ES2941356T3 - Procedimiento y dispositivo para monitorizar un proceso de fresado - Google Patents

Abstract

La invención se refiere a un método para monitorear un proceso de fresado de una placa de circuito impreso, que tiene los pasos de: (a) detectar (S1) la velocidad de rotación de un cabezal de fresado (2) de una fresadora (1) y al menos un otro parámetro operativo de la fresadora (1) durante el proceso de fresado, en el que el otro parámetro operativo es una corriente de suministro eléctrico para operar la fresadora, y (b) analizar (S2) la velocidad de rotación detectada y el parámetro operativo detectado utilizando un Algoritmo adaptativo entrenado para detectar anomalías durante el proceso de fresado. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Procedimiento y dispositivo para monitorizar un proceso de fresado

La presente invención hace referencia a un procedimiento y a un dispositivo para monitorizar un proceso de fresado, preferentemente mediante inteligencia artificial.

La solicitud de patente US 2016/091393 A1 describe un procedimiento, así como un sistema para la predicción y la planificación en instalaciones de producción. Para detectar un desgaste de una herramienta, entre otras cosas, se monitoriza la potencia del husillo. Para compensar un desgaste de una herramienta se aumenta la potencia del husillo y, debido a esto, se aumenta su velocidad de rotación. De este modo, la tendencia a largo plazo de la potencia del husillo se extrapola para predecir una vida útil residual.

En la solicitud de patente US 2007/088550 A1 se describe un procedimiento para el mantenimiento predictivo de una máquina. Con ese objetivo, se detectan datos relativos al funcionamiento de la máquina, como por ejemplo la vibración, la velocidad o la corriente. En base a esos datos se generan los así llamados features (características) para predecir una falla.

En la solicitud US 2004/179915 A1 se describe una máquina herramienta. Para el análisis del comportamiento de la máquina herramienta se detectan señales, indicadas allí como variables de identificación, y se utilizan como variables de entrada para una red neuronal artificial.

La patente US 8781 982 B1 describe un procedimiento y un dispositivo para determinar la vida útil residual. Para ello, los datos de funcionamiento se suministran a una red neuronal artificial. Los datos de funcionamiento pueden consistir en datos de vibración, datos acústicos y datos de aceleración.

El fresado, en general, es un procedimiento de fabricación con arranque de viruta para producir piezas de trabajo con una forma geométricamente determinada. En el fresado se elimina material al rotar la herramienta de fresado o el cabezal de fresado con alta velocidad alrededor de su propio eje, mientras que la misma herramienta de fresado recorre el contorno que debe producirse en la pieza de trabajo o la pieza de trabajo se desplaza de modo correspondiente, relativamente con respecto al cabezal de fresado. Las fresadoras pueden utilizarse para el fresado de distintas piezas de trabajo, en particular también para el fresado de placas de circuito impreso (Printed Circuit Boards). Por ejemplo, mediante fresado pueden producirse líneas de separación entre las superficies de las pistas conductoras de un circuito impreso. Durante el proceso de fresado puede generarse una gran cantidad de polvo, de manera que el husillo de fresado puede atascarse después de un cierto tiempo de funcionamiento. En las fresadoras convencionales, las fallas o averías se detectan sólo después de que se ha producido la respectiva falla, por ejemplo el bloqueo del husillo de fresado. Una falla de una fresadora durante un proceso de fresado puede conducir a un retraso esencial del proceso de fabricación del objeto que debe fabricarse. Además, la pieza de trabajo no terminada en esa etapa de fabricación, en muchos casos, representa un producto de rechazo y no puede procesarse posteriormente. Una detención de la fresadora durante un proceso de fabricación en curso requiere una intervención inmediata del personal de mantenimiento o de técnicos de servicio para implementar las medidas de mantenimiento o de reparación. En muchos casos, los técnicos de servicio de esa clase no están disponibles de forma inmediata y deben ser llamados. Esto puede conducir a una detención periódica de una línea de producción completa dentro de una fábrica.

Por lo tanto, un objeto de la presente invención consiste en proporcionar un procedimiento y un dispositivo para la monitorización de un proceso de fresado, que pronostique tempranamente fallas posibles debido a una fresadora afectada, de modo que puedan tomarse a tiempo contramedidas.

Dicho objeto, según la invención, de acuerdo con un primer aspecto de la invención, se soluciona mediante un procedimiento para monitorizar un proceso de fresado con las características indicadas en la reivindicación 1.

La invención, conforme a ello, proporciona un procedimiento para la monitorización de un proceso de fresado, con las etapas:

detección de una velocidad de rotación de un cabezal de fresado de una fresadora, y de al menos otro parámetro de funcionamiento de la fresadora durante el proceso de fresado, y

evaluación de la velocidad de rotación detectada y del parámetro de funcionamiento detectado mediante un algoritmo entrenado, con capacidad de aprendizaje, para la detección de anomalías durante el proceso de fresado.

