KR20200120525A - 복합 부품들에 대한 제작 최적화 - Google Patents

복합 부품들에 대한 제작 최적화 Download PDF

Info

Publication number
KR20200120525A
KR20200120525A KR1020200041615A KR20200041615A KR20200120525A KR 20200120525 A KR20200120525 A KR 20200120525A KR 1020200041615 A KR1020200041615 A KR 1020200041615A KR 20200041615 A KR20200041615 A KR 20200041615A KR 20200120525 A KR20200120525 A KR 20200120525A
Authority
KR
South Korea
Prior art keywords
fabrication
neural network
program
tows
stack
Prior art date
Application number
KR1020200041615A
Other languages
English (en)
Inventor
미카엘 이-친 왕
제프리 로렌스 밀러
조나스 뷰처트
로저 얼 히시앙 첸
Original Assignee
더 보잉 컴파니
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 더 보잉 컴파니 filed Critical 더 보잉 컴파니
Publication of KR20200120525A publication Critical patent/KR20200120525A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C70/00—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts
    • B29C70/04—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts comprising reinforcements only, e.g. self-reinforcing plastics
    • B29C70/28—Shaping operations therefor
    • B29C70/30—Shaping by lay-up, i.e. applying fibres, tape or broadsheet on a mould, former or core; Shaping by spray-up, i.e. spraying of fibres on a mould, former or core
    • B29C70/38—Automated lay-up, e.g. using robots, laying filaments according to predetermined patterns
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C70/00—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts
    • B29C70/04—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts comprising reinforcements only, e.g. self-reinforcing plastics
    • B29C70/28—Shaping operations therefor
    • B29C70/54—Component parts, details or accessories; Auxiliary operations, e.g. feeding or storage of prepregs or SMC after impregnation or during ageing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/10—Manufacturing or assembling aircraft, e.g. jigs therefor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/182—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by the machine tool function, e.g. thread cutting, cam making, tool direction control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
    • G05B19/4083—Adapting programme, configuration
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/10—Processes of additive manufacturing
    • B29C64/106—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material
    • B29C64/118—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material using filamentary material being melted, e.g. fused deposition modelling [FDM]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
    • G05B19/4099—Surface or curve machining, making 3D objects, e.g. desktop manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Materials Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Composite Materials (AREA)
  • General Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • General Health & Medical Sciences (AREA)
  • Optics & Photonics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Transportation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)

Abstract

복합 부품의 제작을 가능하게 하기 위한 시스템들 및 방법들이 제공된다. 예시적인 방법은, 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 로딩하는 단계, NC 프로그램에 나열된 토우 정보를 추출하는 단계, 레이업된 다른 적층물들 내에서의 토우 배치를 기술하는 측정들로 훈련된 신경망에, 토우 정보에 기초한 입력들을 적용하는 단계, 및 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계를 포함한다.

