Ağıllı qatqılı istehsal sistemi yalnız robot, qaynaq maşını və ya 3D printerdən ibarət deyil. Termal kamera, termocüt, maşın mövqeyi, qaynaq cərəyanı, gərginlik, məftilvermə sürəti və bir çox başqa məlumat mənbəyinin eyni istehsal prosesini eyni vaxtda izləməsi lazımdır. Problem ondadır ki, bu cihazların çoxu fərqli istehsalçılar tərəfindən hazırlanır və TCP, UDP, OPC-UA və ya istehsalçıya məxsus proqram təminatı kimi bir-birindən fərqli rabitə üsullarından istifadə edir. Georgia Institute of Technology tədqiqatçılarının bu işi, fərqli cihazları vahid sabit protokola məcbur etmək əvəzinə, hər cihaz bağlantısını müstəqil Python moduluna çevirən və bu modulları mərkəzi çoxaxınlı arxitekturada birləşdirən alternativ yanaşma təklif edir.

Təklif olunan quruluş wire-arc additive manufacturing (WAAM) sistemi üzərində nümayiş etdirildi. Təcrübə qurğusunda Fanuc LR Mate 200iD/7L robotundan TCP ilə 10 Hz mövqe məlumatı, Fronius TPS 400i qaynaq sistemindən OPC-UA ilə 20 Hz qaynaq məlumatı, FLIR infraqırmızı kameradan 30 Hz termal görüntü və Raspberry Pi-yə qoşulmuş dörd termocütdən UDP ilə 10 Hz temperatur məlumatı toplandı. Hər məlumat nümunəsinə mərkəzi kompüterdəki ümumi NTP vaxt istinadına əsasən zaman möhürü əlavə edilərək müxtəlif tezlik və protokollardakı ölçmələrin ortaq istehsal zaman xəttində müqayisə edilə bilməsi hədəfləndi.

İşin əsas ideyası bütün istehsal avadanlıqlarının eyni rabitə protokolunda işləməsini təmin etmək deyil, hər cihazın öz təbii rabitə formasını qoruyaraq mərkəzi arxitekturaya standart məlumat çıxışı ilə qoşulmasını təmin etməkdir. Beləliklə yeni sensor əlavə ediləndə bütün arxitekturanı yenidən yazmaq əvəzinə yalnız həmin cihaz üçün yeni rabitə modulu hazırlamaq mümkündür. Bununla belə iş yalnız müəyyən WAAM laboratoriya sistemi üzərində nümayiş təqdim edir; arxitekturanın bütün qatqılı istehsal maşınları ilə avtomatik uyğunluğunu, sənaye miqyasında gecikmə performansını və ya qapalı dövrə keyfiyyət nəzarətində istehsal qazancını hələ göstərmir.

Qatqılı istehsalda niyə “rəqəmsal arxitektura” lazımdır?

Qatqılı istehsal prosesində fiziki hissənin qat-qat yaradılması prosesin yalnız görünən hissəsidir. Müasir sistemdə eyni anda çoxsaylı rəqəmsal məlumat yaranır:

• robot və ya CNC mövqeyi,
• qaynaq cərəyanı və gərginliyi,
• məftilvermə sürəti,
• istilik girişi və güc,
• termal kamera görüntüləri,
• termocüt temperaturları,
• optik görüntülər,
• akustik siqnallar,
• maşın vəziyyəti və xəta mesajları.

Bu məlumatlar hissədə niyə məsamə, çat, həndəsi sapma və ya termal deformasiya yarandığını anlamaq üçün vacib ola bilər. Eyni məlumatlar daha sonrakı mərhələdə maşın öyrənməsi modellərinin girişi və ya real vaxt idarəetmə dövrələrinin geriəlaqəsi kimi də istifadə oluna bilər.

Lakin fiziki olaraq eyni istehsal hüceyrəsində yerləşən cihazların rəqəmsal olaraq eyni dili danışması məcburi deyil.