Con la ayuda del procedimiento según la invención puede aumentarse marcadamente la productividad de la fresadora. Se impiden periodos de detención no deseados de la fresadora. Por tanto, puede evitarse una falla de una fresadora durante un proceso de fresado. Además, puede aumentarse la calidad de los productos o productos intermedios producidos en el proceso de fresado. La monitorización, en particular el examen técnico de la capacidad de funcionamiento de las máquinas herramienta, en particular de las fresadoras, entre otras cosas, es necesaria para detectar estados desfavorables para la seguridad. Además, la monitorización puede utilizarse para evaluar la vida útil residual de la fresadora. Mediante esa monitorización, por tanto, puede evitarse una detención no planificada y alcanzarse un funcionamiento más prolongado de la fresadora.

En una forma de ejecución del procedimiento según la invención, el otro parámetro de funcionamiento se refiere a una corriente eléctrica de suministro para operar la fresadora. Ese parámetro de funcionamiento ofrece la ventaja de que el mismo puede detectarse de forma relativamente sencilla, con una inversión técnica reducida.

En otra forma de ejecución posible del procedimiento según la invención, después de la detección de anomalías se genera una indicación para el operador de la fresadora y se muestra en tiempo real en una unidad de visualización de la fresadora.

En otra forma de ejecución posible del procedimiento según la invención, después de la detección de anomalías se inician medidas de mantenimiento de forma automática.

Gracias a esto, los periodos de detención se reducen aún más.

En otra forma de ejecución posible del procedimiento según la invención, después de la detección de anomalías durante el proceso de fresado se calcula una probabilidad de falla y/o un periodo de falla previsible de la fresadora. Gracias a esto puede optimizarse la planificación de producción del proceso de fabricación.

En otra forma de ejecución posible del procedimiento según la invención, después de la detección de anomalías durante el proceso de fresado se determina al menos una causa posible para la aparición de las anomalías.

Esto permite implementar medidas de mantenimiento o de reparación de forma específica, de manera que se reduzcan los periodos de falla o de detención de la fresadora.

En otra forma de ejecución posible del procedimiento según la invención, el algoritmo entrenado, con capacidad de aprendizaje, presenta una red neuronal entrenada.

En otra forma de ejecución posible del procedimiento según la invención, el algoritmo con capacidad de aprendizaje, antes del comienzo de un proceso de fresado de producción, se entrena en base a datos de entrenamiento históricos en cuanto a la velocidad de rotación y a por lo menos a otro parámetro de funcionamiento de la fresadora, en una fase de entrenamiento.

En otra forma de ejecución posible del procedimiento según la invención, el algoritmo con capacidad de aprendizaje se descarga como aplicación desde una base de datos, mediante una red, en una unidad de ordenador de la fresadora, y se entrena para el proceso de fresado de producción, en una fase de entrenamiento.

En otra forma de ejecución posible del procedimiento según la invención, el algoritmo con capacidad de aprendizaje se selecciona en función de un tipo de fresadora y/o de un tipo de una pieza de trabajo que debe fresarse en el proceso de fresado.

En otra forma de ejecución posible del procedimiento según la invención, la pieza de trabajo que debe fresarse presenta una placa de circuito impreso.

En otra forma de ejecución posible del procedimiento según la invención se detectan la velocidad de rotación del cabezal de fresado de la fresadora y al menos otro parámetro de funcionamiento, y datos correspondientes, con una tasa de datos de aproximadamente 1/segundo, se suministran a un algoritmo entrenado, con capacidad de aprendizaje, implementado en la unidad de ordenador de la fresadora.

En otra forma de ejecución posible del procedimiento según la invención, las anomalías se determinan mediante el algoritmo entrenado, con capacidad de aprendizaje, en tiempo real, durante el proceso de fresado de producción. La invención, según otro aspecto, proporciona una fresadora para el fresado de una pieza de trabajo, con las características indicadas en la reivindicación 11.

Conforme a ello, la invención proporciona una fresadora para el fresado de una pieza de trabajo con un cabezal de fresado giratorio para el mecanizado de la pieza de trabajo en un proceso de fresado, un motor eléctrico para accionar el cabezal de fresado y con un módulo de inteligencia artificial que, durante el proceso de fresado, en base a una velocidad de rotación detectada del cabezal de fresado y de al menos otro parámetro de funcionamiento de la fresadora, en particular de una corriente de suministro del motor eléctrico, detecta anomalías del proceso de fresado. En otra forma de ejecución posible del procedimiento según la invención, el módulo de inteligencia artificial ejecuta un algoritmo entrenado, con capacidad de aprendizaje, durante el proceso de fresado.

En otra forma de ejecución posible del procedimiento según la invención, el módulo de inteligencia artificial de la fresadora está diseñado para calcular una probabilidad de falla y/o un periodo de falla previsible de la fresadora, en el caso de detectar anomalías durante el proceso de fresado.