Description

복합 부품들에 대한 제작 최적화{FABRICATION OPTIMIZATION FOR COMPOSITE PARTS}
본 개시내용은 제작 분야, 특히 섬유 강화 복합 부품들의 제작에 관한 것이다.
구성 재료(예컨대, CFRP(Carbon Fiber Reinforced Polymer))의 다층 적층물(laminate)들은 복합 부품으로 경화하기 위한 다양한 형상들 중 임의의 형상으로 형성될 수 있다. 복합 부품들의 제작을 가능하게 하기 위해, 섬유 배치 기계(예컨대, AFP(Advanced Fiber Placement) 기계 또는 ATL(Automated Tape Layup) 기계)가 이용될 수 있다. 예를 들어, 섬유 배치 기계는 적층물을 형성하는(이 적층물은 이후 경화됨) 하나 이상의 구성 재료 토우(tow) 층들을 레이업(lay up)할 수 있다.
섬유 배치 기계의 동작들은 토우 레이업이 계속됨에 따라 섬유 배치 기계의 움직임들을 명령하는 NC(Numerical Control) 프로그램에 의해 지시될 수 있다. 섬유 배치 기계는 단일 코스에서 적층물 상에 한 번에 다수의 토우들을 분배할 수 있다. 코스는 적층물에 걸친 섬유 배치 기계 헤드의 단일 "런(run)"이다. 섬유 배치 기계 헤드는 토우를 각각 배치할 수 있는 다수의 레인(lane)들을 포함하기 때문에, 섬유 배치 기계는 NC 프로그램으로부터의 명령들에 대한 응답으로 코스 동안 개개의 토우들을 개시 또는 종료할 수 있다.
복합 부품에 대한 설계들은 복합 부품의 각각의 영역 내 층들의 수를 지시할 수 있고, 복합 부품의 각각의 층에 대한 섬유 배향들을 추가로 지시할 수 있다. NC 프로그램들은 설계들을 기반으로 하지만 설계들에 의해 지시되지 않기 때문에, 제공된 설계를 레이업하는 데 셀 수 없이 서로 다른 NC 프로그램들이 사용될 수 있다. 각각의 NC 프로그램은 주어진 설계의 파라미터들에 도달하기 위해 코스들 및/또는 기계 파라미터들의 서로 다른 조합들을 적용하는 것을 수반할 수 있다. 일부 NC 프로그램들은 높아진 바람직함(예컨대, 더 빠른 제작 시간)을 가질 수 있는 한편, 다른 NC 프로그램들은 (예컨대, 이들이 공차 이탈 조건들을 생성할 수 있기 때문에) 낮아진 바람직함을 가질 수 있다. 연역적으로, 제조 관점들로부터 어떤 NC 프로그램들이 다른 NC 프로그램들보다 더 유리한지를 결정하기가 어렵다. 더욱이, 훨씬 단순한 복합 부품을 설계하는 데 사용될 수 있는 무한한 수의 NC 프로그램들이 있기 때문에, 수많은 NC 프로그램들 각각에 따라 적층물을 간단히 레이업한 다음, 결과들을 비교하는 것은 실행 불가능하다. 이러한 어려움들은 시간이 지남에 따라 변하거나 진화할 수 있는 설계들에 대해서뿐만 아니라 실질적으로 크고 복잡하며 그리고/또는 제조하는 데 시간이 많이 소요되는 복합 부품들(예컨대, 항공기의 날개)에 대해서만 증폭된다.
따라서 앞서 논의한 문제들뿐만 아니라, 다른 가능한 문제들 중 적어도 일부를 고려하는 방법 및 장치를 갖는 것이 바람직할 것이다.
본 명세서에서 설명되는 실시예들은 복합 부품을 제작하는 데 사용되지 않은 새로운 NC 프로그램들과, 복합 부품들을 제작하는 데 이미 사용된 이전 NC 프로그램들 사이의 유사성들을 예측적으로 식별한다. 이전 NC 프로그램들에 따른 동작들 동안 획득된 측정들을 사용하여, 제안된 NC 프로그램들과 관련된 제작 불일치들의 가능성이 국소적으로 결정될 수 있다. 본 명세서에서 설명되는 기술들은 훈련된 신경망들과 같은 기계 학습 모델들을 이용하여 그러한 동작들을 수행할 수 있다.
일 실시예는 복합 부품의 제작을 가능하게 하기 위한 방법이다. 이 방법은, 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 로딩하는 단계, NC 프로그램에 나열된 토우 정보를 추출하는 단계, 레이업된 다른 적층물들 내에서의 토우 배치를 기술하는 측정들로 훈련된 신경망에, 토우 정보에 기초한 입력들을 적용하는 단계, 및 NC 프로그램에 대한 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계를 포함한다.
추가 실시예는 프로세서에 의해 실행될 때, 복합 부품의 제작을 가능하게 하기 위한 방법을 수행하도록 동작 가능한 프로그래밍된 명령들을 구현하는 비-일시적 컴퓨터 판독 가능 매체이다. 이 방법은, 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 로딩하는 단계, NC 프로그램에 나열된 토우 정보를 추출하는 단계, 레이업된 다른 적층물들 내에서의 토우 배치를 기술하는 측정들로 훈련된 신경망에, 토우 정보에 기초한 입력들을 적용하는 단계, 및 NC 프로그램에 대한 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계를 포함한다.
추가 실시예는 복합 부품의 제작을 가능하게 하기 위한 장치이며, 이 장치는, 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 저장하는 메모리, 및 NC 프로그램에 나열된 토우 정보를 식별하고, 레이업된 다른 적층물들 내에서의 토우 배치를 기술하는 측정들로 훈련된 신경망에, 토우 정보에 기초한 입력들을 적용하고, 그리고 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 제어기를 포함한다.
또 추가 실시예는 복합 부품의 제작을 가능하게 하기 위한 방법이다. 이 방법은, 섬유 배치 기계로 적층물을 레이업하는 단계, 적층물의 측정들을 획득하는 단계 ― 측정들은 공차 이탈 조건들의 위치들을 나타냄 ―, 측정들에 기초하여 신경망을 훈련시키는 단계, 신경망을 통해 새로운 적층물을 레이업하기 위해 NC(Numerical Control) 프로그램을 분석하는 단계, 및 신경망으로부터의 출력에 기초하여, 적층물 상의 위치들이 공차 이탈 조건을 나타낼 가능성들을 나타내는 히트 맵을 생성하는 단계를 포함한다.
다른 예시적인 실시예들(예컨대, 앞서 말한 실시예들에 관련된 방법들 및 컴퓨터 판독 가능 매체들)이 아래에서 설명될 수 있다. 논의된 특징들, 기능들 및 이점들은 다양한 실시예들에서는 독립적으로 달성될 수 있거나 또 다른 실시예들에서는 조합될 수 있는데, 이들의 추가 세부사항들은 다음 설명 및 도면들과 관련하여 확인될 수 있다.
본 개시내용의 일부 실시예들이 이제 단지 예로서, 그리고 첨부 도면들을 참조로 설명된다. 동일한 참조 번호는 모든 도면들에서 동일한 엘리먼트 또는 동일한 타입의 엘리먼트를 나타낸다.
도 1은 예시적인 실시예에서의 제작 환경을 예시한다.
도 2a - 도 2b는 예시적인 실시예에서 제작 환경에 의해 사용되는 NC 프로그램들에 대한 제작 불일치들을 예측하기 위한 방법을 예시하는 흐름도들이다.
도 2c는 예시적인 실시예에서의 신경망의 훈련을 예시하는 흐름도이다.
도 3은 예시적인 실시예에서의 섬유 배치 기계의 사시도이다.
도 4는 예시적인 실시예에서 섬유 배치 기계에 의해 레이업된 다수의 코스들의 평면도이다.
도 5 - 도 6은 예시적인 실시예들에서 2개의 서로 다른 NC 프로그램들에 따라 레이업된 2개의 서로 다른 적층물들을 예시한다.
도 7은 예시적인 실시예에서 서로 다른 위치들에서의 제작 불일치들의 가능성을 나타내는 히트 맵이다.
도 8은 예시적인 실시예에서 코스의 이진 이미지로의 변환들을 예시한다.
도 9는 예시적인 실시예에서 제작 환경에 의해 사용되는 NC 프로그램들에 대해 예측하기 위한 방법을 예시하는 흐름도이다.
도 10은 예시적인 실시예에서의 항공기 생산 및 서비스 방법의 흐름도이다.
도 11은 예시적인 실시예에서의 항공기의 블록도이다.
도면들 및 다음의 설명은 본 개시내용의 특정한 예시적인 실시예들을 제공한다. 따라서 당해 기술분야에서 통상의 지식을 가진 자들은, 본 명세서에 명시적으로 기술되거나 도시되지는 않았지만, 본 개시내용의 원리들을 구현하고 본 개시내용의 범위 내에 포함되는 다양한 어레인지먼트들을 안출할 수 있을 것이라고 이해될 것이다. 더욱이, 본 명세서에서 설명되는 임의의 예들은 본 개시내용의 원리들의 이해를 돕는 것으로 의도되고, 이러한 구체적으로 언급된 예들 및 조건들로 한정되지 않는 것으로 해석되어야 한다. 그 결과, 본 개시내용은 아래 설명되는 특정 실시예들 또는 예들로 한정되는 것이 아니라 청구항들 및 이들의 등가물들로 제한된다.
CFRP(Carbon Fiber Reinforced Polymer) 부품들과 같은 복합 부품들은 초기에, 프리폼 또는 적층물로 함께 지칭되는 다수의 층들로 레이업된다. 프리폼의 각각의 층 내의 개개의 섬유들은 서로 평행하게 정렬되지만, 서로 다른 치수들을 따라 결과적인 복합재의 강도를 증가시키기 위해 서로 다른 층들이 서로 다른 섬유 배향들을 나타낼 수 있다. 프리폼은 (예컨대, 항공기에서 사용하기 위해) 프리폼을 복합 부품으로 굳히기 위해 응고되는 점성 수지를 포함할 수 있다. 경화되지 않은 열경화성 수지 또는 열가소성 수지로 함침(impregnate)된 탄소 섬유는 "프리프레그(prepreg)"로 지칭된다. 다른 타입들의 탄소 섬유는 열경화성 수지로 함침되지 않았지만 접착성 부여제(tackifier) 또는 결합제(binder)를 포함할 수 있는 "건조 섬유"를 포함한다. 건조 섬유에는 경화 전에 수지가 주입될 수 있다. 열경화성 수지들의 경우, 굳히는 것은 경화로 지칭되는 단방향 프로세스인 한편, 열가소성 수지들의 경우, 수지가 재가열된다면 수지가 점성 형태에 도달할 수 있다.
도 1은 예시적인 실시예에서의 제작 시스템(100)의 블록도이다. 제작 시스템(100)은 섬유 배치 기계의 레이업 동작들을 지시하기 위한 NC 프로그램들을 생성 및 수정하도록 동작 가능한 임의의 시스템, 디바이스 또는 컴포넌트를 포함한다. 제작 시스템(100)은 NC 프로그램들에서 발견된 공차를 이탈한 제작 불일치들의 가능성들을 검출하고 보고하도록 강화되었다.
이 실시예에서, 제작 시스템(100)은 하나 이상의 적층물들(140)의 레이업을 가능하게 하기 위해 네트워크(120)를 통해 섬유 배치 기계(130)(예컨대, ATL 기계, AFP 기계 등)와 통신하는 제조 관리 시스템(110)을 포함한다. 예를 들어, 제조 관리 시스템(110)은 섬유 배치 기계(130)의 동작들을 지시하기 위해 섬유 배치 기계(130)에 NC 프로그램들을 제공할 수 있다. 각각의 NC 프로그램(115)은 섬유 배치 기계(130)에 지시하기 위한 명령들을 포함한다. 이러한 명령들은 예를 들어, 헤드(134)가 토우들의 코스들을 개시할 위치들, 공급률/레이업 속도, 섬유 배치 기계(130)에서의 히터에 대한 온도, 주어진 코스 내에서 토우들을 개시 또는 절단할 위치들 등을 나타낼 수 있다. 토우는 프리프레그 테이프의 하나의 연속한 조각인 한편, 코스는 섬유 배치 기계(130)의 헤드(134)의 단일 이동을 통해 적용되는 프리프레그 테이프의 연속한 조각들의 그룹이다.