Əsas problem müxtəlif istehsalçıların fərqli rabitə üsullarıdır

Bir robot istehsalçısı TCP socket mesajlaşması və özünəməxsus proqramlaşdırma dili istifadə edə bilər. Qaynaq enerji mənbəyi OPC-UA serveri təqdim edə bilər. Bir kamera istehsalçısı öz SDK-sından istifadə edərkən başqa sensor UDP paketi göndərə bilər.

Tədqiqatçıların problemini belə ümumiləşdirmək olar:

Fərqli protokollar + fərqli nümunə götürmə tezlikləri + fərqli istehsalçı proqramları → parçalanmış istehsal məlumatı.

Halbuki proses təhlili aparılarkən tədqiqatçının bilmək istədiyi məsələn belədir:

Robot məhz bu koordinatda olarkən qaynaq cərəyanı nə qədər idi, termal kamerada maksimum temperatur neçə idi və eyni anda lövhədəki dörd termocüt nə ölçdü?

Bunu cavablandırmaq üçün məlumatların ortaq zaman kontekstinə yerləşdirilməsi lazımdır.

ROS niyə birbaşa həll kimi seçilmədi?

İş Robot Operating System-i (ROS) çoxkomponentli sistemlərin rabitə və idarə olunması üçün mühüm yanaşma kimi qiymətləndirir. Lakin müəlliflər öz istifadə məqsədləri baxımından ROS-un əməliyyat sistemi, implementasiya və ilkin bilik tələblərini məhdudlaşdırıcı hesab edirlər.

MTConnect və OPC-UA kimi həllər də sənaye maşın məlumatlarına çıxış üçün istifadə oluna bilər. Buna qarşılıq tədqiqatçıların məqsədi vahid protokolu bütün cihazlara tətbiq etmək deyil, istehsalçıya məxsus mövcud rabitə üsullarını bir-birindən müstəqil Python modulları vasitəsilə mərkəzi quruluşa bağlamaqdır.

Bu iş ROS, MTConnect və ya OPC-UA-nın ümumilikdə yetərsiz olduğunu sübut edən müqayisəli benchmark deyil. Onların işin kontekstindəki uyğunluq məhdudiyyətləri arxitektura dizaynının əsaslandırılması kimi müzakirə olunur.

Təklif olunan arxitekturanın əsas prinsipi nədir?

Arxitektura üç anlayış üzərində qurulub:

1. Hər avadanlıq üçün müstəqil rabitə modulu.
2. Modulların mərkəzi Python “main” sistemi tərəfindən paralel işlədilməsi.
3. Bütün məlumatların zaman möhürü ilə ortaq məlumat strukturunda birləşdirilməsi.

Buna görə sistem monolitik deyil, moduldur.

Termocüt sistemi əlavə edilməli olduqda Fanuc və ya Fronius kodunu yenidən dizayn etmək əvəzinə yalnız termocütdən məlumat alan yeni Python skripti yazılır və əsas axın menecerinə əlavə edilir.

Şəkil 2: Mərkəzi arxitektura necə işləyir?

Məqalənin 3-cü səhifəsindəki Şəkil 2 bütün sistemin arxitektura xəritəsini göstərir.

Mərkəzdə Main Multi-thread Handler yerləşir. Bu əsas quruluş müxtəlif avadanlıqlarla əlaqə quran alt proqramları eyni anda işlədir.

Məsələn:

• Fronius Handler → OPC-UA məlumatlarını toplayır,
• Fanuc Handler (Read) → robot mövqeyini və register dəyərlərini alır,
• Fanuc Handler (Write) → robota başlatma və ya oxşar siqnallar göndərə bilər,
• FLIR IR Handler → termal kamera görüntülərini emal edir.

Əsas quruluş həmçinin IP ünvanlarını, sistem parametrlərini və təcrübə məlumatlarını ayrı lüğətlərdə saxlayır. Toplanan məlumat daha sonra çevrilərək DataFrame/yerli fayl strukturunda saxlanıla bilər.

Python multi-threading burada nə iş görür?

Sensorların bir-birini gözləməməsi lazımdır. Termal kamera saniyədə 30 görüntü istehsal edərkən robot yalnız saniyədə 10 mövqe nümunəsi göndərirsə, bütün sistemin ən yavaş cihaza uyğun işlədilməsi məlumat itkisinə səbəb ola bilər.