En otra forma de ejecución posible del procedimiento según la invención, el módulo de inteligencia artificial de la fresadora está diseñado para determinar al menos una causa posible para la aparición de anomalías durante el proceso de fresado.

A continuación se explican con mayor detalle formas de ejecución posibles del procedimiento según la invención y del dispositivo según la invención para la monitorización de un proceso de fresado, haciendo referencia a las figuras que se adjuntan.

Muestran:

Figura 1 un diagrama de operaciones para representar una forma de ejecución posible del procedimiento según la invención para monitorizar un proceso de fresado;

Figura 2 un diagrama de bloques para representar un ejemplo de ejecución de una fresadora según la invención;

Figura 3 un diagrama de bloques para representar otra forma de ejecución posible de la fresadora según la invención.

Como puede apreciarse en el diagrama de operaciones según la figura 1, el procedimiento según la invención para la monitorización de un proceso de fresado, en la forma de ejecución representada, presenta dos etapas principales. En una primera etapa S1 se detecta una velocidad de rotación, así como de giro, de un cabezal de fresado 2 de una fresadora 1. Además, en la etapa S1 se detecta al menos otro parámetro de funcionamiento de la fresadora 1, durante el proceso de fresado. Ese otro parámetro de funcionamiento, por ejemplo, se refiere a una corriente eléctrica de suministro para operar la fresadora 1. Esa corriente eléctrica de suministro, por ejemplo, se utiliza para abastecer a un motor eléctrico 3 que acciona el cabezal de fresado 2 de la fresadora 1.

En otra etapa S2, la velocidad de rotación R detectada y el parámetro de funcionamiento detectado, en particular la corriente eléctrica de suministro I, son evaluados por un algoritmo entrenado, con capacidad de aprendizaje, para la detección de anomalías A durante el proceso de fresado.

En otra etapa posible (no representada en la figura 1), después de la detección de anomalías se genera una indicación para el operador de la fresadora 1. Por ejemplo, las anomalías detectadas pueden mostrarse en tiempo real, en una unidad de visualización de la fresadora 1. Además, en otra etapa, de manera automática, pueden iniciarse medidas de mantenimiento para remediar posibles causas de las anomalías A detectadas. Después de la detección de anomalías durante el proceso de fresado en la etapa S2, en una forma de ejecución posible se calcula una probabilidad de falla o un periodo de falla previsible de la fresadora 1 correspondiente. Las medidas de mantenimiento posibles pueden adaptarse a la probabilidad de falla calculada y/o al periodo de falla previsible. Por ejemplo, las fresadoras 1 con una probabilidad de falla elevada se mantienen o reparan de forma urgente o con prioridad. Además, en base a los periodos de falla previsibles calculados puede controlarse qué medidas de mantenimiento se realizan en qué fresadoras 1, durante qué periodo. En otra forma de ejecución posible del procedimiento según la invención, después de la detección de anomalías durante el proceso de fresado se determina al menos una causa posible para la aparición de las anomalías A, por ejemplo un desgaste o un bloqueo de un husillo de accionamiento. En una forma de ejecución posible, el algoritmo entrenado, con capacidad de aprendizaje, que se utiliza para la detección de anomalías, presenta una red neuronal entrenada NN. Un algoritmo con capacidad de aprendizaje, en particular la red neuronal NN, preferentemente antes del comienzo de un proceso de fresado de producción, se entrena en base a datos de entrenamiento históricos en cuanto a la velocidad de rotación R y a por lo menos a otro parámetro de funcionamiento P de la fresadora 1, en una fase de entrenamiento. La red neuronal NN entrenada, en una forma de ejecución posible, presenta una RNN (red neuronal recurrente).

El algoritmo con capacidad de aprendizaje utilizado para detectar las anomalías, en una forma de ejecución posible, puede descargarse como aplicación (App) desde una base de datos, mediante una red, en una unidad de ordenador de la fresadora 1, y se entrena para el proceso de fresado de producción posterior, en una fase de entrenamiento. El algoritmo con capacidad de aprendizaje utilizado, en una variante de ejecución posible, puede seleccionarse en función de un tipo de fresadora 1 correspondiente y/o de un tipo de una pieza de trabajo W que debe fresarse en el proceso de fresado. En una forma de ejecución posible, la pieza de trabajo W que debe fresarse mediante la fresadora 1 presenta una placa de circuito impreso.

La detección de la velocidad de rotación R y de al menos otro parámetro de funcionamiento, en particular de la corriente de suministro I, en la etapa S1, en una forma de ejecución posible tiene lugar en base a datos correspondiente que, con una tasa de datos de aproximadamente 1/segundo, se suministran a un algoritmo entrenado, con capacidad de aprendizaje, implementado en la unidad de ordenador de la fresadora 1. La determinación o detección de las anomalías en la etapa S2 mediante el algoritmo entrenado, con capacidad de aprendizaje, en particular mediante una red neuronal NN entrenada, tiene lugar durante el proceso de fresado de producción, preferentemente en tiempo real, es decir, durante el proceso de producción.