섬유 배치 기계(130)는 수신된 NC 프로그램들의 명령들에 따라 적층물(140)을 레이업할 수 있고, 레이업 동안 그리고/또는 레이어 이후 적층물(140)의 측정들을 획득하기 위해 센서들(132)(예컨대, 레이저 센서들, 액추에이터 센서들, 카메라들, IR 센서들 등)을 추가로 작동시킬 수 있다. 측정들은 적층물(140)에서의 토우/테이프 배치의 위치들을 나타낼 수 있다. 이러한 측정들은 또한, 토우들이 레이업된 적층물 내에서 서로에 대해 어떻게 물리적으로 위치되는지, 토우들이 갭들에 의해 분리되는지 여부를 나타내거나 중첩 영역들("랩(lap)들"), 비틀린 토우들 또는 떼어진 토우들의 위치, 및 다른 정보 조각들을 포함할 수 있다. 이러한 측정들은 제조 관리 시스템(110)으로 전달되어 신경망(117)에 의한 평가를 위해 측정들(119)로서 저장될 수 있다. 항공기의 날개들과 같은 대형 복합 부품들에 대해, 단일 적층물은 NC 프로그램을 평가하기 위한 입력으로 사용될 수 있는 수백만 개의 측정들(예컨대, 8백만개의 측정들)을 산출할 수 있다.
제조 관리 시스템은 제어기(112), I/F(interface)(114), 메모리(116) 및 디스플레이(118)를 포함한다. 제어기(112)는 메모리(116)에 저장된 명령들에 기초하여 제조 관리 시스템(110)의 동작들을 관리한다. 예를 들어, 제어기(112)는 메모리(116)에 저장된 NC 프로그램들을 평가하기 위해, 메모리(116)에 저장된 신경망(117)을 수정하거나, 훈련시키거나, 작동시킬 수 있다. 제어기(112)는 또한 섬유 배치 기계(130)에 NC 프로그램들을 제공하기 위해 I/F(114)를 작동시킬 수 있다. 제어기(112)는 예를 들어, 커스텀 회로로서, 프로그래밍된 명령들을 실행하는 하드웨어 프로세서로서, 또는 이들의 어떤 조합으로서 구현될 수 있다. I/F(114)는 이더넷 인터페이스, USB(Universal Serial Bus) 인터페이스, SAS(Serial Attached SCSI) 인터페이스, IEEE 802.11 무선 프로토콜들과 호환 가능한 무선 인터페이스 등을 포함할 수 있다.
신경망(117)은 노드들을 각각 포함하는 계층들의 조합, 및 서로 다른 계층들 내의 노드들을 링크하는 접속 가중치들을 포함한다. 신경망(117)은 예를 들어, 1개 내지 3개의 숨겨진 계층들, 및 층당 최대 20개의 뉴런들을 갖는 얕은 네트워크로서 구현될 수 있다. 예를 들어, 신경망(117)은 10개의 뉴런들을 갖는 단일 계층 네트워크를 포함할 수 있다. 단 하나의 신경망(117)이 도시되어 있지만, 메모리(116)는 서로 다른 모델의 섬유 배치 기계(130), 서로 다른 타입의 복합 부품(예컨대, 항공기의 날개들 대 동체들) 등에 대해 각각 훈련된 다양한 신경망들을 저장할 수 있다.
적층물(140)은 코스들에 레이업되는, 프리프레그 테이프의 일련의 경화되지 않은 토우들을 포함한다. 본 명세서에서 사용되는 바와 같이, 단일 층에 대해 물리적으로 놓이는 토우들의 조합은 "플라이(ply) 시퀀스"로 지칭되는 한편, 단일 층 내의 토우들의 연속한 결합은 "플라이 형상"으로 지칭된다. 플라이 시퀀스는 예를 들어, 하나의 플라이 형상 또는 다수의 플라이 형상들을 포함할 수 있다.
제작 시스템(100)의 동작의 예시적인 세부사항들이 도 2a - 도 2b와 관련하여 논의될 것이다. 이 실시예의 경우, 신경망(117)은 현재 훈련되지 않고 있고, 적층물(140)의 설계자는 적층물(140)을 레이업하기 위한 NC 프로그램들을 평가하기 위해 신경망(117)을 훈련시키려고 한다고 가정한다.
도 2a는 예시적인 실시예에서 제작 환경에 의해 사용되는 NC 프로그램들에 대해 공차를 이탈한 제작 불일치들을 예측하기 위한 방법(200)을 예시하는 흐름도이다. 방법(200)의 단계들은 도 1의 제작 시스템(100)과 관련하여 설명되지만, 당해 기술분야에서 통상의 지식을 가진 자들은 방법(200)이 다른 시스템들에서 수행될 수 있음을 이해할 것이다. 본 명세서에서 설명되는 흐름도들의 단계들이 완전히 포괄적(all inclusive)인 것은 아니며 도시되지 않은 다른 단계들을 포함할 수 있다. 본 명세서에서 설명되는 단계들은 또한 다른 순서로 수행될 수 있다.
방법(200)은 훈련 단계와 평가 단계로 나뉜다. 훈련 단계에서, 신경망(117)은 신경망(117)의 예측 능력들을 가능하게 하기 위해, 공지된 NC 프로그램들에 따라 이미 제작된 하나 이상의 적층물들(및/또는 결과적인 복합 부품들)에 대한 측정들(119)에 기초하여 훈련된다. 훈련은 알려진 NC 프로그램들을 입력으로서 사용하고, 이것의 출력을 검증하기 위해 측정들을 이용한다. 평가 단계에서는, 신경망(117)의 훈련된 버전이 하나 이상의 NC 프로그램들을 평가하는 데 이용된다. 따라서 많은 실시예들에서, 훈련 단계는 단 한 번만 또는 주기적으로(예컨대, 알려진 시간 간격들로, 새로운 적층물이 측정될 때마다 등) 수행되는 한편, 평가 단계는 훈련이 완료된 후 여러 번 수행된다.
단계들(201-206)은 훈련 단계를 나타낸다. 단계(201)에서, 기술자가 이전 NC 프로그램을 설계한다. 단계(202)에서, 섬유 배치 기계(130)는 적층물을 레이업하도록 하나 이상의 이전 NC 프로그램들에 따라 작동된다. 이전 NC 프로그램들은 각각 적층물을 제작하기 위한 NC 프로그램을 포함할 수 있다. 그러나 많은 실시예들에서는, 나중에 신경망(117)에 의해 평가될 새로운 NC 프로그램들로서, 이전 NC 프로그램이 동일한 로봇에 지시하거나 동일한 설계의 적층물을 제작하는 데 사용되는 것이 바람직할 수 있다.
단계(204)에서, 이전 NC 프로그램(들)으로부터의 토우 정보 및 파라미터들이 추출된다. 단계(205)에서, 제어기(112)는 이전 NC 프로그램에 따라 레이업된 적층물에 대한, 공차 이탈 제작 불일치들의 측정들을 획득한다. 일 실시예에서, 측정들은 사전 처리되고, 적층물에서 검출된 바와 같이 (예컨대, 제작 불일치들의 크기 및/또는 정도에 기초하여) 공차를 이탈한 제작 불일치들의 위치 및 타입을 나타내며, 적층물을 레이업하는 데 소요된 시간 기간, 및 설계 파라미터들과의 적층물의 적합성의 양을 추가로 보고할 수 있다.
설계 파라미터들과의 적합성은 사용되는 NC 프로그램에 따라 달라지는 것으로 이해된다. 예를 들어, 설계는 영역이 사전 정의된 섬유 배향을 갖는 프리프레그 테이프의 토우들로 채워 져야 한다는 것을 나타낼 수 있다. 그러나 영역은 토우들의 폭으로 균등하게 나뉠 수 없는 폭을 가질 수 있기 때문에, NC 프로그램의 설계자는 토우들로 영역을 약간 오버필링하거나 언더필링하는 것 중에 선택해야 할 수 있다. 이것은 영역 내에서(예컨대, 영역의 경계에서) 갭들을 야기하고, 토우들이 영역의 경계들을 넘어 연장되게 하거나, 이들의 어떤 조합을 야기한다.
측정들은 또한 결과적인 복합 부품에 대해 수행된 검사 프로세스들, 이를테면 레이저, 카메라, 적외선 또는 초음파 검사를 통해 수행되는 NDI(Non-Destructive Imaging) 기술들의 결과들을 포함할 수 있다. 이러한 결과들은 제작 불일치들이 위치된 위치들을 나타내기 위해 위치별로 보고될 수 있다. 제어기(112)는 수신된 측정들을 적층물을 설계하는 데 사용된 NC 프로그램의 명령들과 추가로 상관시킬 수 있다. 예를 들어, 제어기(112)는 NC 프로그램의 명령이 적층물에서 위치를 레이업하는 것에 관련된다고 결정할 수 있고, 그 다음에 위치에서의 측정들을 NC 프로그램의 명령과 상관시킬 수 있다. 측정들은 또한 공차를 이탈한 제작 불일치들의 존재 또는 부재를 (예컨대, 다수의 위치들 각각에서 공차 이탈 조건의 존재 또는 부재를 나타내는 이진 플래그를 적용함으로써) 나타낼 수 있다. 분석될 수 있는 NC 프로그램 내의 파라미터들은 툴 경로 중심선, 개개의 시작들/정지들의 포지션들, 공급률, 히터 설정들 등을 포함한다.
단계(206)에서, 제어기(112)는 추출된 토우 정보 및 측정들에 기초하여(예컨대, 측정들 및 이전 NC 프로그램을 포함하는 훈련 데이터에 기초하여) 신경망(117)을 훈련시킨다. 신경망을 훈련시키는 것은 측정들에 기초하여 신경망 내의 노드들 간의 가중치들을 조정하는 것을 포함한다. 예를 들어, 신경망(117)에 대한 입력들은 적층물에서의 각각의 위치에 대해: 적층물의 기하학적 구조 또는 곡률, 현재 위치로부터 토우의 끝까지의 거리, 해당 위치에서의 층들의 수, 토우 내에서의 섬유 각도, 섬유 배치 기계에 배치된 히터의 온도, 공급률 또는 레이업 속도, 코스 내에서 토우들의 서로에 대한 배치, 층 내에서의 코스들의 배치, 그리고 갭들, 랩들, 접힘들, 비틀림들 및/또는 주름들의 발생 가능성을 예측하는 데 사용될 수 있는 다른 입력을 포함할 수 있다. 즉, 신경망(117)은 제1 위치에 연결된 제1 세트의 입력들을 사용하여 제1 위치에 대한 결과들을 생성하도록 작동될 수 있고, 이어서 제2 세트의 입력들을 사용하여 제2 위치에 대한 추가 결과들을 생성하도록 작동될 수 있는 식이다. 적층물마다 많은 수의 측정들(예컨대, 수천 이상)이 획득되는 환경들에서, 신경망(117)은 많은 수의 측정된 위치들을 갖는 적은 수의 적층물들(예컨대, 1개 내지 4개의 적층물들)에 대한 측정들로 훈련될 수 있다. 추가 실시예들에서, 신경망은 (예컨대, 적층물들 각각으로부터의 측정들의 일부를 사용하여) 많은 수의 적층물들로부터의 데이터로 훈련될 수 있다.
신경망(117)의 훈련 동안, 신경망의 (예컨대, 다수의 위치들 각각에서 공차를 이탈한 제작 불일치의 추정된 백분율 가능성의 형태의) 출력들은 훈련 데이터에서 발견된 제작 불일치들의 알려진 위치들과 비교될 수 있다. 출력들이 제작 불일치들의 위치들을 부정확하게 예측한다면, 신경망(117)의 서로 다른 층들 내의 노드들 간의 접속 가중치들이 조정된다. 예를 들어, 신경망에 의해 이루어진 부정확한 예측들은 비용 함수에 의해 결정되는 높은 비용과 연관될 수 있어, 훈련 동안 접속 가중치들의 조정을 야기한다. 신경망에 의해 생성된 출력들은 다수의 위치들(예컨대, 적층물의 표면에 걸쳐 그리드를 따라 균등하게 이격된 지점들) 각각에 대해, 제작 불일치들의 가능성, 이를테면 공차 이탈 조건을 나타내는 미리 결정된 크기보다 더 큰, 토우들 간의 갭들, 미리 결정된 크기보다 더 큰, 코스들 간의 갭들, 미리 결정된 크기보다 더 큰, 토우들에 걸친 랩들(예컨대, 임의의 크기의 랩들), 미리 결정된 크기보다 더 큰, 코스들에 걸친 랩들(예컨대, 임의의 크기의 랩들), 제작 속도/레이업 속도의 지연들, 토우들의 주름들, 토우들의 비틀림들, 떼어진 토우들, 및 미리 결정된 양 미만의 채움 비율(fill ratio)을 포함할 수 있다. 이러한 다양한 파라미터들은 또한 원한다면, 단일 가능성 값으로 집계될 수 있다.