Buna görə hər rabitə prosesi müstəqil axında işlədilir.

Bir cihazdan gələn məlumat queue strukturuna buraxılır. Başqa bir axın bu növbədəki qeydləri mərkəzi log sisteminə yazır.

Bu yanaşma müxtəlif cihazların öz təbii məlumat sürətlərində işləməsinə imkan verməyi hədəfləyir.

Zaman möhürü niyə sistemin kritik komponentidir?

Fərqli tezliklərdə qeyd aparılması özlüyündə problem deyil; hansı ölçmənin prosesin hansı anına aid olduğunun bilinməməsi əsas problemdir.

Hər alt proqram məlumat nöqtəsinə kompüterin ümumi NTP vaxt istinadından istifadə edərək zaman möhürü əlavə edir.

Bir məlumat qeydi konseptual olaraq:

[sensor kimliyi + ölçülən dəyər + zaman möhürü]

şəklində düşünülə bilər.

Beləliklə 30 Hz kameradakı bir görüntünün təxminən hansı 20 Hz qaynaq nümunəsinə və ya 10 Hz robot mövqeyinə uyğun gəldiyi sonradan müəyyən edilə bilər.

Bununla belə iş NTP əsaslı uyğunlaşdırmanın mütləq vaxt dəqiqliyini və ya cihazlar arasındakı sinxronizasiya xətasını ölçməyib.

Fanuc robotla rabitə necə qurulur?

Təcrübə qurğusunun robotu Fanuc LR Mate 200iD/7L-dir.

Əsas rabitə:

• TCP socket messaging,
• Fanuc R648 və R636 socket paketləri,
• Fanuc-un KAREL proqramlaşdırma dili

üzərindən həyata keçirilir.

Python-un daxili socket paketləri robotla əlaqəni başladır; robot KAREL proqramı vasitəsilə bağlantını qəbul edir və qaynaq proqramı boyunca məlumat göndərə bilir.

KAREL-in icra quruluşuna görə məlumat göndərmə və qəbul etmə vəziyyətləri qaynaq skriptindəki register dəyərləri ilə dəyişdirilir. Qatlar arasında robot kompüterdən davam siqnalı gələnə qədər gözləyə bilər.

Bu quruluş yalnız məlumat oxumağa deyil, müəyyən şərtlərdə kompüterdən robota məlumat göndərilməsinə də imkan verir.

Fronius qaynaq sistemi necə qoşulur?

İkinci əsas komponent Fronius TPS 400i qaynaq enerji sistemidir.

Sistem öz OPC Unified Architecture — OPC-UA serverini yerləşdirir.

Kompüter bu server vasitəsilə:

• qaynaq rejimi,
• prosesin aktiv olub-olmaması,
• xəta məlumatları,
• seam nömrəsi,
• qaynaq enerjisi,
• cərəyan,
• gərginlik,
• güc,
• məftilvermə sürəti

kimi məlumatları oxuya bilir.

Python tərəfində asinxron proqramlaşdırmadan istifadə olunaraq OPC-UA serveri təcrübədə 20 Hz intervalla sorğulanıb.

FLIR termal kamera niyə ayrıca thread tələb edir?

Termal kamera bağlantısı FLIR-in Spinnaker SDK-sı və PySpin tətbiqi vasitəsilə həyata keçirilir.

Kamera xam radiometrik məlumatı oxuyub verilən emissivity dəyərindən asılı olaraq temperatura çevirə bilir.

İş mühüm praktik problem bildirir: görüntünün eyni handler daxilində diskə yazılması kamera sürətini təxminən 30 fps-dən 10 fps-ə qədər azalda bilər.

Tədqiqatçılar buna görə görüntü saxlamanı ayrıca thread-ə ayırıblar. Kamera məlumat axını ilə diskə yazma əməliyyatının ayrılması kameranın daha yüksək təbii nümunə götürmə sürətini qorumağı hədəfləyir.

Termocüt əlavə etmək modulluğu necə göstərir?