En particular la detección de uno o de varios picos de corriente (a corto plazo) de la corriente de suministro, por ejemplo de aproximadamente 5 a 10 segundos, se detecta como anomalía. En este caso es característico un aumento repentino de la corriente de suministro con un flanco consecutivo, que desciende lentamente. Una anomalía de esa clase, por ejemplo, está condicionada por virutas de fresado que alcanzan el husillo de fresado. Allí, las virutas de fresado provocan una fricción aumentada. Mediante una regulación posterior de la tensión de suministro, para mantener una velocidad de rotación o velocidad de giro constante del cabezal de fresado, se aumenta la corriente de suministro (aumento repentino). Si las virutas de fresado están pulverizadas debido al movimiento de rotación del husillo de fresado, entonces la corriente de suministro se normaliza de nuevo (flanco descendente). Esto puede tener lugar para mantener constante la velocidad de rotación del cabezal de fresado, así como del husillo de fresado. Para detectar una anomalía, además, la tasa de muestreo de la corriente de suministro puede seleccionarse de manera adecuada, de modo que un pico de corriente o una anomalía no se pase por alto debido a un muestreo insuficiente de la corriente de suministro. Además, la tasa de muestreo de la corriente de suministro, al mismo tiempo, puede seleccionarse suficientemente reducida, de modo que no se presenten cantidades de datos demasiado grandes.

Por último, puede formarse un indicador de calidad que indique si los puntos de medición detectados de la corriente de suministro ya no se encuentran en el rango normal de la fresadora. Cuanto más elevado es ese valor, por ejemplo, tanto más probablemente los puntos de medición se encuentran por fuera del rango normal. El indicador de calidad puede formarse como una función a partir de la velocidad de rotación y la corriente de suministro. Mediante el número de las anomalías que se han presentado puede determinarse o predecirse entonces una vida útil residual, así como una falla de la fresadora. Según una forma de ejecución, por tanto, se monitoriza un proceso de fresado en el cual se producen virutas de fresado, por ejemplo debido al fresado de una placa de circuito impreso, en particular para determinar o predecir una falla o una vida útil residual de la fresadora.

En otra forma de ejecución, la corriente de suministro se monitoriza en cuanto a si tiene lugar una desviación a corto plazo, o transitoria, de un valor base de la corriente de suministro y la corriente de suministro regresa nuevamente a ese valor base. Esa monitorización puede tener lugar mediante un algoritmo entrenado, con capacidad de aprendizaje. De manera adicional o alternativa es posible proporcionar un valor umbral, mediante el cual se detecte un pico de corriente de esa clase, de la corriente de suministro. Después de la detección de un pico de corriente de esa clase, de la corriente de suministro, puede monitorizarse si la corriente de suministro se reduce nuevamente por debajo del nivel umbral, en particular al valor base de la corriente de suministro. El valor base puede tratarse del valor de la corriente de suministro, que se forma a partir del pico de corriente. El valor base de la corriente de suministro puede estar predeterminado mediante la velocidad de rotación deseada de la fresadora, más precisamente del husillo de la fresadora, así como mediante el valor base de la corriente de suministro se predetermina la velocidad de rotación de la fresadora. Además puede detectarse la frecuencia de los picos de corriente de esa clase, y en función de ello puede determinarse una falla de la fresadora, así como una vida útil residual; esto puede tener lugar por ejemplo mediante un indicador de calidad.

Para asegurar una detección de los picos de corriente es necesario un muestreo suficiente de la corriente de suministro. El muestreo de la corriente de suministro tiene lugar de manera que pueden detectarse picos de corriente que han alcanzado el husillo de fresado debido a las virutas de fresado. Por ejemplo, el muestreo de la corriente de suministro puede tener lugar aproximadamente una vez por segundo, así como con más frecuencia que una vez por segundo.

En otra forma de ejecución se monitoriza si en el caso de una velocidad de rotación (esencialmente) constante o invariable se produce una variación, en particular de un pico de corriente, de la corriente de suministro. Esa variación de la corriente de suministro, por ejemplo, está condicionada por el triturado de virutas de fresado. Por tanto, la corriente de suministro puede monitorizarse en cuanto a picos de corriente que se producen debido al triturado de virutas de fresado, en particular en el caso de una velocidad de rotación constante del cabezal de fresado, así como del husillo de fresado. Esos picos de corriente pueden presentar una progresión típica. Esa progresión típica de un pico de corriente, antes descrita, puede monitorizarse y/o detectarse por ejemplo mediante un algoritmo entrenado, con capacidad de aprendizaje. Con ese objetivo, el algoritmo con capacidad de aprendizaje puede entrenarse con datos históricos. Un pico de corriente puede ser detectado entonces como una anomalía por el algoritmo entrenado, con capacidad de aprendizaje. En particular, el algoritmo entrenado, con capacidad de aprendizaje, antes descrito, puede diferenciar picos de corriente causados debido al triturado de virutas de fresado, de picos de corriente de otro origen.