훈련이 완료된 후, 신경망(117)은 이것이 제작 불일치들의 가능성을 나타내는 정확한 출력을 제공함을 보장하도록 검증될 수 있다. 이것은 교차 검증 기술들에 의해 달성될 수 있다. 예를 들어, 신경망(117)은 훈련 데이터에 포함되지 않은 NC 프로그램에 대해 예측하도록 작동될 수 있다. 신경망(117)에 의해 이루어진 예측들은 NC 프로그램에 따라 수행된 레이업 동작들의 실제 결과들과 비교될 수 있다. 위치별로 예측들의 정확도를 통계적으로 결정함으로써, 신경망(117)이 검증될 수 있다. 신경망(117)이 검증을 통과하지 못한다면, 추가 훈련 데이터에 대해 단계들(204-206)을 다시 수행함으로써 재훈련될 수 있다.
신경망(117)에 대한 훈련의 완료시, 신경망(117)은 새로운 NC 프로그램들에 따라 새로운 적층물들을 레이업할 필요가 없이 새로운 NC 프로그램들을 평가하는 데 사용될 수 있다. 따라서 방법(200)은 훈련 단계에서 평가 단계로 이행한다. 새로운 NC 프로그램들이 복합 부품을 레이업하는 데 이용된다면 발생할 그리고 공차를 이탈한 제작 불일치들의 위치를 예측하기 위해, 평가 단계 동안 하나 이상의 새로운 NC 프로그램들이 신경망(117)을 사용하여 평가된다. 각각의 공차 이탈 조건을 정의하는 데 사용되는 파라미터들은 달라질 수 있다. 예를 들어, 공차 이탈 조건들에 대해 큰 파라미터들 값들을 선택하는 것은 최종 복합 부품의 원하는 특성들에 영향을 줄 수 있는 한편, 공차 이탈에 대해 작은 파라미터들 값들을 선택하는 것은 생산 시간을 증가시키고 다른 영향들을 줄 수 있다. 설계자는 평가를 위해 적어도 하나의 새로운 NC 프로그램을 생성하는 것으로 진행한다. 새로운 NC 프로그램은 예를 들어, 이전 NC 프로그램과 동일한 설계에 따라 적층물을 레이업하기 위한 NC 프로그램일 수 있으며, 이전 NC 프로그램에 따라 적층물을 레이업하는 데 사용된 것과 동일한 섬유 배치 기계에 의한 사용이 의도될 수 있다.
단계(207)에서, 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 새로운 NC 프로그램이 설계된다. 단계(208)에서, 제어기(112)는 새로운 NC 프로그램을 로딩한다. 새로운 NC 프로그램은 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시한다. 새로운 NC 프로그램은 예를 들어, 이전 NC 프로그램에 사용된 것과 유사한 복합 부품 또는 동일한 복합 부품을 설계하도록 의도될 수 있다. 단계(210)에서, 제어기(112)는 로딩된 새로운 NC 프로그램으로부터 토우 정보(예컨대, 토우들의 분배와 관련된 또는 이를 가능하게 하는 헤드(134)에 대한 동작 파라미터들) 및 파라미터들을 추출한다. 이것은 새로운 NC 프로그램 내의 각각의 코스에 전용된 명령들의 세트들을 식별하는 것, 그리고 이러한 명령들의 세트들에 기초하여 신경망(117)에 대한 입력들을 결정하는 것을 포함할 수 있다. 예를 들어, 명령들은 단계(206)와 관련하여 앞서 설명한, 신경망(117)에 대한 입력들을 계산하는 데 사용될 수 있다.
단계(212)에서, 제어기(112)는 (예컨대, 토우 정보 및 파라미터들에 기초하여) 새로운 NC 프로그램으로부터의 입력들을 신경망(117)에 적용한다. 위에서 논의된 바와 같이, 신경망(117)은 이미 레이업된 하나 이상의 다른 적층물들 내에서 공차를 이탈한 제작 불일치의 위치들 및/또는 토우 배치를 기술하는 이전 NC 프로그램과 관련된 측정들에 기초하여 이미 훈련되었다. 따라서 신경망(117)은 입력으로서 사용된 새로운 NC 프로그램의 명령들 또는 다른 정보에 기초하여 새로운 NC 프로그램에 표시된 위치들에서 공차를 이탈한 제작 불일치의 가능성을 결정한다. 예를 들어, 신경망은 평가되고 있는 새로운 NC 프로그램에 대한 위치 특정 결과들을 생성할 수 있다. 분석되고 있는 위치들은 그리드에 걸쳐 균등하게 분배되고, 미리 정해진 관심 영역 주위에 클러스터링되며, 원하는 레벨의 해상도에 따라 이격될 수 있다.
위치별로 신경망(117)으로부터의 출력이 결정되면, 제작 불일치들의 가능성이 알려진다. 따라서 단계(214)는 신경망(117)의 출력에 기초하여 제작 불일치들의 하나 이상의 가능성들을 보고하는 단계를 포함한다. 예를 들어, 가능성들은 텍스트 포맷(예컨대, 가능성들 및 위치들의 리스트), 그래픽 포맷(예컨대, 적층물의 히트 맵) 등으로 제공될 수 있다. 이 데이터는 새로운 NC 프로그램들이 생성되고 평가되는 반복 루프에서 고려될 수 있다. 가능성이 임계량(예컨대, 5%) 미만이라면(단계(216)), 제어기(112)는 새로운 NC 프로그램을 제작 준비가 된 것으로 보고한다(단계(218)). 대안으로, 가능성이 임계치를 초과한다면, 새로운 NC 프로그램이 재설계되고, 처리는 단계(208)로 진행한다.
방법(200)은 (동일한 설계의 적층물을 레이업하도록 의도된) 다양한 NC 프로그램들로부터의 출력들이 이들의 제조 가능성 측면에서 비교될 수 있게 하기 때문에, 이 방법(200)은 종래의 시스템들 및 기술들에 비해 기술적 이점을 제공한다. 이는 고려되고 있는 각각의 NC 프로그램에 대해 새로운 적층물을 제작할 필요 없이 설계자들이 설계들을 레이업하기 위한 NC 프로그램들을 신속하게 평가하는 능력을 향상시킨다.
도 2b는 예시적인 실시예에서 공차를 이탈한 제작 불일치들을 예측하기 위한 방법(250)을 예시하는 흐름도이다. 방법(250)은 작업자가 공차 조건들을 조정하고 그러한 공차 조건들에 기초하여 공차 이탈 제작 불일치들의 가능성을 결정하는 것을 수반한다는 점에서, 방법(250)은 방법(200)과 다르다. 이런 식으로, 설계자는 설계 프로세스에 대한 공차들을 더 엄격하게 하는 또는 완화하는 효과를 볼 수 있다. 이는 설계자에게 더 많은 자유를 주고, 반복적인 설계 프로세스의 일부로서 구현될 수 있다.
방법(250)에 따르면, 단계(252)에서 제어기(112)는 적층물에 대한 공차 이탈 조건들을 특성화하는 정의들을 획득한다. 예를 들어, 정의들은 공차 이탈 조건(예컨대, 비틀림들, 굽힘들, 랩들, 갭들)의 각각의 카테고리의 형상 및 크기를 나타낼 수 있거나 어떤 측정들이 공차 이탈 조건들을 나타내는지를 나타낼 수 있다.
단계(254)에서, 제어기(112)는 정의들에 기초하여 신경망(117)을 훈련시킨다. 예를 들어, 신경망(117)은 이미 레이업된 적층물의 측정들에 적용되는 정의들에 기초하여 훈련될 수 있다. 단계(256)에서, 제어기(112)는 NC(Numerical Control) 프로그램에 의해 정의된 새로운 적층물에 대한 공차 이탈 조건들의 제1 세트의 예상 위치들을 식별하도록 신경망(117)을 작동시킨다. 이때, 제1 세트의 예상 위치들을 나타내는 보고가 검토를 위해 엔지니어에게 제공될 수 있다.
엔지니어는 변경된 공차 정의들이 예상된 공차 이탈 조건들의 수, 타입 및 위치를 어떻게 변경할 수 있는지에 관해 궁금할 것이다. 따라서 단계(258)는 제어기(112)가 정의들을 변경하는 것을 포함하고, 단계(260)는 변경된 정의들에 기초하여 신경망을 재훈련시키는 단계를 포함한다. 제어기(112)는 단계(262)에서 새로운 적층물에 대한 공차 이탈 조건들의 제2 세트의 예상 위치들을 식별하도록, 재훈련된 신경망을 작동시키고, 단계(264)에서 제어기(112)는 제1 세트의 예상 위치들을 제2 세트의 예상 위치들과 비교하는 보고를 생성한다. 이 보고는 설계 인사이트들과 피드백을 제공하기 위해 엔지니어에게 제공될 수 있다. 보고는 또한 히트 맵으로서 제공될 수 있다.
도 2c는 예시적인 실시예에서 신경망을 훈련시키는 방법(280)을 예시한다. 도 2c는 단계(282)에서 신경망 아키텍처(예컨대, 다수의 계층들, 각각의 계층 내의 다수의 노드들, 및 서로 다른 계층들 내의 노드들 간의 접속들)를 설계하는 단계, 단계(284)에서 노드들 간의 접속들에 대한 가중치들을 초기화하는 단계, 단계(286)에서 입력들에 기초하여 예측들을 계산하는 단계, 및 단계(288)에서 예측들을 측정들과 비교하는 단계를 포함한다. 이 방법은 단계(290)에서 측정들과 예측들의 허용 가능한 대응이 존재하는지 여부를 결정하는 단계를 더 포함한다. 허용 가능한 대응이 존재한다면, 훈련이 완료될 수 있다. 대안으로, 대응 레벨이 허용 가능하지 않다면, 단계(292)에서 측정들에 대한 예측들의 대응을 증가시키도록 가중치들이 업데이트된다.
NC 프로그램들에 대한 평가 방법들에 관해 위에서 제공된 논의로, 도 3 - 도 6은 NC 프로그램들을 통한 적층물들의 제작을 도시하고, 도 7 - 도 8은 NC 프로그램들을 평가하는 시스템의 다양한 추가 특징들을 예시한다.
도 3은 예시적인 실시예에서 지지부(370)에 장착되는 AFP 기계(300)를 예시하는 도면이다. AFP 기계(300)는 복합 부품으로 경화하기 위한 구성 재료의 토우들(352)을 레이업할 수 있는 임의의 시스템 또는 디바이스를 포함한다. AFP 기계(300)는 헤드(380)를 포함하는데, 헤드(380)는 레이업 동안(예컨대, 동시에) 경화 가능한 구성 재료(예컨대, CFRP)의 토우들(352)을 분배한다. 토우들(352)은 단일 모놀리식 복합 부품으로 경화될 하나 이상의 재료 층들을 포함하는 적층물(350)을 형성하도록 레이업된다. 이 실시예에서, 적층물(350)은 항공기에 대한 동체 섹션을 포함하고, 회전 홀더(360)에 의해 제자리에 유지된다. 센서(390)는 적층물이 레이업될 때 적층물을 측정하고, 앞서 논의한 감지 기술들 중 임의의 감지 기술을 이용할 수 있다. 센서(390)는 (즉, 위에서 논의된 훈련 데이터에 대한) 측정들을 획득할 수 있다.
AFP 기계(300)는 적층물(350) 상에 토우들(352)을 레이업하도록 작동하기 때문에, AFP 기계(300)는 X 축(366)을 따라 곧장 적층물(350) 쪽으로/적층물(350)로부터 멀리, Y 축(364)을 따라 수직으로 아래쪽으로/위쪽으로, 그리고/또는 Z 축(362)을 따라 측 방향으로 이동할 수 있다. 적층물(350)은 또한 이것의 중심 축을 중심으로 회전될 수 있고 그리고/또는 AFP 기계(300)에 대해 축 방향으로 이동될 수 있다. 본 명세서에 사용되는 바와 같이, AFP 기계(300)가 헤드(380)의 단일 "스위프(sweep)" 동안 동시에 다수의 토우들(352)을 레이업하는 경우, 그러한 토우들(352)은 총괄하여 단일 "코스"로 지칭된다. 연속적으로 적용되는 중첩하지 않는 코스들의 세트가 층으로 지칭된다. 적층물(350)에 층들이 추가될 때, 결과적인 복합 부품의 강도가 유리하게 향상된다.