Məqalənin 4-cü səhifəsindəki Şəkil 3(b), işin “modul” iddiasını birbaşa vizuallaşdırır.

İlk arxitekturda olmayan termocütlər daha sonra Raspberry Pi vasitəsilə sistemə əlavə edilib.

Axın:

Termocütlər → Raspberry Pi Thermocouple Reader → UDP → Thermocouple Handler → Main Multi-thread Handler

şəklindədir.

Yeni cihaz üçün tələb olunan əsas əməliyyatlar mənbədə üç addım kimi açıqlanır:

1. rabitə skriptini başlat,
2. məlumatların ötürüləcəyi queue-nu yarat,
3. proses bitəndə bağlantını düzgün şəkildə bağla.

Bu, modulluğun yeni sensorun avtomatik aşkarlanması demək olmadığını da göstərir. Sensor-xüsusi rabitə kodu yenə də hazırlanmalıdır.

Təcrübədə nə istehsal edildi?

Arxitekturanın işləməsini göstərmək üçün wire-arc additive manufacturing ilə beş qatlı, tək tikişli Aluminum 5183 divar istehsal edilib.

Divar uzunluğu:

152,4 mm

kimi verilib.

Altlıq isə Aluminum 6061-dən:

50,8 × 203,2 mm

ölçülərində hazırlanıb.

Bu təcrübə zamanı dörd müstəqil məlumat axını eyni vaxtda qeydə alınıb.

Şəkil 4 niyə işin ən mühüm vizuallarından biridir?

Dördüncü səhifədəki Şəkil 4 yalnız arxitektura sxemini deyil, real təcrübə məlumatlarının eyni prosesdə necə birləşdiyini göstərir.

Vizualda:

• IR kameranın termal ölçümü,
• Fanuc robotun üçölçülü mövqeyi,
• Fronius qaynaq sistemi məlumatları,
• dörd termocütün temperatur əyrisi

eyni WAAM prosesi kontekstində göstərilir.

Termal kamera nümunəsində maksimum temperatur 509,36 °C olaraq görünür.

Bu dəyər işin əsas performans nəticəsi deyil; Şəkil 4-də göstərilən müəyyən proses anına aid termal ölçmə nümunəsidir.

Fərqli tezlikli məlumatlar necə emal olunur?

Mənbədə hər məlumat axını öz orijinal tezliyində qeydə alınır və zaman möhürləri ilə mənbənin başlanğıcına uyğunlaşdırılır.

Təcrübə zamanı Python logging mexanizmi məlumatı sensor tipindən asılı olmayaraq mümkün qədər sürətlə qeyd edir. Əsas proqram dayandırıldıqda CSV yenidən ayrışdırılaraq sensorlara görə təşkil edilir.

Bu yanaşmanın mühüm üstünlüklərindən biri xam məlumatın təbii tezliyinin qoruna bilməsidir.

Tədqiqatçı daha sonra ehtiyacına görə məlumatı:

• eyni tezlikdə saxlaya bilər,
• downsample edə bilər,
• ara dəyər təxmini ilə həllolma qabiliyyətini yüksəldə bilər,
• müxtəlif sensorlarla nöqtə-nöqtə müqayisə edə bilər.

Termocüt və IR kamera niyə birlikdə dəyərlidir?

IR kamera səth temperaturu haqqında yüksək məkan və zaman həllolması təmin edə bilər, lakin düzgün temperatur hesablaması emissivity dəyərindən asılıdır.

Termocüt isə müəyyən fiziki nöqtələrdə birbaşa temperatur istinadı verə bilər.

Müəlliflər xüsusilə alüminium sistemində termocütlərin IR kameranın emissivity parametrlərini təsdiqləmək üçün bir növ ground truth kimi istifadə oluna biləcəyini bildirirlər.

Bu, məlumat füzyonunun yalnız daha çox məlumat toplamaq üçün deyil, bir sensorun başqa sensor tərəfindən təsdiqlənməsi üçün də istifadə oluna biləcəyini göstərir.

Real vaxt idarəetməsi mümkündürmü?