Además, la pieza de trabajo mecanizada puede tratarse de una pieza de trabajo de un material homogéneo, así como de una sección de la pieza de trabajo que es mecanizada por la fresadora, en donde dicha sección se compone de un material homogéneo. Gracias a esto es posible partir de una velocidad de rotación constante del cabezal de fresado. Si la pieza de trabajo no es homogénea, en cambio, se producirían variaciones de la velocidad de rotación, así como la velocidad de rotación debería adaptarse en función de la sección de la pieza de trabajo mecanizada en ese momento. De este modo puede preverse que se mecanicen varias secciones con una velocidad de rotación -objetivo predeterminada de forma diferente. En este caso, la respectiva velocidad de rotación -objetivo puede utilizarse como valor base para la detección de picos de corriente.

En lugar de la corriente de suministro, o junto con la corriente de suministro, también puede detectarse y evaluarse la tensión de suministro. En lugar de ello también otras variables derivadas de la corriente de suministro y/o de la tensión de suministro pueden utilizarse para monitorizar el proceso de fresado, así como para predecir una vida útil residual o una probabilidad de fallas de la fresadora.

Las placas de circuito impreso se componen de material eléctricamente aislante con conexiones conductoras, que se adhieren al mismo (pistas conductoras). Como material aislante es habitual el plástico reforzado con fibras de vidrio, en el caso de aparatos más económicos es habitual el papel fenólico. Las pistas conductoras mayormente se componen de una capa delgada de cobre. Las placas de circuito impreso también pueden estructurarse mediante el fresado de las capas de cobre ("fresado de aislamiento", véase la imagen de placas de rejilla para soldar). Las placas de esa clase no se componen de pistas conductoras, sino de superficies que están separadas unas de otras mediante ranuras fresadas.

En la técnica de fresado, con una fresadora, por ejemplo con una fresadora de espiga, se producen líneas de separación entre las superficies conductoras. De este modo, todo el cobre queda fijo (procedimiento de aislamiento). Se suprimen las etapas químicas por vía húmeda y las etapas fotolitográficas. Con software CAD especial pueden generarse programas CNC, de manera que las placas de circuito impreso pueden fabricarse rápidamente.

La figura 2 muestra un diagrama de bloques para representar una forma de ejecución de una fresadora 1 según la invención. La fresadora 1 representada en la figura 2 se utiliza para el fresado de una pieza de trabajo W. La pieza de trabajo W se trata por ejemplo de una placa de circuito impreso. La fresadora 1 dispone de un cabezal de fresado giratorio 2 para el mecanizado de la pieza de trabajo W en un proceso de fresado. El cabezal de fresado 2 es accionado por un motor eléctrico 3 de la fresadora 1. En este caso, el motor eléctrico 3 recibe una corriente eléctrica de suministro. La corriente de suministro puede comprender una o varias fases de corriente (L1, L2, L3). La fresadora 1 según la invención dispone de un módulo de inteligencia artificial 4, como se representa en la figura 2. El módulo de inteligencia artificial 4, durante el proceso de fresado, en base a una velocidad de rotación R detectada del cabezal de fresado 2 y de al menos otro parámetro de funcionamiento P de la fresadora 1, detecta anomalías que se presentan durante el proceso de fresado. El módulo de inteligencia artificial 4 puede evaluar varios parámetros de funcionamiento P para detectar anomalías A. En una forma de ejecución posible, el módulo de inteligencia artificial 4 ejecuta un algoritmo entrenado, con capacidad de aprendizaje, durante el proceso de fresado. El módulo de inteligencia artificial 4, en una forma de ejecución posible, implementa una red neuronal entrenada NN con varias capas. La red neuronal NN entrenada presenta una capa de entrada, una o varias capas intermedias (capas ocultas) y una capa de salida. En cada capa (layer) se encuentran nodos neuronales con funciones de activación correspondientes. Las redes neuronales de las distintas capas están relacionadas entre sí, donde las relaciones están ponderadas.

La regulación de los factores de ponderación w tiene lugar en la fase de entrenamiento. El módulo de inteligencia artificial 4, así como la red neuronal, puede continuar el entrenamiento en el proceso de fresado en curso. En una forma de ejecución posible, el entrenamiento del módulo de inteligencia artificial 4 tiene lugar en un proceso de aprendizaje no monitorizado (no supervisado). El proceso de aprendizaje, de manera preferente, tiene lugar en base a datos de entrenamiento históricos. Esos datos de entrenamiento históricos, por ejemplo, comprenden datos de suministro de corriente históricos, así como datos de velocidad históricos del cabezal de fresado 2. Esos datos de entrenamiento históricos se encuentran en una memoria de datos. En una forma de ejecución posible, los datos de entrenamiento se cargan desde una base de datos del operador de la fresadora y se utilizan para un entrenamiento.

