Como a inteligência artificial está transformando a moldagem por injeção
Geoff Giordano | 14 de junho de 2022
A era de produção da Indústria 4.0 depende tanto da precisão baseada em dados que a inteligência artificial (IA) está desempenhando um papel cada vez maior no aproveitamento desses dados para melhorar o desempenho das máquinas – incluindo os moldadores por injeção.
A IA na fabricação abrange uma série de tecnologias que permitem que as máquinas funcionem com inteligência que emula a dos humanos. O aprendizado de máquina e o processamento de linguagem natural ajudam as máquinas a se aproximarem da capacidade humana de aprender, fazer julgamentos e resolver problemas. A eficiência aprimorada por dados mantém os processos em andamento de forma mais rápida e econômica.
“A IA está se tornando cada vez mais importante na engenharia mecânica, principalmente devido à necessidade de automatizar os processos de moldagem por injeção de forma eficiente e flexível, apesar dos tamanhos de lote cada vez menores e dos ciclos de vida dos produtos mais curtos”, disse Werner Faulhaber, Diretor de Pesquisa e Desenvolvimento da Arburg. “Exemplos de aplicação de IA incluem programação automática de sistemas robóticos, solução direcionada de defeitos e um sistema de peças sobressalentes com processamento de imagem 'inteligente'. A Arburg está trabalhando para tornar a moldagem por injeção mais inteligente, passo a passo – garantindo que a máquina aprenda continuamente, se mantenha estável e possa até mesmo se otimizar no futuro.”
A Arburg forma sistemas de produção flexíveis — e controláveis — combinando máquinas, automação e soluções proprietárias de TI. O sistema de controle Gestica da empresa, com suas funções de assistente inteligente, é parte integrante desses sistemas. “Todos os robôs de seis eixos Kuka, por exemplo, foram equipados com a nova interface de usuário Gestica como padrão”, observou Faulhaber. “Isso simplifica a programação, bem como o monitoramento, o armazenamento e a avaliação dos dados do processo.”
Uma aplicação na qual Arburg está trabalhando é a programação automática de seus sistemas robóticos lineares Multilift. “A ideia é que o operador simplesmente insira o destino, como acontece com um aparelho de navegação automotiva, e o sistema calcule automaticamente a rota ideal. Para sistemas robóticos, isso significa que o operador simplesmente insere as posições inicial e final desejadas e o sistema de controle cuida do resto.”
A Wittmann Battenfeld, que adotou totalmente a conectividade da Indústria 4.0 em todo o seu portfólio de máquinas auxiliares e de moldagem por injeção nos últimos anos, emprega IA com seus robôs para monitorar os tempos de ciclo e controlar as velocidades dos robôs fora da máquina de moldagem.
Os recursos de aprendizado de máquina da empresa – HiQ Flow e tecnologia CMS – estarão em exibição na feira K deste ano, de 19 a 26 de outubro em Düsseldorf, Alemanha. A velocidade do ROI pode ser tão curta quanto alguns ciclos com o HiQ Flow, e o software muitas vezes pode ser adaptado para máquinas de moldagem por injeção mais antigas equipadas com um controle de máquina B8. Uma versão CMS Pro estará disponível posteriormente.
“A tecnologia tira novas conclusões a partir dos parâmetros atuais e, assim, torna-se cada vez mais inteligente à medida que monitoriza o desempenho”, disse o Gestor de Produto Christian Glueck. “Limitamo-lo a uma determinação metódica de parâmetros. Portanto, o tempo necessário para usar a tecnologia é mínimo, assim como o preço.”
Comparando a IA e o aprendizado de máquina, Glueck disse: “A IA na verdade requer um investimento de tempo muito maior e, correspondentemente, um investimento financeiro maior. Um grande número de parâmetros deve ser registrado a partir de um processo em execução e os parâmetros relevantes são determinados com base nos desvios. Eles são comparados com os dados de medição do produto.”
Com base em fatores como mudanças no material, temperatura ambiente, desgaste da máquina, desgaste da ferramenta e outras influências, “a IA pode determinar quais parâmetros da máquina precisam ser alterados para que o produto possa ser produzido dentro de suas tolerâncias de qualidade. Isso pode levar meses, pois os erros devem ocorrer primeiro para que possamos aprender com eles.”
Wittmann cofinanciou esse programa de avaliação com a universidade austríaca Montanuniversität Leoben, “mas descobrimos que o tempo necessário para torná-lo viável para a produção tinha que ser questionado porque, além da investigação a longo prazo do processo, também é necessária a mão de obra necessário para lidar com isso.”