Arxitektura yalnız məlumatı qeyd edən birtərəfli sistem kimi dizayn edilməyib. Mərkəzi kompüter hesablamadan sonra bəzi maşınlara geri məlumat göndərə bilir.

Mənbədə verilən nümunə, termal məlumatda müəyyən dəyişiklik aşkarlandıqda robot mövqeyinin daha soyuq zonalara yönəldilərək hissə boyunca daha bərabər temperatur qradiyenti əldə etməyə çalışılmasıdır.

Bu güclü istifadə ssenarisidir, lakin mühüm elmi sərhəd budur:

İş bu xüsusi adaptiv termal idarəetmə alqoritmini tətbiq edib hissə keyfiyyətindəki yaxşılaşmanı ölçməyib.

Yəni arxitektura belə geriəlaqə dövrəsinə texniki əsas verə bilər; qapalı dövrə performansı gələcəkdə ayrıca təsdiqlənməlidir.

Maşın öyrənməsi üçün hansı üstünlüyü ola bilər?

Müxtəlif sensor məlumatlarının zaman baxımından uyğunlaşdırılması maşın öyrənməsi üçün xüsusilə vacibdir.

Məsələn iş 30 Hz termal kamera məlumatının iki 15 Hz alt dəstəyə bölünə biləcəyini müzakirə edir.

Bir 15 Hz məlumat dəsti:

• qaynaq parametrləri,
• robot mövqeyi,
• termal məlumatlar

ilə birlikdə modelin təlimində istifadə oluna bilər; digər 15 Hz nöqtələr isə proqnoz performansını yoxlamaq üçün istifadə edilə bilər.

Bu ssenari işdə təklif kimi verilib. Məqalənin öz təcrübələrində bu dizaynla öyrədilib dəqiqliyi bildirilən yeni ML modeli yoxdur.

İş nəyi dəstəkləyir?

• Müxtəlif istehsalçı və protokollara malik WAAM komponentləri Python əsaslı modul mərkəzi arxitekturaya qoşula bilər.
• TCP, OPC-UA, Ethernet və UDP əsaslı məlumat axınları eyni təcrübə zamanı birlikdə qeydə alına bilər.
• Hər sensor öz məlumat toplama tezliyində işlədilə bilər.
• Zaman möhürləri müxtəlif tezlikdəki məlumat axınlarını eyni istehsal prosesi boyunca əlaqələndirmək üçün istifadə edilə bilər.
• Yeni sensor modulu mövcud əsas quruluşu bütövlükdə yenidən dizayn etmədən əlavə edilə bilər.
• Mərkəzi kompüter yalnız məlumat almaqla məhdud deyil; bəzi maşın bağlantılarında geri məlumat göndərmə infrastrukturu qurula bilər.
• Toplanan birləşik məlumat prosesdən sonrakı analiz, sensor təsdiqləmə, maşın öyrənməsi və gələcək geriəlaqəli idarəetmə sistemləri üçün əsas yarada bilər.

İş nəyi sübut etmir?

• Arxitekturanın dünyadakı bütün qatqılı istehsal sistemləri ilə birbaşa uyğun olduğunu sübut etmir.
• Yeni cihazın rabitə skripti yazılmadan avtomatik şəkildə sistemə qoşulacağını göstərmir.
• Zaman sinxronizasiyasının mütləq həssaslığını ölçmür.
• Şəbəkə gecikməsi, paket itkisi və jitter üçün kəmiyyət benchmark təqdim etmir.
• Çox yüksək sensor sayında miqyaslana bilmə sərhədini ölçmür.
• ROS, MTConnect və ya başqa arxitekturalara qarşı kəmiyyət performans üstünlüyü göstərmir.
• Qapalı dövrə proses idarəetməsinin hissə keyfiyyətini artırdığını eksperimental olaraq göstərmir.
• Toplanan məlumatlarla yeni maşın öyrənməsi alqoritminin dəqiqliyini ölçmür.
• İstehsal olunan Aluminum 5183 nümunəsinin mexaniki xüsusiyyətlərində arxitekturaya bağlı yaxşılaşmanı sübut etmir.