El algoritmo con capacidad de aprendizaje utilizado, por ejemplo la red neuronal NN utilizada, en una forma de ejecución posible, puede seleccionarse en función de un tipo de fresadora 1 correspondiente y/o de un tipo de una pieza de trabajo W que debe fresarse en el proceso de fresado. El algoritmo con capacidad de aprendizaje, en una forma de ejecución posible, igualmente puede descargarse desde una base de datos, en el módulo de inteligencia artificial 4 de la fresadora 1. Por ejemplo, los datos de entrenamiento y los algoritmos con capacidad de aprendizaje adecuados, mediante una red de datos, pueden descargarse de una plataforma de nube 6 de un fabricante de la fresadora o de un operador de la fresadora. Por ejemplo, se descarga un algoritmo con capacidad de aprendizaje que es adecuado para monitorizar un proceso de fresado en placas de circuito impreso. En una forma de ejecución posible, en la capa de entrada de la red neuronal se encuentra presente un vector que comprende distintos parámetros de funcionamiento P de la fresadora 1. Ese vector de estado z presenta por ejemplo dos parámetros de funcionamiento P, en particular la velocidad de rotación R del cabezal de fresado 2 y la corriente eléctrica I recibida por el motor eléctrico 3. El vector de estado z que se aplica en la capa de entrada de la red neuronal NN puede comprender otros parámetros de funcionamiento P, dependiendo del caso de aplicación. Por ejemplo, cada fase L de una corriente de suministro multifase puede representar un parámetro de funcionamiento P. Como valores de salida, el módulo de inteligencia artificial 4 puede emitir una probabilidad de falla calculada de la fresadora 1, en particular para un periodo de falla previsible. Mediante una interfaz del usuario, además, las anomalías A detectadas pueden enviarse a un usuario de la fresadora 1, en tiempo real. El propio proceso de fresado, en una forma de ejecución posible, puede ser controlado mediante un programa CNC que es ejecutado por un controlador o un microprocesador de la fresadora 1 según la invención. Durante el proceso de fresado tiene lugar un movimiento de avance del cabezal de fresado 2, de forma perpendicular u oblicua con respecto al eje de rotación del cabezal de fresado 2. Si la pieza de trabajo W se trata de una placa de circuito impreso, la fresadora 1, controlada por un software o un programa CNC, producirá pistas que se extienden alrededor de una pista conductora deseada. Por ejemplo, la pista conductora que debe producirse es aislada de un material conductor residual, por ejemplo cobre. Esto se denomina también como fresado de aislamiento. Para el fresado de canales de aislamiento puede emplearse un cabezal de fresado cónico reducido que elimina material conductor, en particular cobre, a lo largo de las pistas de movimiento calculadas. El material eliminado puede conducir a un bloqueo o puede afectar la movilidad del cabezal de fresado 2, donde las anormalidades o anomalías de esa clase pueden detectarse o reconocerse a tiempo con la ayuda del procedimiento según la invención. En una forma de ejecución posible, para distintas anomalías A también pueden calcularse números de valoración correspondientes que indican el alcance de la anomalía detectada, así como la probabilidad de fallas que resulta de la misma. Los valores característicos de la anomalía, de esa clase, en una forma de ejecución posible, pueden emitirse en tiempo real, mediante una unidad de visualización, al operador de la fresadora 1. Con el procedimiento según la invención, a lo largo de todo el día pueden detectarse posibles anomalías durante el proceso de fresado en curso y pueden determinarse posibles causas de una falla. Gracias a esto pueden iniciarse o implementarse a tiempo medidas de reparación o de mantenimiento en la fresadora 1 correspondiente, de manera que en gran medida se evitan periodos de detención dentro del proceso de fresado. El procedimiento según la invención puede utilizarse para una pluralidad de fresadoras que se utilizan al mismo tiempo en una línea de producción.

En la forma de ejecución representada en la figura 2, el módulo de inteligencia artificial 4 está implementado localmente en una unidad de ordenador de la fresadora 1. En una forma de ejecución alternativa, el módulo de inteligencia artificial 4 también puede estar implementado en un servidor remoto de una plataforma de nube 6 que, mediante una conexión de datos, se comunica de forma bidireccional con un controlador de la fresadora 1. La conexión de datos técnica, en una forma de ejecución posible, comprende una red local o Intranet. De manera alternativa, la conexión de datos también puede tratarse de una red global o de Internet. El procedimiento según la invención para monitorizar el proceso de fresado es un procedimiento implementado por ordenador que, en una forma de ejecución posible, está almacenado en un medio legible por ordenador. El medio legible por ordenador comprende por ejemplo una memoria de datos de la fresadora 1. Además, el medio legible por ordenador puede presentar también un soporte de datos portátil, por ejemplo un CD-ROM o una memoria USB. Dependiendo del caso de aplicación, en una forma de ejecución posible pueden utilizarse distintos algoritmos con capacidad de aprendizaje para la detección de anomalías durante el proceso de fresado. Por ejemplo, puede estar proporcionada una máquina de vector soporte para el cálculo de un indicador de calidad. En una forma de ejecución posible, en el entorno del cabezal de fresado 2 están proporcionados otros sensores que proporcionan datos adicionales al módulo de inteligencia artificial 4. Por ejemplo, sensores de imagen pueden proporcionar datos de imagen al módulo de inteligencia artificial 4 como parámetro de funcionamiento de entrada P del vector de estado z. Gracias a esto puede aumentarse aún más la fiabilidad, así como la precisión del procedimiento según la invención.

