Convolutional and recurrent neural networks in time-series applied to injection molding processes

Abstract

A Fraunhofer-Gesellschaft é a maior organização de pesquisa aplicada da Europa, fun- dada em 1949. Seus campos de estudo variam de automação até novos materiais, energia, meio-ambiente, saúde, física e muitos outros campos. O instituto específico deste projeto é o Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, ou Instituto de Engenharia da Manufatura e Automação, fundado em 1959. O Fraunhofer IPA tem cerca de 1200 empregados e é um dos maiores institutos dentro da Fraunhofer-Gesellschaft. Dentro do instituto, existem vários laboratórios onde diversos experimentos são realiza- dos. Em um destes laboratórios, há uma máquina injetora que não possui métodos para o fornecimento de informação sobre o estado atual da máquina e suas ferramentas. Em vista da criação de uma solução para este problema, o projeto consiste em analisar o processo desta máquina injetora a partir de câmeras e sensores de vibração. Para isto, técnicas de machine learning são utilizadas para obter a classificação do estado de fun- cionamento atual da máquina a partir destes tipos de dados. Comparações e análises entre as duas abordagens são realizadas ao decorrer do projeto, bem como explicação de resultados positivos e negativos. As câmeras e seus modelos de redes neurais apresentam, em sua maioria, resultados de precisão excelentes na classificação desta máquina enquanto os resultados dos sensores de vibração são apenas satisfatórios, sendo este esperado pre- viamente pela natureza dos dados. Apesar disto, a informação de vibração ainda é útil e pode ser usada para classificar o estado da máquina.

Die Fraunhofer-Gesellschaft ist die größte anwendungsorientierte Forschungsorganisa- tion in Europa, die 1949 gegründet wurde. Die Studienbereiche variieren von der Automa- tisierung bis hin zu neuen Materialien, Energie, Umwelt, Gesundheit, Physik und vielen anderen Bereichen. Das spezifische Institut für dieses Projekt ist das 1959 gegründete Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA. Das Fraunhofer IPA beschäftigt rund 1200 Mitarbeiter und ist eines der größten Institute der Fraunhofer- Gesellschaft. Innerhalb des Instituts gibt es mehrere Laboratorien, in denen viele Experi- mente durchgeführt werden. In einem dieser Laboratorien gibt es eine Spritzgießmaschi- ne, für die kein Mechanismus existiert, um Informationen über den aktuellen Zustand der Maschine und ihrer Werkzeuge bereitzustellen. Um dieses Problem zu lösen, besteht das Projekt darin, den Prozess diese Spritzgießmaschine mit Kameras und Schwingungs- sensoren zu analysieren. Dazu werden methoden des maschinellen Lernens eingesetzt, um anhand dieser Datenquellen die Klassifizierung des aktuellen Betriebszustands der Maschine zu erhalten. Während des gesamten Projekts werden Vergleiche und Analysen zwischen den beiden Ansätzen durchgeführt und sowohl positive als auch negative Ergeb- nisse erläutert. Die Kameras und ihre neuronalen Netzwerkmodelle weisen größtenteils hervorragende Ergebnisse bei der Klassifizierung dieser Maschine auf, während die Er- gebnisse der Schwingungssensoren nur zufriedenstellend sind, was bisher von der Art der Daten erwartet wurde. Trotzdem ist die Vibrationsinformation immer noch nützlich und kann verwendet werden, um den Zustand der Maschine vorherzusagen.

The Fraunhofer-Gesellschaft is the biggest application-oriented research organization in Europe, founded in 1949. Its fields of study vary from automation to new materi- als, energy, environment, health, physics and many other fields. The specific institute of this project is the Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, or Institute for Manufacturing Engineering and Automation, founded in 1959. The Fraunhofer IPA has around 1200 employees and it’s one of the largest institutes inside Fraunhofer-Gesellschaft. Within the institute, there are several laboratories where many experiments are performed. In one of these laboratories, there is one injection molding machine that do not have methods to provide information about the current state of the machine and its tools. In order to create a solution to this problem, the project consists of analyzing the process of this injection molding machine with cameras and vibration sensors. For this, machine learning techniques are used to obtain the classification of the current operating state of the machine based on these data sources. Comparisons and analyzes between the two approaches are carried out throughout the project, as well as explanation of both positive and negative results. The cameras and their neural network models present, for the most part, excellent precision results in the classification of this machine while the results of the vibration sensors are only satisfactory, which is previously expected by the nature of the data. Despite this, the vibration information is still useful and can be used to predict the state of the machine.