتومی برای کشف راه‌های ساخت شبیه‌سازی‌های پیچیده سریع‌تر و مناسب‌تر برای کاربردهای عملی استفاده می‌کنند. این کار شامل استفاده از فناوری‌های محاسباتی کوانتومی برای روش‌های شبیه‌سازی مرسوم بر اساس مدل‌های ریاضی از علم فیزیک و مواد است. این تیم تحقیقاتی همچنین در حال بررسی روش های یادگیری ماشین مبتنی بر کوانتوم است.

با مقایسه این رویکردهای جدید با روش‌های مرسوم و ارزیابی کارایی راه‌حل‌های مختلف، تیم در حال توسعه راه‌حل‌های نوآورانه‌ای است که می‌تواند در آینده نزدیک کاربردهای عملی پیدا کند. نتایج در حال حاضر در روش های شبیه سازی موجود ادغام شده اند.

هانا استاین، محقق دکترا، گفت: “ما در حال حاضر در حال توسعه اولین نمونه های اولیه هستیم. تا کنون، امیدوارکننده ترین نتایج با استفاده از مدل های ترکیبی که روش های شبیه سازی مرسوم را با فناوری کوانتومی و یادگیری ماشین ترکیب می کنند، به دست آمده است.”

از آنجایی که محققان از داده‌های تولید از خطوط تولید واقعی استفاده می‌کنند، تولیدکنندگان موتورهای هوا ممکن است به زودی از شبیه‌سازی‌های مبتنی بر کامپیوتر کوانتومی برای پیش‌بینی ارتعاشات تیغه‌ها در طول فرز استفاده کنند.

با کار با یک دوقلو دیجیتال دقیق، آنها می توانند پارامترهای ماشینکاری مانند سرعت فرز را دقیقاً تنظیم کنند و به آنها امکان می دهد تا نادرستی ماشینکاری را از بین ببرند و نرخ رد را به میزان قابل توجهی کاهش دهند. شبیه‌سازی‌های بهبودیافته همچنین به این معنی است که برش‌های لیزری می‌توانند مقدار مناسبی از قدرت را در طول یک توالی ماشین‌کاری بهینه ارائه کنند و اجزای فلزی سالم و بدون آسیب را تولید کنند.

در نمایشگاه Hannover Messe امسال، متخصصان انفورماتیک تجاری از Saarbrücken نمونه‌های اولیه فرز و برش لیزری را به نمایش می‌گذارند که نشان می‌دهد چگونه ساخت متعارف را می‌توان با شبیه‌سازی‌های مبتنی بر کوانتوم با ارائه زمان‌های پردازش مواد کوتاه‌تر و کیفیت محصول بهبود بخشید.