La figura 3, de manera esquemática, muestra otro ejemplo de ejecución del dispositivo según la invención para monitorizar un proceso de fresado. En el ejemplo de ejecución representado, la fresadora 1 proporciona parámetros de funcionamiento detectados mediante una interfaz, mediante una red de datos o una nube 5, a una plataforma de nube 6, en donde está integrado un módulo de inteligencia artificial 4. Mediante un dispositivo de visualización 7, en tiempo real, pueden emitirse anomalías o indicaciones al operador de la fresadora 1. El dispositivo de visualización 7, en una forma de ejecución posible, igualmente está asociado a la red de datos o a la nube 5. En una variante de ejecución posible, el dispositivo de visualización 7 es un aparato portátil, por ejemplo un teléfono inteligente del usuario. Con el procedimiento según la invención se detectan a tiempo las desviaciones en el espacio de características de los parámetros de funcionamiento. Con la ayuda de un modelo de datos M, además, pueden determinarse automáticamente las causas para la aparición de anomalías o fallas de la fresadora 1. Este modelo de datos M, preferentemente, describe la constitución estructural de la fresadora 1, por ejemplo como ontología. En el ejemplo de ejecución representado en la figura 3, se utilizan dos características o parámetros de funcionamiento P, a saber, la corriente eléctrica de suministro I y la velocidad de rotación R, para entrenar el algoritmo con capacidad de aprendizaje, así como la red neuronal. En una forma de ejecución posible, el algoritmo entrenado, con capacidad de aprendizaje, necesita un espacio de almacenamiento relativamente reducido, de menos de 10 MB. Esto permite implementar el algoritmo con capacidad de aprendizaje, desde una plataforma de nube 6, en un aparato de automatización. El procedimiento según la invención puede graduarse de forma sencilla para una pluralidad de fresadoras 1. En una forma de ejecución posible, el módulo de inteligencia artificial 4 proporciona números de valoración de las anomalías detectadas o probabilidades de falla posibles. En una forma de ejecución posible del procedimiento según la invención, la evaluación de los parámetros de funcionamiento P tiene lugar con la ayuda de un algoritmo entrenado, con capacidad de aprendizaje, en un servidor de la plataforma de nube 6, en base a datos de funcionamiento que, desde una o varias fresadoras, mediante la red 5, se transmiten al servidor de la plataforma de nube 6. El algoritmo con capacidad de aprendizaje, en una forma de ejecución posible, puede descargarse desde una base de datos, como aplicación, y ejecutarse mediante el módulo de inteligencia artificial 4 después de efectuado el entrenamiento. El módulo de inteligencia artificial 4, en una forma de ejecución posible, puede estar proporcionado localmente en la fresadora 1, como está representado en la figura 2, o puede estar implementado de forma remota, en un servidor de una plataforma de nube 6, como está representado en la figura 3.

Claims (14)

REIVINDICACIONES

1. Procedimiento para monitorizar un proceso de fresado de una placa de circuito impreso, con las etapas:

(a) detección (S1) de una velocidad de rotación de un cabezal de fresado (2) de una fresadora (1), y de al menos otro parámetro de funcionamiento de la fresadora (1) durante el proceso de fresado; donde el otro parámetro de funcionamiento se trata de una corriente eléctrica de suministro para operar la fresadora, donde en el caso de una velocidad de rotación constante se detecta un pico de corriente de la corriente de suministro, en particular debido a virutas de fresado, preferentemente debido al triturado de virutas de fresado mediante el husillo de fresado,

donde un muestreo de la corriente de suministro tiene lugar de manera que se detectan picos de corriente que han alcanzado el husillo de fresado debido a las virutas de fresado,

(b) evaluación (S2) de la velocidad de rotación detectada y del parámetro de funcionamiento detectado mediante un algoritmo entrenado, con capacidad de aprendizaje, para la detección de anomalías durante el proceso de fresado,

donde se detecta un pico de corriente de la corriente de suministro debido al triturado de virutas de fresado, dicho pico de corriente presenta una progresión característica que es detectada por el algoritmo entrenado, con capacidad de aprendizaje.