동체의 섹션과 같이 큰 적층물(350)에 대한 재료를 레이업하는 것은 시간 소모적이고 복잡한 프로세스이다. 토우들(352)이 신속하고 효율적으로 레이업됨을 보장하기 위해, AFP 기계(300)의 동작이 NC 프로그램에 의해 제어된다. 일 실시예에서, NC 프로그램은 AFP 기계(300)를 정렬/재포지셔닝하고, 헤드(380)를 이동시키고, 토우들(352)을 적층물(350) 상에 레이업하기 위해 코스별로 명령들을 제공한다. 이런 식으로, NC 프로그램에서 명령들을 수행함으로써, AFP 기계(300)는 복합 부품으로 경화하기 위한 적층물을 제작한다.
도 4는 예시적인 실시예에서 섬유 배치 기계에 의해 레이업된 다수의 코스들(450)의 평면도이며, 도 3의 보기 화살표들(4)에 대응한다. 도 4에 도시된 바와 같이, 헤드(380)가 방향(420)으로 진행할 때 헤드(380)는 적층물(400) 상에 코스들(450)을 레이업한다. 각각의 코스(450)는 다수의 토우들(352)을 포함한다. 단일 코스 내의 토우들(352) 사이에 갭들(440)이 존재하고, 코스들 사이에 갭들(430)이 존재한다. 갭들(440) 또는 갭들(430)이 사전 정의된 한계를 초과한다면, 공차를 이탈한 제작 불일치가 적층물에 존재할 수 있다. 게다가, 코스들(450)이 토우들(352)을 배치하기 위한 설계에 표시된 원하는 영역을 완전히 점유하지 않는다면(또는 코스들(450)이 과점유한다면), 제작 불일치가 또한 존재할 수 있다. 토우들(352)과 영역의 인접 에지들 사이에 갭들이 존재한다면, 공차 이탈 조건이 존재할 수 있다.
도 5 - 도 6은 예시적인 실시예들에서 2개의 서로 다른 NC 프로그램들에 따라 레이업된 2개의 서로 다른 적층물들을 예시한다. 도 5에 도시된 바와 같이, 적층물(500)은 코스들(550) 사이의 갭들(530), 및 코스 내의 토우들(352) 사이의 갭들(540)을 나타낸다. 한편, 적층물(600)은 서로 다른 배열로 레이업되는 코스들(650)에 대해 갭들(630)과 갭들(640)의 서로 다른 조합을 나타낸다.
도 7은 예시적인 실시예에서 서로 다른 위치들에서의 제작 불일치들의 가능성을 나타내는 히트 맵(700)이다. 히트 맵(700)은 그것이 나타내는 적층물의 형상에 부합하는 형상을 갖는다. 히트 맵(700)은 항공기 날개로 경화될 적층물의 다양한 위치들 각각에 대한 입력들을 신경망(117)에 적용함으로써, 그리고 각각의 위치에서 제작 불일치의 가능성을 나타내는 컬러 코딩에 의해 생성될 수 있다. 이 실시예에서, 히트 맵(700)은 공차를 이탈한 제작 불일치들이 보다 가능성이 높은 영역들(710), 및 제작 오차들이 가능성이 더 적은 영역들(720)을 포함한다.
도 8은 예시적인 실시예에서 코스(810)의 이진 이미지(820)로의 변환들을 예시하는 도면(800)이다. 각각의 행(또는 열)이 코스에서 별도의 레인을 나타내도록 각각의 코스에 대해 이진 이미지(820)가 생성될 수 있으며, 이러한 행들(또는 열들) 내의 데이터는 레인들 내에서 토우들이 어디에서 시작 및 정지되는지를 나타낸다. 도 8에 도시된 바와 같이, 개개의 토우들(812)은 X 방향을 따라 서로 다른 양들이 연장된다. 이진 이미지(820)의 각각의 행(822)은 특정 단위의 길이(예컨대, 인치, 센티미터 등)에 대해 토우가 존재함을 나타내기 위해 "1"을, 그리고 토우가 부재함을 나타내기 위해 "0"을 사용한다. 따라서 일 실시예에서, 각각의 코스는 코스 내의 토우들의 최대 수와 동일한 사전 정의된 폭을 갖는 이진 이미지로서 표현된다. 이진 이미지 내에서, 하나의 픽셀 행은 각각의 토우와 부합한다. 이진 이미지는 벡터로 재형상화될 수 있고, 패턴 인식 네트워크의 형태로 신경망에 대한 입력으로서 사용될 수 있으며, 추가 입력 파라미터들이 이 벡터에 첨부될 수 있다. 이런 식으로, 제어기(112)는 코스들 사이에서 그리고 또한 코스들 내의 토우들 사이에서 공차를 이탈한 갭들의 가능성들을 예측하도록 이진 이미지(820)에 기초하여 패턴 인식 네트워크를 작동시킬 수 있다.
도 9는 예시적인 실시예에서 제작 환경에 의해 사용되는 NC 프로그램들에 대해 예측하기 위한 방법(900)을 예시하는 흐름도이다. 단계(902)에서, 방법(900)은 섬유 배치 기계로 적층물을 레이업하는 단계를 포함한다. 단계(904)는 적층물의 측정들을 획득하는 단계를 포함하며, 측정들은 공차 이탈 조건들의 위치들을 나타낸다. 단계(906)는 측정들에 기초하여 신경망을 훈련시키는 단계를 포함하고, 단계(908)는 신경망을 통해 새로운 적층물을 레이업하기 위해 NC 프로그램을 분석하는 단계를 포함한다. 단계(910)는 신경망으로부터의 출력에 기초하여, 적층물 상의 위치들이 공차 이탈 조건을 나타낼 가능성들을 나타내는 히트 맵을 생성하는 단계를 포함한다.
예들
다음의 예들에서, 제작 불일치들의 가능성들을 식별하도록 NC 프로그램들을 예측적으로 분석하는 제작 환경과 관련하여 추가 프로세스들, 시스템들 및 방법들이 설명된다.
보다 상세하게 도면들을 참조하면, 본 개시의 실시예들은 도 10에 도시된 것과 같은 방법(1000)의 항공기 제조 및 서비스 그리고 도 11에 도시된 것과 같은 항공기(1002)와 관련하여 설명될 수 있다. 예비 생산 동안, 방법(1000)은 항공기(1002)의 규격 및 설계(1004) 그리고 자재 조달(1006)을 포함할 수 있다. 생산 동안에는, 항공기(1002)의 컴포넌트 및 하위 부품 제조(1008) 그리고 시스템 통합(1010)이 이루어진다. 이후, 항공기(1002)는 운항(1014)되기 위해 인증 및 납품(1012)을 거칠 수 있다. 고객에 의한 운항 동안, 항공기(1002)는 (수정, 재구성, 개조 등을 또한 포함할 수 있는) 유지보수 및 서비스(1016)의 정기 작업을 위해 스케줄링된다. 본 명세서에서 구체화된 장치 및 방법들은 방법(1000)에서 설명된 제조 및 서비스의 임의의 하나 이상의 적합한 단계들(예를 들어, 규격 및 설계(1004), 자재 조달(1006), 컴포넌트 및 하위 부품 제조(1008), 시스템 통합(1010), 인증 및 납품(1012), 운항(1014), 유지보수 및 서비스(1016)) 동안 그리고/또는 항공기(1002)의 임의의 적합한 컴포넌트(예를 들어, 기체(1018), 시스템들(1020), 내부(1022), 추진 시스템(1024), 전기 시스템(1026), 유압 시스템(1028), 환경 시스템(1030))에 이용될 수 있다.
방법(1000)의 프로세스들 각각은 시스템 통합자, 제3자 및/또는 오퍼레이터(예컨대, 소비자)에 의해 수행 또는 실행될 수 있다. 이러한 설명을 목적으로, 시스템 통합자는 임의의 수의 항공기 제작사들 및 메이저 시스템 하도급 업체들을 제한 없이 포함할 수 있고; 제3자는 임의의 수의 판매사들, 하도급 업체들 및 공급사들을 제한 없이 포함할 수 있으며; 오퍼레이터는 항공사, 리스(leasing) 회사, 군수업체, 서비스 기관 등일 수 있다.
도 11에 도시된 바와 같이, 방법(1000)에 의해 생산된 항공기(1002)는 복수의 시스템들(1020) 및 내부(1022)와 함께 기체(1018)를 포함할 수 있다. 시스템들(1020)의 예들은 추진 시스템(1024), 전기 시스템(1026), 유압 시스템(1028) 및 환경 시스템(1030) 중 하나 이상을 포함한다. 임의의 수의 다른 시스템들이 포함될 수 있다. 항공 우주 산업의 예가 도시되지만, 본 발명의 원리들은 자동차 산업과 같은 다른 산업들에 적용될 수 있다.
앞서 이미 언급한 바와 같이, 본 명세서에서 구현된 장치 및 방법들은 방법(1000)에서 설명된 생산 및 서비스의 단계들 중 임의의 하나 이상의 단계 동안 이용될 수 있다. 예를 들어, 컴포넌트 및 하위 부품 제조(1008)에 대응하는 컴포넌트들 또는 하위 부품들은 항공기(1002)가 운항 중인 동안 생산된 컴포넌트들 또는 하위 부품들과 비슷한 방식으로 제작 또는 제조될 수 있다. 또한, 예를 들어, 항공기(1002)의 조립을 실질적으로 신속히 처리하거나 항공기(1002)의 원가를 절감함으로써 하위 부품 제조(1008) 및 시스템 통합(1010) 동안 하나 이상의 장치 실시예들, 방법 실시예들, 또는 이들의 조합이 이용될 수 있다. 마찬가지로, 항공기(1002)가 운항중인 동안, 예를 들어 그리고 제한 없이, 유지보수 및 서비스(1016) 중에 장치 실시예들, 방법 실시예들, 또는 이들의 조합 중 하나 이상이 이용될 수 있다. 예를 들어, 본 명세서에서 설명한 기술들 및 시스템들은 자재 조달(1006), 컴포넌트 및 하위 부품 제조(1008), 시스템 통합(1010), 운항(1014) 및/또는 유지보수 및 서비스(1016)에 사용될 수 있고 그리고/또는 기체(1018) 및/또는 내부(1022)에 사용될 수 있다. 이러한 기술들 및 시스템들은 예를 들어, 추진 시스템(1024), 전기 시스템(1026), 유압 시스템(1028) 및/또는 환경 시스템(1030)을 포함하는 시스템들(1020)에도 이용될 수 있다.
일 실시예에서, 부품은 기체(1018)의 일부를 포함하고, 컴포넌트 및 하위 부품 제조(1008) 동안 제조된다. 부품은 다음에 시스템 통합(1010)에서 항공기로 조립된 다음, 마모가 부품을 사용 불가능하게 할 때까지 운항(1014)에서 이용될 수 있다. 그 다음, 유지보수 및 서비스(1016)에서, 부품이 폐기되고 새로 제조된 부품으로 대체될 수 있다. 발명의 컴포넌트들 및 방법들은 부품들을 제작하는 데 사용될 수 있는 새로운 NC 프로그램들을 평가하기 위해 컴포넌트 및 하위 부품 제조(1008) 전체에 이용될 수 있다.
도면들에 도시되거나 본 명세서에서 설명된 다양한 제어 엘리먼트들(예컨대, 전기 또는 전자 컴포넌트들) 중 임의의 엘리먼트는 하드웨어, 소프트웨어를 구현하는 프로세서, 펌웨어를 구현하는 프로세서, 또는 이들의 어떤 조합으로 구현될 수 있다. 예를 들어, 엘리먼트는 전용 하드웨어로서 구현될 수 있다. 전용 하드웨어 엘리먼트들은 "프로세서들," "제어기들" 또는 다른 어떤 유사한 용어로 지칭될 수 있다. 프로세서에 의해 제공될 때, 기능들은 단일 전용 프로세서에 의해, 단일 공유 프로세서에 의해, 또는 복수의 개별 프로세서들에 의해 제공될 수 있으며, 이들 중 일부는 공유될 수 있다. 더욱이, "프로세서" 또는 "제어기"라는 용어의 명백한 사용은 소프트웨어를 실행할 수 있는 하드웨어를 독점적으로 지칭하는 것으로 해석되지 않아야 하며, DSP(digital signal processor) 하드웨어, 네트워크 프로세서, ASIC(application specific integrated circuit) 또는 다른 회로, FPGA(field programmable gate array), 소프트웨어를 저장하기 위한 ROM(read only memory), RAM(random access memory), 비휘발성 저장소, 로직, 또는 다른 어떤 물리적 하드웨어 컴포넌트 또는 모듈을 암시적으로 제한 없이 포함할 수 있다.
