sensXPERT使用传感器、边界设备和机器学习软件，深入了解流程，并为ZF和Carbon Revolution等复合材料客户提高质量和切割废料、循环时间和能源使用。

sensXPERT 技术

关键主题：

• Netzsch收购DEA技术，在实验室外推广

• NedgeX 孵化器，sensXPERT 风险投资

• Alpha 客户和用例

• 基本组件

• 安装过程是如何工作的？

• 流程透明度和优化

• 与热塑性复合材料一起使用？

• 进一步应用，与供应链合作

无论是飞机机翼、汽车保险杠梁还是自行车车架，数字工具和模拟对成功设计复合材料零件的重要性都已得到充分证实。在过去的十年里，这些数字工具也扩展到了过程的模拟和建模中，以探索材料与过程的相互作用，并在生产开始前解决问题。

如今，大多数制造商使用各种传感器来收集机器和工艺数据（例如，温度、压力、成型时间），这些数据可以输入到这些模拟中，但如果可以实时进行建模，使成型过程适应每个单独的零件，该怎么办？

这就是sensXPERT技术所实现的，但它不是创建数字模型，而是收集机器和工艺数据，并将其与模具中的介电分析（DEA- dielectric analysis）传感器的数据相结合，该传感器监测聚合物和复合材料的粘度和固化行为。然后，它通过边界设备应用数据分析，让制造商了解零件内部的实际情况，并动态控制每个零件的循环时间。

SensXPERT使用边界设备从其DEA传感器和第 三方传感器收集数据，然后用软件分析这些数据，以跟踪固化/聚合/结晶度、Tg、材料粘度等（顶部）

该数字模具技术可用于各种塑料和复合材料工艺，包括注射成型、压缩成型、树脂注入和树脂传递成型（RTM），以及预浸料的热压罐固化。它使制造商能够停止固化过程，例如，当达到所需的固化/聚合度或玻璃化转变温度（Tg）时。它还能够跟踪材料的粘度和流动前沿位置，以及材料的偏差，帮助确定如何调整工艺以防止报废零件。

通过应用机器学习算法，sensXPERT可以实现材料行为的实时表征，并调整过程以改进质量控制和动态循环时间。这就提高了效率，降低了能源消耗，为复合材料供应商和零部件制造商提供了一种提高可持续性的新工具。

sensXPERT的历史：Netzsch收购DEA技术

sensXPERT技术由Netzsch（德国塞尔布）开发，该公司成立于1873年，分为三个部门：泵与系统、研磨与分散以及分析与测试。2000年， Netzsch收购了 Holometrix Micromet（美国马萨诸塞州贝德福德）及其从麻省理工学院剥离的 DEA 技术。

多年来，Netzsch分析和测试业务部门开发并销售了用于实验室的 DEA 技术。然而，随着数字技术的发展， Netzsch Process Intelligence董 事 总 经 理Alex Chaloupka表示，“我们决定超越基于实验室的热分析的传统业务，转向制造环境，以在生产中实现真正的效益。”

Chaloupka于2016年加入Netzsch Analytical and Testing，在那里他工作了两年，以提高DEA传感器技术的信号质量和使用碳纤维的能力，因为碳纤维是导电的，所以会产生短路。“然后在2018年，我们决定在Netzsch 分析和测试中创建一个新的业务领域，用于流程分析，”他解释道。“我的工作是将我们的DEA技术应用到全球各地的生产应用中，并获得客户实际需求的反馈。在这样做的同时，我们在开始这项新业务的第一年和第二年的收入都翻了一番。”

什么是介电分析(DEA)？

《复合材料世界》写了很多关于传感器技术以及如何使用它们来改进复合材料制造的文章。介电传感器或介电分析（DEA-dielectric analysis）是我们所涵盖的主要技术之一，因为它能够在成型过程中原位评估聚合物或复合材料的实际状态，包括其固化程度和Tg，从而能够管理对材料实际状态的处理，而不是传统的时间和温度配方。

凭借sensXPERT，Netzsch将DEA技术先进到了快速发展的材料信息学领域，实现了基于传感器数据、机器过程数据和 sensXPERT机器学习算法的实时动态材料行为预测。