2. Procedimiento según la reivindicación 1, donde después de la detección de anomalías se genera una indicación para el operador de la fresadora (1) y se muestra en tiempo real en una unidad de visualización de la fresadora (1) y/o se inician medidas de mantenimiento de forma automática.

3. Procedimiento según una de las reivindicaciones 1 ó 2 precedentes, donde después de la detección de anomalías durante el proceso de fresado se calcula una probabilidad de falla y/o un periodo de falla previsible de la fresadora (1).

4. Procedimiento según una de las reivindicaciones 1 a 3 precedentes, donde después de la detección de anomalías durante el proceso de fresado se determina al menos una causa posible para la aparición de las anomalías.

5. Procedimiento según una de las reivindicaciones 1 a 4 precedentes, donde el algoritmo entrenado, con capacidad de aprendizaje, presenta una red neuronal entrenada.

6. Procedimiento según una de las reivindicaciones 1 a 5 precedentes, donde el algoritmo con capacidad de aprendizaje, antes del comienzo de un proceso de fresado de producción, se entrena en base a datos de entrenamiento históricos en cuanto a la velocidad de rotación y a por lo menos a otro parámetro de funcionamiento de la fresadora, en una fase de entrenamiento.

7. Procedimiento según una de las reivindicaciones 1 a 6 precedentes, donde el algoritmo con capacidad de aprendizaje se descarga como aplicación desde una base de datos, mediante una red, en una unidad de ordenador de la fresadora (1), y se entrena para el proceso de fresado de producción, en una fase de entrenamiento.

8. Procedimiento según la reivindicación 1, donde se forma un indicador de calidad, por ejemplo mediante el algoritmo entrenado, con capacidad de aprendizaje, utilizando la velocidad de rotación y el otro parámetro de funcionamiento, y el indicador de calidad se utiliza para determinar una o varias anomalías, por ejemplo mediante el algoritmo entrenado, con capacidad de aprendizaje.

9. Procedimiento según una de las reivindicaciones 1 a 8 precedentes, donde se detectan la velocidad de rotación del cabezal de fresado (2) de la fresadora (1) y al menos otro parámetro de funcionamiento, y datos correspondientes, con una tasa de datos de aproximadamente 1/segundo, se suministran a un algoritmo entrenado, con capacidad de aprendizaje, implementado en la unidad de ordenador de la fresadora (1).

10. Procedimiento según una de las reivindicaciones 1 a 9 precedentes, donde las anomalías se determinan mediante el algoritmo entrenado, con capacidad de aprendizaje, en tiempo real, durante el proceso de fresado de producción.

11. Fresadora (1) para fresar una pieza de trabajo (W), donde la pieza de trabajo se trata de una placa de circuito impreso, con

- un cabezal de fresado giratorio (2) para el mecanizado de la pieza de trabajo (W) en un proceso de fresado, - un motor eléctrico (3) para accionar el cabezal de fresado (2), y

con un módulo de inteligencia artificial (4) que, durante el proceso de fresado, en base a una velocidad de rotación detectada del cabezal de fresado (2) y de al menos otro parámetro de funcionamiento de la fresadora (1), detecta anomalías del proceso de fresado, donde el otro parámetro de funcionamiento se trata de una corriente de suministro del motor eléctrico (3),

donde el módulo de inteligencia artificial, además, en el caso de una velocidad de rotación constante, se utiliza para detectar un pico de corriente de la corriente de suministro, en particular debido a virutas de fresado, preferentemente debido al triturado de virutas de fresado mediante el husillo de fresado, donde un muestreo de la corriente de suministro tiene lugar de manera que se detectan picos de corriente que han alcanzado el husillo de fresado debido a las virutas de fresado,

donde el módulo de inteligencia artificial se utiliza para detectar un pico de corriente de la corriente de suministro debido al triturado de virutas de fresado y que presenta una progresión característica, por medio del algoritmo entrenado, con capacidad de aprendizaje.

12. Fresadora según la reivindicación 11, donde el módulo de inteligencia artificial (4) ejecuta un algoritmo entrenado, con capacidad de aprendizaje, durante el proceso de fresado.

13. Fresadora según la reivindicación 11 ó 12, donde el módulo de inteligencia artificial (4) de la fresadora (1) está diseñado para calcular una probabilidad de falla y/o un periodo de falla previsible de la fresadora (1), en el caso de detectar anomalías durante el proceso de fresado, y/o para determinar al menos una causa posible para la aparición de anomalías durante el proceso de fresado.

14. Fresadora según una de las reivindicaciones 11 a 13, donde el módulo de inteligencia artificial se utiliza para formar un indicador de calidad utilizando la velocidad de rotación y el otro parámetro de funcionamiento, y el indicador de calidad se utiliza para determinar una o varias anomalías, por ejemplo igualmente utilizando el algoritmo entrenado, con capacidad de aprendizaje.