İşin Metodu və Nəticələri

Təcrübə sisteminin fiziki komponentləri

Rabitə protokolları

Məlumat emalı zənciri

İşin proqram axını sadələşdirildikdə:

Cihaz → cihaz-xüsusi Python rabitə skripti → queue → mərkəzi multi-thread handler → timestamp + məlumat qeydi → logging → CSV → sensora görə yenidən təşkil

şəklindədir.

Bu dizaynın mühüm tərəfi sensor məlumatının mərkəzi tətbiqə gəlməzdən əvvəl öz cihaz-xüsusi rabitə qatında həll edilməsidir.

Mərkəzi sistem beləliklə hər cihazın detallı protokolunu eyni kod blokunda idarə etmək məcburiyyətində qalmır.

NTP vaxt istinadı

Alt modullar ümumi kompüterdəki NTP vaxt istinadı ilə məlumat nöqtələrinə zaman möhürü əlavə edir.

Bu yanaşma müxtəlif məlumat axınlarının mənbənin başlanğıcı ətrafında uyğunlaşdırılmasına imkan verir.

Lakin mənbədə:

• NTP offset,
• clock drift,
• paket gecikməsi,
• timestamp qeyri-müəyyənliyi,
• sinxronizasiya xətası

üçün kəmiyyət ölçümü verilmir.

Beş qatlı nümayiş

Şəkil 3-ün göstərdiyi modul əlavə

Termocütlərin ilkin arxitekturaya sonradan əlavə edilməsi işin modul dizaynının ən birbaşa nümayişidir.

Raspberry Pi-dəki termocüt oxuyucusu temperatur massivini yaradır. Thermocouple Handler bu məlumatı mərkəzi strukturun gözlədiyi formata çevirir və əsas multi-thread handler-a ötürür.

Digər cihazların rabitə kodları bu əlavə zamanı yenidən yazılmayıb.

Şəkil 4-ün göstərdiyi məlumat füzyonu

Şəkil 4-də dörd fiziki məlumat mənbəyi bir istehsal hadisəsi ətrafında vizuallaşdırılır.

Beləliklə tədqiqatçı eyni zaman intervalında:

• istilik mənbəyinin mövqeyini,
• IR maksimum temperaturunu,
• qaynaq enerji sistemi davranışını,
• lövhədəki dörd temperatur ölçməsini

birlikdə araşdıra bilir.

Bu iş baxımından “vahid məlumat axını” ifadəsi bütün sensorların eyni tezlikdə eyni tip ölçmə istehsal etməsi deyil, müxtəlif məlumat axınlarının ortaq zaman və qeyd strukturu vasitəsilə birlikdə təhlil edilə bilməsi deməkdir.

Məlumat həllolması sonradan dəyişdirilə bilər

Məqalə iki fərqli məlumat emalı ssenarisini müzakirə edir.

Həllolmanı artırma: 10 Hz termocüt ölçmələri arasında 30 Hz IR kamera və ya Kalman filtri kimi üsullardan istifadə edilərək ara dəyərlər təxmin edilə bilər.

Həllolmanı azaltma: IR kameranın 30 Hz məlumatı daha aşağı tezlikli və etibar edilən başqa sensorla nöqtə-nöqtə müqayisə üçün downsample edilə bilər.

Həmçinin buluda göndərilən məlumat həcminin məhdudlaşdırılması lazım olan sistemlərdə daha aşağı tezlikdə məlumat axını yaradıla bilər.

Bunlar arxitekturanın təqdim etdiyi məlumat emalı imkanlarıdır; məqalədə bütün bu filtrləmə üsullarının performansı müqayisəli şəkildə sınaqdan keçirilməyib.

İşin güclü tərəfləri

• Real WAAM avadanlığı üzərində tətbiqi nümayiş aparılması.
• Dörd fərqli məlumat mənbəyinin eyni vaxtda istifadə edilməsi.
• TCP, UDP və OPC-UA kimi fərqli rabitə üsullarının eyni arxitekturda olması.
• Fərqli təbii nümunə götürmə tezliklərinin qorunması.
• Yeni termocüt modulunun sonradan əlavə edilərək modulluğun göstərilməsi.
• Zaman möhürlü məlumat strukturunun proses təhlili üçün mərkəzləşdirilməsi.
• Robot bağlantısında yalnız oxuma deyil, geri yazma imkanının olması.
• Proqram strukturunun Python kimi geniş yayılmış tədqiqat dili ilə hazırlanması.