또한, 제어 엘리먼트는 그 엘리먼트의 기능들을 수행하도록 프로세서 또는 컴퓨터에 의해 실행 가능한 명령들로서 구현될 수 있다. 명령들의 일부 예들은 소프트웨어, 프로그램 코드 및 펌웨어이다. 명령들은 프로세서에 의해 실행될 때 엘리먼트의 기능들을 수행하도록 프로세서에 지시하도록 동작한다. 명령들은 프로세서에 의해 판독 가능한 저장 디바이스들에 저장될 수 있다. 저장 디바이스들의 일부 예들은 디지털 또는 솔리드 스테이트 메모리들, 자기 디스크들 및 자기 테이프들과 같은 자기 저장 매체들, 하드 드라이브들, 또는 광학적으로 판독 가능한 디지털 데이터 저장 매체들이다.
추가로, 본 개시내용은 다음 조항들에 따른 예들을 포함한다:
조항 1. 복합 부품의 제작을 가능하게 하기 위한 방법으로서, 이 방법은: 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 로딩하는 단계; NC 프로그램에 나열된 토우 정보를 추출하는 단계; 레이업된 다른 적층물들에 대한 공차 이탈 불일치들을 기술하는 측정들로 훈련된 신경망에, 토우 정보에 기초한 입력들을 적용하는 단계; 및 NC 프로그램에 대한 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계를 포함한다.
조항 2. 조항 1의 방법은: 적층물을 다수의 위치들로 세분하는 단계를 더 포함하며, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계는 적층물에서 다수의 위치들 각각에 대해 수행된다.
조항 3. 조항 2의 방법에서: 보고하는 단계는 적층물을 시각적으로 묘사하는 히트 맵을 제공하는 단계를 포함하며, 다수의 위치들 각각에서 공차를 이탈한 제작 불일치의 가능성은 히트 맵 상의 컬러로서 보고된다.
조항 4. 조항 1 내지 조항 3 중 어느 한 조항의 방법에서: 입력들은: 위치에서의 적층물의 곡률, 토우 길이, 현재 위치로부터 토우의 끝까지의 거리, 위치에서의 층들의 수, 토우 내에서의 섬유 각도, 위치에서 섬유 배치 기계에 배치된 히터의 온도, 코스 내에서 토우들의 서로에 대한 배치, 및 층 내에서의 코스들의 배치로 구성된 그룹으로부터 선택된다.
조항 5. 조항 1 내지 조항 4 중 어느 한 조항의 방법은: 섬유 배치 기계에서 각각의 레인에 대한 행을 갖는 각각의 코스에 대한 이진 이미지를 생성하는 단계를 더 포함한다.
조항 6. 조항 1 내지 조항 5 중 어느 한 조항의 방법에서: 제작 불일치들은: 미리 결정된 크기보다 더 큰, 토우들 간의 갭들, 미리 결정된 크기보다 더 큰, 코스들 간의 갭들, 미리 결정된 크기보다 더 큰, 토우들에 걸친 랩들, 미리 결정된 크기보다 더 큰, 코스들에 걸친 랩들, 제작 속도의 지연들, 토우들의 주름들, 토우들의 비틀림들, 떼어진 토우들, 및 미리 결정된 양 미만의 채움 비율로 구성된 그룹으로부터 선택된다.
조항 7. 조항 1 내지 조항 6 중 어느 한 조항의 방법은: NC 프로그램을 수정하는 단계; 및 추출하는 단계, 적용하는 단계, 및 보고하는 단계를 반복하는 단계를 더 포함한다.
조항 8. 조항 1 내지 조항 7 중 어느 한 조항의 방법에 따라 조립된 항공기의 일부.
조항 9. 프로세서에 의해 실행될 때, 복합 부품의 제작을 가능하게 하기 위한 조항 1 내지 조항 7 중 어느 한 조항의 방법을 수행하도록 동작 가능한 프로그래밍된 명령들을 구현하는 비-일시적 컴퓨터 판독 가능 매체.
조항 10. 조항 9의 컴퓨터 판독 가능 매체 상에 저장된 명령들에 의해 정의된 방법에 따라 조립된 항공기의 일부.
조항 11. 복합 부품의 제작을 가능하게 하기 위한 장치로서, 이 장치는: 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 저장하는 메모리; 및 조항 1 내지 조항 7 중 어느 한 조항의 방법을 수행하는 제어기를 포함한다.
조항 12. 복합 부품의 제작을 가능하게 하기 위한 장치로서, 이 장치는: 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 저장하는 메모리; 및 NC 프로그램에 나열된 토우 정보를 식별하고, 레이업된 다른 적층물들 내에서의 공차 이탈 제작 불일치들을 기술하는 측정들로 훈련된 신경망에, 토우 정보에 기초한 입력들을 적용하고, 그리고 NC 프로그램에 대한 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 제어기를 포함한다.
조항 13. 조항 12의 장치에서: 제어기는 적층물을 다수의 위치들로 세분하고, 다수의 위치들 각각에 대해 공차를 이탈한 제작 불일치의 가능성을 보고한다.
조항 14. 조항 12 또는 조항 13의 장치에서: 입력들은: 위치에서의 적층물의 곡률, 토우 길이, 현재 위치로부터 토우의 끝까지의 거리, 위치에서의 층들의 수, 토우 내에서의 섬유 각도, 위치에서 섬유 배치 기계에 배치된 히터의 온도, 코스 내에서 토우들의 서로에 대한 배치, 및 층 내에서의 코스들의 배치로 구성된 그룹으로부터 선택된다.
조항 15. 조항 11 내지 조항 14 중 어느 한 조항의 장치는: 측정들을 획득하는 센서를 더 포함한다.
조항 16. 조항 11 내지 조항 15 중 어느 한 조항의 장치를 사용하여 항공기의 일부를 제작하는 것.
조항 17. 복합 부품의 제작을 가능하게 하기 위한 방법으로서, 이 방법은: 섬유 배치 기계로 적층물을 레이업하는 단계; 적층물의 측정들을 획득하는 단계 ― 측정들은 공차 이탈 조건들의 위치들을 나타냄 ―; 측정들에 기초하여 신경망을 훈련시키는 단계; 신경망을 통해 새로운 적층물을 레이업하기 위해 NC(Numerical Control) 프로그램을 분석하는 단계; 및 신경망으로부터의 출력에 기초하여, 적층물 상의 위치들이 공차 이탈 조건을 나타낼 가능성들을 나타내는 히트 맵을 생성하는 단계를 포함한다.
조항 18. 조항 17의 방법에서: 신경망을 훈련시키는 단계는, 측정들에 기초하여 신경망 내의 노드들 간의 가중치들을 조정하는 단계를 포함한다.
조항 19. 조항 17 또는 조항 18의 방법에서: 적층물을 레이업하는 단계는, 섬유 강화 재료의 토우들을 적용하는 단계를 포함한다.
조항 20. 조항 17 내지 조항 19 중 어느 한 조항의 방법에서: 히트 맵은 적층물의 형상에 부합하는 형상을 갖는다.
조항 21. 조항 17 내지 조항 20 중 어느 한 조항의 방법에 따라 조립된 항공기의 일부.
조항 22. 복합 부품의 제작을 가능하게 하기 위한 장치로서, 이 장치는: 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 저장하는 메모리; 및 조항 17 내지 조항 20 중 어느 한 조항의 방법을 수행하는 제어기를 포함한다.
조항 23. 복합 부품의 제작을 가능하게 하기 위한 방법으로서, 이 방법은: 적층물에 대한 공차 이탈 조건들을 특성화하는 정의들을 획득하는 단계; 정의들에 기초하여 신경망을 훈련시키는 단계; NC(Numerical Control) 프로그램에 의해 정의된 새로운 적층물에 대한 공차 이탈 조건들의 제1 세트의 예상 위치들을 식별하도록 신경망을 작동시키는 단계; 정의들을 변경하는 단계; 변경된 정의들에 기초하여 신경망을 재훈련시키는 단계; 새로운 적층물에 대한 공차 이탈 조건들의 제2 세트의 예상 위치들을 식별하도록, 재훈련된 신경망을 작동시키는 단계; 및 제1 세트의 예상 위치들을 제2 세트의 예상 위치들과 비교하는 보고를 생성하는 단계를 포함한다.
조항 24. 조항 23의 방법에서: 정의들은 공차 이탈 조건들의 크기 및 형상을 나타낸다.
조항 25. 조항 23 또는 24의 방법에서: 신경망은 이미 레이업된 적층물의 측정들에 적용되는 정의들에 기초하여 훈련된다.
조항 26. 조항 23 내지 조항 25 중 어느 한 조항의 방법에서: 보고는 히트 맵으로서 제공된다.
조항 27. 조항 23 내지 조항 26 중 어느 한 조항의 방법에 따라 조립된 항공기의 일부.
조항 28. 프로세서에 의해 실행될 때, 복합 부품의 제작을 가능하게 하기 위한 방법을 수행하도록 동작 가능한 프로그래밍된 명령들을 구현하는 비-일시적 컴퓨터 판독 가능 매체로서, 방법은: 복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 로딩하는 단계; NC 프로그램에 나열된 토우 정보를 추출하는 단계; 레이업된 다른 적층물들에 대한 공차 이탈 불일치들을 기술하는 측정들로 훈련된 신경망에, 토우 정보에 기초한 입력들을 적용하는 단계; 및 NC 프로그램에 대한 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계를 포함한다.
조항 29. 조항 28의 매체에서, 방법은: 적층물을 다수의 위치들로 세분하는 단계를 더 포함하며, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계는 적층물에서 다수의 위치들 각각에 대해 수행된다.
조항 30. 조항 29의 매체에서: 보고하는 단계는 적층물을 시각적으로 묘사하는 히트 맵을 제공하는 단계를 포함하며, 다수의 위치들 각각에서 공차를 이탈한 제작 불일치의 가능성은 히트 맵 상의 컬러로서 보고된다.
조항 31. 조항 28 내지 조항 30 중 어느 한 조항의 매체에서: 입력들은: 위치에서의 적층물의 곡률, 토우 길이, 현재 위치로부터 토우의 끝까지의 거리, 위치에서의 층들의 수, 토우 내에서의 섬유 각도, 위치에서 섬유 배치 기계에 배치된 히터의 온도, 코스 내에서 토우들의 서로에 대한 배치, 및 층 내에서의 코스들의 배치로 구성된 그룹으로부터 선택된다.
조항 32. 조항 28 내지 조항 31 중 어느 한 조항의 매체에서, 방법은: 섬유 배치 기계에서 각각의 레인에 대한 행을 갖는 각각의 코스에 대한 이진 이미지를 생성하는 단계를 더 포함한다.
조항 33. 조항 28 내지 조항 32 중 어느 한 조항의 매체에서: 제작 불일치들은: 미리 결정된 크기보다 더 큰, 토우들 간의 갭들, 미리 결정된 크기보다 더 큰, 코스들 간의 갭들, 미리 결정된 크기보다 더 큰, 토우들에 걸친 랩들, 미리 결정된 크기보다 더 큰, 코스들에 걸친 랩들, 제작 속도의 지연들, 토우들의 주름들, 토우들의 비틀림들, 떼어진 토우들, 및 미리 결정된 양 미만의 채움 비율로 구성된 그룹으로부터 선택된다.
조항 34. 조항 28 내지 조항 33 중 어느 한 조항의 매체에서, 방법은: NC 프로그램을 수정하는 단계; 및 추출하는 단계, 적용하는 단계, 및 보고하는 단계를 반복하는 단계를 더 포함한다.
조항 35. 조항 28 내지 조항 34 중 어느 한 조항의 컴퓨터 판독 가능 매체 상에 저장된 명령들에 의해 정의된 방법에 따라 조립된 항공기의 일부.
본 명세서에서는 특정 실시예들이 설명되지만, 본 개시내용의 범위는 그러한 특정 실시예들로 한정되지 않는다. 본 개시내용의 범위는 이어지는 청구항들 및 이들의 임의의 등가물들로 정의된다.

