ИИ и лазеры прокладывают путь для развития производственной отрасли

Современные системы лазерной обработки материалов ежедневно генерируют большой объем данных: с одной стороны, эти данные можно использовать для мониторинга лазеров и оптических компонентов; с другой стороны, мониторинг технологического процесса также предоставляет данные непосредственно из зоны обработки материала. Сегодня эти данные уже используются для мониторинга и регистрации качества отдельных этапов обработки, что помогает пользователям оценивать изменения в процессе обработки с течением времени или на разных станках.
1. Универсальность лазеров
Важным компонентом управления лазерными производственными системами является киберфизическая система. В этой системе вычислительные и сетевые процессы, а также физические производственные процессы интегрированы и управляются полностью в автоматическом режиме с помощью встроенных механизмов обратной связи. Типичным примером является аддитивное производство (3D-печать), в котором лазеры обычно используются для физической обработки, однако роль лазеров не ограничивается этим.
С момента своего появления в 1960-х годах лазеры открыли широкие возможности для обрабатывающей промышленности. Лазеры имеют множество областей применения, а их характеристики практически идеальны. Они способны сфокусировать большой объем световой энергии на небольшом участке и генерировать значительное количество тепла на обрабатываемом объекте. Поэтому, в отличие от многих традиционных механических и химических промышленных процессов, лазерная обработка чрезвычайно эффективна и не требует использования каких-либо дополнительных химических веществ.

Лазеры способны генерировать импульсы с чрезвычайно высокой частотой, причем продолжительность каждого импульса составляет всего несколько десятков фемтосекунд (10⁻¹⁵ секунд). Это быстрее, чем скорость рассеивания энергии, поэтому можно осуществлять микрообработку материалов размером менее миллиметра без нанесения термического повреждения. При правильном выборе длины волны лазера можно точно обрабатывать один из материалов, оставляя другой нетронутым. Кроме того, лазеры можно использовать непосредственно для сварки деталей, резки металлических листов или сверления отверстий. Лазеры также можно более эффективно применять для полировки или текстурирования поверхностей.
2. Высококачественные данные
Поскольку лазеры работают от электричества, их проще интегрировать в компьютерные системы управления, и они идеально подходят для киберфизических систем. Однако тот самый диапазон характеристик лазеров, который обеспечивает столь широкий спектр применений, также создаёт серьезную техническую проблему: как подобрать оптимальные параметры для конкретной задачи?
Традиционный подход заключается в методе проб и ошибок, основанном на интуиции пользователя, однако оптимизация лазерной системы таким способом может занять месяцы, что просто невозможно в масштабах, необходимых для создания по-настоящему полезных киберфизических систем. Ситуацию ещё больше усложняет то, что даже если определена оптимальная конфигурация для конкретной системы, предназначенной для выполнения определённой задачи, конфигурация, подходящая для одного материала, может оказаться непригодной для другого.

Исследователи применили свои идеи к ряду технологических процессов, основанных на использовании лазера, в том числе к лазерной абляции — удалению небольших количеств материала с поверхности с помощью коротких световых импульсов. В данном случае они создали высококачественные наборы данных, направляя световые импульсы контролируемой длительности на твердую мишень. Этот подход, основанный на использовании больших данных, оказался настолько плодотворным, что исследователи из Университета Кюсю в Фукуоке, являющегося партнером проекта при Токийском университете, уже применяют его в производстве полупроводников.
3 Огромный потенциал
После сбора данных алгоритм глубокого обучения может смоделировать трехмерную топологию, формирующуюся после воздействия нескольких лазерных импульсов в произвольных точках и с произвольной энергией импульса. Команда уже применила эту систему к различным материалам, включая диэлектрики, полупроводники и органические полимеры. В настоящее время система Meister Data Generator может автономно подбирать различные параметры лазера с помощью передовых алгоритмов, таких как байесовская оптимизация, которая позволяет определять следующий параметр для тестирования прямо во время проведения эксперимента. Такие высококачественные данные открывают перспективы для дальнейшей трансформации процессов лазерного производства.

Следующей целью является самообучение машины. Этот процесс делится на четыре этапа: во-первых, датчик генерирует данные о ходе процесса. Затем данные анализируются с целью облегчения их понимания, то есть их интерпретации на основе имеющихся данных. На третьем этапе система моделирует, как будут развиваться результаты процесса. Для этого можно сделать выводы на основе предыдущих тенденций или смоделировать влияние определённых параметров. После этого наступает четвёртый этап: будет включено управление системой. До сих пор искусственный интеллект использовался в основном для контроля качества и профилактического обслуживания машин. Управление по замкнутому циклу — это “следующий большой шаг”.
Однако благодаря растущей доступности цифровых данных о технологических процессах ИИ способен на гораздо большее. На основе данных прошлых операций можно рассчитывать новые задачи обработки и диапазоны параметров для конкретных материалов, при которых процесс будет протекать оптимально. При планировании и настройке новых процессов обработки ИИ позволяет сэкономить время и ресурсы, а значит, и деньги.