NedgeX 孵化器、数据科学、sensXPERT 风险投资

“然后我们分析了下一步该做什么，”Chaloupka继续说。“我们有很好的测量技术和一些可以分析介电数据的客户，但对他们来说，将这些数据转化为附加值并不一定容易。因此，我们决定，我们真正需要的是一种新水平的数据科学——一种将实验室材料科学与生产环境相匹配的方法，将来自传感器的信息与机器参数和可能影响零件生产过程中材料行为的影响因素相结合。”

2019年，Netzsch创建了NedgeX，这是一家数字孵化器公司，与全球 4600 名员工合作，为初创公司寻找具有新想法和商业模式的团队，并支持大学的新开发和发明。

Chaloupka说：“2019年，我向我们的审查委员会提出了sensXPERT和NedgeX 的想法。”。“这就像在 ‘Shark Tank-鲨鱼坦克’中一样：以下是如何使用现有的测量技术，但配备了新的数据科学，以便将传感器和材料科学结合起来，开发出一种真正让客户受益的全新产品。这家新企业获得了批准，我们于2020年开始作为孵化器企业。”

Chaloupka 说：“在一年内，我们创造了一种最低可行的产品，包括一种新的边界设备和算法，可以在连接到该设备的云环境中实时计算Tg和固化度等质量参数。”。“在我们的第一年，我们就在大公司中树立了知名度。”该团队还与阿尔法客户ZF Friedrichshafen（ZF集团，德国弗里德里希沙芬）和Carbon Revolution（澳大利亚吉隆）开发了用例。

Chaloupka 指出：“我们能够向 Netzsch 的股东表明，这确实是一款行业重视和需要的产品。”。2021 年，Netzsch Process Intelligence成立，sensXPERT 作为其首款商业技术产品成立。

Chaloupka 解释道：“因此，我们从 Netzsch 分析和 测试公司的一个四人小组开始。”，“现在我们已经发展到 34 人。这个团队可以专注于我们的客户，因为制 造、运输和会计等服务外包给了我们已经拥有必要结构 的姐妹企业，这是在 Netzsch 集团内运营的另一个好处。”

Alpha 客户和用例

SensXPERT与ZF合作，使用模内传感器（右上）分析电动汽车控制单元电路板的 环氧模塑化合物材料的转移模塑（左上），以提供有关循环时间和材料偏差的数据（下）

Chaloupka 描述了 sensXPERT的首批客户之一，ZF集团：“它是最大的一级汽车供应商之一，生产用于动力总成的金属和塑料部件，如用于车辆控制单元的电子 电路板。我们与采埃孚一起撰写了一篇关于电子封装的 技术论文，该论文涉及使用环氧模塑料的转移成型工艺。这些材料是不均匀的，需要一个大约1.5到3分钟的快速固化过程。”

ZF 正准备开始批量生产OEM的下一代电动机控制系统。Chaloupka 说：“我们研究了他们制造过程中的材料行为，发现有可能将循环时间缩短约21%。”。“我们还可以看到工艺中的材料出现了偏差，即使我们与 ZF 合作，确保使用一批材料连续制造的100个零件的所有工艺和材料参数都相同。”

为什么这是个问题？Chaloupka 解释道：“如果我们遵循材料供应商在材料实验室测试中制定的规定工艺配方，我们最终会得到 100 个好零件。”。“但事实上，每一个零件都是不同的。为了解决这个问题，材料供应商和模具制造商在循环中增加时间，以提供一种安全裕度。但使用我们的数字模具技术，我们可以通过研究影响固化的材料行为和偏差来消除这些安全时间。我们可以实时计算固化程度和Tg。”

SensXPERT 正与航空供应链和各种树脂制造商合作，通过使用 HP-RTM 零件的双组分树脂系统，减少RTM 的循环时间，实现更大批量、更快的零件制造

另一个阿尔法客户是一家飞机制造商，该公司正在使用 sensXPERT 技术批量生产碳纤维/环氧树脂长桁和蒙皮。Chaloupka 指出：“经过几年的合作，他们现在已经在批量生产线中完成了RTM工艺的sensXPERT 安装。”“在这里，我们已经确定了周期时间可能减少30%。但人们也有兴趣将这项技术应用于不同的制造环境和未来的开发计划，在这些环境中，新材料正在带来新的生产挑战。”