Claims (14)

  1. 복합 부품으로 경화하기 위한 적층물(laminate)을 생성하도록 섬유 배치 기계에 의한 토우(tow)들의 레이업(layup)을 지시하는 NC(Numerical Control) 프로그램을 로딩하는 단계(208);
    상기 NC 프로그램에 나열된 토우 정보를 추출하는 단계(210);
    레이업된 다른 적층물들에 대한 공차 이탈(out-of-tolerance) 불일치들을 기술하는 측정들로 훈련된 신경망에, 상기 토우 정보에 기초한 입력들을 적용하는 단계(212); 및
    상기 NC 프로그램에 대한 상기 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계(214)를 포함하는,
    복합 부품의 제작을 가능하게 하기 위한 방법.
  2. 제1 항에 있어서,
    상기 적층물을 다수의 위치들로 세분하는 단계를 더 포함하며,
    공차를 이탈한 제작 불일치의 가능성을 보고하는 단계는 상기 적층물에서 상기 다수의 위치들 각각에 대해 수행되는,
    복합 부품의 제작을 가능하게 하기 위한 방법.
  3. 제2 항에 있어서,
    상기 보고하는 단계는 상기 적층물을 시각적으로 묘사하는 히트 맵을 제공하는 단계를 포함하며,
    상기 다수의 위치들 각각에서 공차를 이탈한 제작 불일치의 가능성은 상기 히트 맵 상의 컬러로서 보고되는,
    복합 부품의 제작을 가능하게 하기 위한 방법.
  4. 제1 항에 있어서,
    상기 입력들은,
    위치에서의 상기 적층물의 곡률, 토우 길이, 현재 위치로부터 토우의 끝까지의 거리, 위치에서의 층들의 수, 토우 내에서의 섬유 각도, 위치에서 상기 섬유 배치 기계에 배치된 히터의 온도, 코스 내에서 토우들의 서로에 대한 배치, 및 층 내에서의 코스들의 배치로 구성된 그룹으로부터 선택되는,
    복합 부품의 제작을 가능하게 하기 위한 방법.
  5. 제1 항에 있어서,
    상기 섬유 배치 기계에서 각각의 레인(lane)에 대한 행을 갖는 각각의 코스에 대한 이진 이미지를 생성하는 단계를 더 포함하는,
    복합 부품의 제작을 가능하게 하기 위한 방법.
  6. 제1 항에 있어서,
    제작 불일치들은, 미리 결정된 크기보다 더 큰, 토우들 간의 갭들, 미리 결정된 크기보다 더 큰, 코스들 간의 갭들, 미리 결정된 크기보다 더 큰, 토우들에 걸친 랩(lap)들, 미리 결정된 크기보다 더 큰, 코스들에 걸친 랩들, 제작 속도의 지연들, 토우들의 주름들, 토우들의 비틀림들, 떼어진 토우들, 및 미리 결정된 양 미만의 채움 비율(fill ratio)로 구성된 그룹으로부터 선택되는,
    복합 부품의 제작을 가능하게 하기 위한 방법.
  7. 제1 항에 있어서,
    상기 NC 프로그램을 수정하는 단계; 및
    상기 추출하는 단계, 상기 적용하는 단계, 및 상기 보고하는 단계를 반복하는 단계를 더 포함하는,
    복합 부품의 제작을 가능하게 하기 위한 방법.
  8. 복합 부품으로 경화하기 위한 적층물(140)을 생성하도록 섬유 배치 기계(130)에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램(115)을 저장하는 메모리(116); 및
    제1 항 내지 제7 항 중 어느 한 항의 방법을 수행하는 제어기(112)를 포함하는,
    복합 부품의 제작을 가능하게 하기 위한 장치.
  9. 제8 항에 있어서,
    상기 측정들을 획득하는 센서(132)를 더 포함하는,
    복합 부품의 제작을 가능하게 하기 위한 장치.
  10. 프로세서에 의해 실행될 때, 복합 부품의 제작을 가능하게 하기 위한 방법을 수행하도록 동작 가능한 프로그래밍된 명령들을 구현하는 비-일시적 컴퓨터 판독 가능 매체로서,
    상기 방법은,
    복합 부품으로 경화하기 위한 적층물을 생성하도록 섬유 배치 기계에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램을 로딩하는 단계(208);
    상기 NC 프로그램에 나열된 토우 정보를 추출하는 단계(210);
    레이업된 다른 적층물들에 대한 공차 이탈 불일치들을 기술하는 측정들로 훈련된 신경망에, 상기 토우 정보에 기초한 입력들을 적용하는 단계(212); 및
    상기 NC 프로그램에 대한 상기 신경망의 출력에 기초하여, 공차를 이탈한 제작 불일치의 가능성을 보고하는 단계(214)를 포함하는,
    비-일시적 컴퓨터 판독 가능 매체.
  11. 복합 부품으로 경화하기 위한 적층물(140)을 생성하도록 섬유 배치 기계(130)에 의한 토우들의 레이업을 지시하는 NC(Numerical Control) 프로그램(115)을 저장하는 메모리(116); 및
    제어기(112)를 포함하며,
    상기 제어기(112)는,
    상기 적층물에 대한 공차 이탈 조건들을 특성화하는 정의들을 획득하고(252);
    상기 정의들에 기초하여 신경망(117)을 훈련시키고(254);
    상기 NC 프로그램에 의해 정의된 새로운 적층물에 대한 공차 이탈 조건들의 제1 세트의 예상 위치들을 식별하도록 상기 신경망(117)을 작동시키고(256);
    상기 정의들을 변경하고(258);
    변경된 정의들에 기초하여 상기 신경망(117)을 재훈련시키고(260);
    상기 새로운 적층물에 대한 공차 이탈 조건들의 제2 세트의 예상 위치들을 식별하도록, 재훈련된 신경망을 작동시키고(262); 그리고
    상기 제1 세트의 예상 위치들을 상기 제2 세트의 예상 위치들과 비교하는 보고를 생성하는(264),
    복합 부품의 제작을 가능하게 하기 위한 시스템(100).
  12. 제11 항에 있어서,
    상기 정의들은 공차 이탈 조건들의 크기 및 형상을 나타내는,
    복합 부품의 제작을 가능하게 하기 위한 시스템(100).
  13. 제11 항에 있어서,
    상기 제어기(112)는 이미 레이업된 적층물의 측정들에 적용되는 정의들에 기초하여 상기 신경망(117)을 훈련시키는(254),
    복합 부품의 제작을 가능하게 하기 위한 시스템(100).
  14. 제11 항 내지 제13 항 중 어느 한 항에 있어서,
    상기 보고는 히트 맵으로서 제공되는,
    복합 부품의 제작을 가능하게 하기 위한 시스템(100).
KR1020200041615A 2019-04-10 2020-04-06 복합 부품들에 대한 제작 최적화 KR20200120525A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/380,215 US11110667B2 (en) 2019-04-10 2019-04-10 Fabrication optimization for composite parts
US16/380,215 2019-04-10