Chaloupka 指出，航空供应链“正在研究使用两部分树脂的高压RTM（HP-RTM），对于真正的大型结构，其循环时间约为1.5小时，而目前的循环时间为4-6小时。”

然而，从目前使用的预混RTM6树脂（需要冷藏且保质期有限）到在RTM模具中注入树脂之前混合的长保质期双组分（2K）系统，都面临着自身的挑战。继续努力确保整个注射过程和整个零件的配合比正确。Chaloupka说：“ 我们正在与 CTC和设备制造商KraussMaffei（德国慕尼黑）合作，进行一项资助的研发项目，在混合头中安装传感器，以测量混合比。”。“挑战在于混合头内的操作数量众多且复杂，例如湍流，这会影响测量。我们正在分析如何评估混合比，精度是多少，以及如何利用这些信息来改进制造。我们也在测量RTM 零件，并将其与混合比直接相关，我们已经看到了趋势，继续与零件制造商和树脂制造商开展这项工作，因为仍有一些悬而未决的问题需要解决。”

SensXPERT 使用模内DEA 传感器，一种边缘设备和软件，将 DEA（和其他）传感器的数据加上机器数据转换为有用的、可操作的信息

基本组件

sensXPERT技术有四个基本组件：传感器、边界设备、软件和用于数据分析的IT框架。Chaloupka解释道：“DEA 传感器通常安装在模具中，并创建有关材料行为的信息。”“边界设备是一台小型工业PC，传感器连接在这里，从模具中的材料接收信息。边界设备配备了介电测量单元，也可以连接到其他传感器，如其他公司的压力或温度传感器。因此，客户只需一个边界设备即可接收一系列不同的信号/数据流。边界设备还与机器/成型控制系统通信，以便我们可以与生产机器交换参数和工艺数据。我们不仅可以接收机器数据，还可以将信息发送回机器，以启动流程操作，或者如果客户希望直接在机器的HMI上看到我们的信号之一。”

“这个工业PC边缘设备还配备了 sensXPERT 开发的软件，其中包括机器学习算法，”他继续说道。“该系统可以在边界设备上执行大量分析和机器学习模型执行，但实现机器学习培训和再培训需要在云中工作。为此，我们需要一个 IT 基础设施，我们将与客户一起验证。当第一批数据生成并制造出第一批零件后，我们将根据材料科学和实时工艺信息为客户和用例创建机器学习模型。”

安装过程是如何工作的？

Chaloupka解释道：“客户告诉我们，他们想优化流程。” “然后，我们讨论他们的挑战和长期目标。一些客户希望减少周期时间或报废，而另一些客户只希望在流程中具有透明度，以了解正在发生的事情，并围绕参数和材料相互关系建立知识。”

sensXPERT 价值链示意图

“然后我们讨论他们在制造环境中的经验，”他继续说道。“这对于开发机器学习模型非常重要，这样它们就不会聚焦在错误的方向上—不一定测量每一个参数，而是旨在解决客户的挑战并提供真正的价值。我们使用源自实验室的材料科学创建了这些机器学习模型，但现在正与实时过程信息相匹配的传感器。这让我们可以分析材料在不同情况下的表现。然后，我们将这些数据与机器数据相结合，以弥补我们从原始实验室测试中了解到的与我们在不同情况下看到的模具中材料实际发生的情况之间的差距。这样我们就可以将所有这些信息相互关联起来。”

Chaloupka说，这是sensXPERT的真正价值，因为 “作为人类，我们并没有真正的能力获取10个过程参数，并将它们与材料行为和材料科学联系起来，以便知道如果我改变这个参数，那么这就是预期。这对我们的大脑来说太多了，无法快速完成，更不用说实时了。”他补充道：“有一些拥有数十年经验的专家可以快速评估制造违规行为并调整正确的参数。“但并不是每家公司都有这些专家，而且他们的数量也很少，这强调了对能够提供此类援助的技术工具的需求。”

一旦与客户最终确定了初始范围，sensXPERT就会与他们合作安装传感器、边缘设备和软件/IT基础设施。制造零件并建立机器学习模型。“然后我们开始数据分析和评估过程，”Chaloupka 说。

流程透明度和优化

工厂车间的 sensXPERT 边界设备连接到客户的内部网，使他们能够访问系统。Chaloupka 说，理想情况下，它还连接到互联网，允许将数据发送到云环境中进行高级分析。他补充道：“我们已经开发了必要的数据安全基础设施，并习惯于与大公司的风险评估框架合作，以及为小公司提供必要的援助。”。然后与客户一起完成安装的最后一部分。

“然后，从边界设备，我们将所有数据发送到云环境中，”他继续说道，“我们的软件使用历史数据重新计算未来的机器学习模型，这将进一步增强这些在边界设备上运行的模型，并提高识别改进领域的能力。同时，数据还被输入仪表板，用于日常监控和操作。”

与热塑性复合材料一起使用？

Chaloupka表示，sensXPERT可以与一系列材料配合使用，包括粘合剂、涂层、前驱聚合物和热塑性复合材料。他承认：“我们在热固性树脂市场中发展壮大， 95%的现有客户都是以热固性树脂为导向的。”，“但我们正在接触越来越多的热塑性塑料客户。是的，我们可以测量半结晶热塑性材料（如 PEEK、PEKK、PAEK）的结晶，也可以测量无定形热塑性树脂的固化。我们有一个用例，但它是用于己内酰胺原位聚合成聚酰胺 6（PA6）六西格玛产品制造。我们在一家德国公司安装了一个系列装置，该公司正在生产体积半成品，我们必须优化不同材料的制造工艺，并针对不同的板厚度采用适当的化学成分（混合比和添加剂）。”

Chaloupka说：“我们也在与那些希望增加可回收 物含量的热塑性塑料公司进行对话。”。“由于欧盟的 新规定，塑料行业无法避免使用更多的回收成分，甚至 是消费后材料，这使得在成型前更难对每一批材料进行 表征。因此，需要能够处理材料偏差并有助于确保正确 制造的新技术。这些偏差可能从一个批次发生到另一个 批次，您可能需要在不同的方向上更改许多不同的参数，才能生产出好的零件。我们正在对此进行研究，因为我 们可以实时查看和评估这些偏差。”

原位固化管（CIPP）可以使用紫外线固化 FRP 管衬，用于非开挖维修，而无需挖出旧的腐蚀管道。

进一步应用，与供应链合作

该公司已经开发了第二种产品 sensXPERT 管道， 用于对由玻璃纤维增强聚合物（GFRP）制成的原位固化管道（CIPP-cured in place pipe）衬里进行现场分析。它使用安装在机器人上的无接触 DEA 传感器，通过管道携 带紫外线（UV）光源来固化 FRP 衬里。当紫外线穿过 管道时，这些传感器使用射频技术提供非接触固化分析。Chaloupka 说：“现在，你可以实时看到紫外线的移动速 度，以及是否与最佳固化程度存在偏差。”同样，动态处理现在是可能的—— 光源的速度可以随时修改。Chaloupka 指出：“你有一个内在的质量保证记录。”“QA 是安装的一部分，而不是安装之后。”

sensXPERT首席执行官Cornela Beyer 表示：“最初，我们的重点是优化塑料和复合材料的生产工艺。”， “可持续性是一个副作用。但现在客户的需求已经发生了变化。他们面临着做出重大改变，以满足增加生物防护和/或回收以及减少能源使用的新要求。但他们仍然需要稳定的工艺和有保证的高性能产品质量。我们的技术实现了动态零件生产，他们可以优化 r 实时处理。但我们更进一步，使用机器学习和人工智能来查看它们的所有部分和数据，以进行预测。例如，系统可以发送警报，表示进程正在超出允许的窗口，并建议调整 X、Y和 Z 以使其恢复正常。”

“我们不仅仅与零部件制造商合作，”她继续说道，“因为这涉及到整个供应链，包括机器制造商、原材料供应商和工具制造商。我们已经在与材料供应商合作，如 Hexcel，为客户改进产品，还与机器制造商合作，如 KrausMaffei 和注塑专家 Wittmann Battenfeld。我们与零件制造公司合作的势头正在改变客户及其供应商的合作。这种模式‘更好地结合在一起’，我们开始看到这将带来的下一步发展。”

注：原文见《Next-gen composites manufacturing: Combining material, machine and mold cavity data with analytics》 2023.9.26

杨超凡 2023.10.6