Publications (1)

Publication Number Publication Date
KR20200120525A true KR20200120525A (ko) 2020-10-21

Family

ID=70277200

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200041615A KR20200120525A (ko) 2019-04-10 2020-04-06 복합 부품들에 대한 제작 최적화

Country Status (6)

Country Link
US (1) US11110667B2 (ko)
EP (1) EP3722083A1 (ko)
JP (1) JP7500240B2 (ko)
KR (1) KR20200120525A (ko)
AU (1) AU2020202432A1 (ko)
RU (1) RU2020109517A (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021086347A1 (en) * 2019-10-30 2021-05-06 Hewlett-Packard Development Company, L.P. Thermal interactions
US20220171366A1 (en) * 2020-11-27 2022-06-02 Glowforge Inc. Thermal modeling for computer numerically controlled fabrication
CN112612247B (zh) * 2020-12-05 2021-11-26 瑞涯科技(上海)股份有限公司 一种用计算机仿真分析软件诊断数控机床故障的方法
US20220299975A1 (en) * 2021-03-19 2022-09-22 The Boeing Company Composite manufacturing using data analytics
CN114690730B (zh) * 2022-06-01 2022-08-12 南通科特森新材料科技有限公司 一种复合材料生产工艺中工艺参数的自动控制方法及系统
CN116461120B (zh) * 2023-05-17 2023-10-03 浙江恒耀电子材料有限公司 酚醛复合材料的制备方法及其系统
CN117183401B (zh) * 2023-11-03 2024-02-02 张家港保税区百瑞坤航空材料科技有限公司 航空复合材料零件的成型加工方法及系统
CN117631544B (zh) * 2024-01-25 2024-04-30 湖北工业大学 一种中空纤维膜拉丝机系统复合控制方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5111531A (en) * 1990-01-08 1992-05-05 Automation Technology, Inc. Process control using neural network
US8108058B2 (en) * 2009-02-09 2012-01-31 The Boeing Company Method of analyzing composite structures
US20160170387A1 (en) 2013-07-29 2016-06-16 Nec Solution Innovators, Ltd. 3d printer device, 3d printing method and method for manufacturing stereolithography product
US10073424B2 (en) 2014-05-13 2018-09-11 Autodesk, Inc. Intelligent 3D printing through optimization of 3D print parameters
JP6616170B2 (ja) 2015-12-07 2019-12-04 ファナック株式会社 コアシートの積層動作を学習する機械学習器、積層コア製造装置、積層コア製造システムおよび機械学習方法
US10144183B2 (en) 2016-05-27 2018-12-04 The Boeing Company Verification of tow placement by a robot
US10525637B2 (en) 2017-03-09 2020-01-07 The Boeing Company Flat composites having layup features for forming into 3D shapes
US10234848B2 (en) 2017-05-24 2019-03-19 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning

Also Published As

Publication number Publication date
US11110667B2 (en) 2021-09-07
EP3722083A1 (en) 2020-10-14
AU2020202432A1 (en) 2020-10-29
RU2020109517A (ru) 2021-09-06
JP2021002324A (ja) 2021-01-07
US20200324494A1 (en) 2020-10-15
JP7500240B2 (ja) 2024-06-17

Similar Documents

Publication Publication Date Title
KR20200120525A (ko) 복합 부품들에 대한 제작 최적화
US20200307174A1 (en) Systems and methods for structurally analyzing and printing parts
EP3372389B1 (en) Flat composites having layup features for forming into 3d shapes
EP3496934A1 (en) Systems and methods for structurally analyzing and printing parts
CN104915635A (zh) 多个层的复合检查和结构检验
US10928805B2 (en) Additive manufacturing system and method having toolpath analysis
US10279928B2 (en) Delta offset based surface modeling
CN117371116A (zh) 在制造未固结复合材料方面的实时管理
US10981640B2 (en) Method and system for verification of tow end placement
JP2024129826A (ja) 複合材部品の製造の最適化
CA3002223C (en) Automated placement of composite material
Druiff et al. A smart interface for machine learning based data-driven automated fibre placement
CN107804449B (zh) 用于涂层的主应用路径
WO2013138015A1 (en) Rule-based configuration of layup machines
US11911977B2 (en) Machine configured to form a composite structure
Druiff et al. A Smart Interface for Automated Fibre Placement
US20220299975A1 (en) Composite manufacturing using data analytics
US20240201099A1 (en) Unconsolidated Composite Material Component Verification via Non-Contact Chemical Sensing
US11225036B2 (en) Method and system for tuning a tow placement system
Ambika Vijayachandran Design of Robotically Manufactured Composites for Optimal Structural Performance, Incorporating Manufacturing Constraints
Godbold A Globalized Optimization Schema For Automated Fiber Placement Processing Parameters
Druiff Data-driven Manufacturing in the Automated Lay-up of Composites
Haas Optimization of thermoplastic composite manufacturing with digital process intelligence
Taylor Understanding the Influence of Consolidation in Automated Fibre Placement and its effect on Design for Manufacture Decisions
WO2024142021A1 (en) Machine learning method for adjusting a preform