İşin əsas məhdudiyyətləri

İş qısa formatlı Manufacturing Letters məqaləsi olduğu üçün arxitekturanın çox geniş miqyaslı performans qiymətləndirilməsi aparılmayıb.

Xüsusilə aşağıdakı ölçmələr çatışmır:

• uçdan-uca məlumat gecikməsi,
• timestamp sinxronizasiya xətası,
• paket itkisi nisbəti,
• uzunmüddətli sistem sabitliyi,
• maksimum eyni vaxtlı sensor sayı,
• CPU və RAM yükü,
• şəbəkə bant genişliyi tələbi,
• idarəetmə dövrəsinin cavab müddəti,
• digər rəqəmsal arxitekturalarla kəmiyyət benchmark.

Bundan əlavə test bir tədqiqat WAAM hüceyrəsində həyata keçirilib. Fərqli marka robotların, CNC sistemlərinin, lazer əsaslı AM maşınlarının və ya sənaye zavod şəbəkələrinin eyni asanlıqla inteqrasiya edilə bilməsi ayrıca təsdiqlənməlidir.

Sənayedə tətbiq edilərkən başqa nə tələb olunur?

Tədqiqat laboratoriyasında modul məlumat toplama arxitekturası qurmaqla fasiləsiz işləyən sənaye istehsal infrastrukturu eyni etibarlılıq tələblərinə malik deyil.

Real zavod tətbiqində əlavə olaraq:

• istifadəçi səlahiyyətləndirməsi,
• şəbəkə təhlükəsizliyi,
• sənaye cihaz sertifikatlaşdırması,
• bağlantı kəsildikdə təhlükəsiz davranış,
• məlumat bütövlüyü,
• ehtiyat nüsxələmə,
• versiya idarəetməsi,
• protokol dəyişikliklərində texniki xidmət,
• real vaxt idarəetməsinin təhlükəsizlik sərhədləri

kimi məsələlər də ayrıca həll olunmalıdır. Mənbə iş bunların hamısını həll edilmiş hesab etmir.

Türkiyədəki istehsal sistemləri baxımından mənası

İşdə Türkiyədəki zavod, robot və ya AM sistemi üzərində test yoxdur. Buna görə sistemin konkret türk sənaye obyektində birbaşa işləyəcəyi nəticəsi çıxarıla bilməz.

Bununla belə tədqiqatın əsas arxitektura ideyası marka və protokol müxtəlifliyinin yüksək olduğu istehsal müəssisələri üçün ümumi tədqiqat yanaşması təqdim edir. Məsələn, müxtəlif istehsalçılardan robot, qaynaq sistemi, CNC, termal kamera və proses sensorları olan hüceyrədə hər cihaz üçün ayrıca bağlantı modulu hazırlanaraq ortaq zaman möhürlü məlumat qatına ötürülə bilər.

Yerli sənaye tətbiqində xüsusilə istifadə olunan PLC/CNC/robot protokolları, kibertəhlükəsizlik qaydaları, real vaxt tələbləri və zavod şəbəkə infrastrukturu üçün ayrıca təsdiqləmə aparılmalıdır.

Mənbə və Metod Qeydi

Tam orijinal tədqiqatın adı: A proposal of a modular and customizable digital architecture for additive manufacturing

Müəlliflər: Kathryn Kelly, Christopher Saldana, Kyle Saleeby.

Müəllif sırası: Mənbə işdəki sıra olduğu kimi qorunub.

Məsul müəllif: Kathryn Kelly.

Bərabər töhfə/birgə birinci müəllif: Mənbədə bərabər töhfə bəyanatı yoxdur.

Qurum 1: Georgia Institute of Technology, George W. Woodruff School of Mechanical Engineering, Atlanta, Georgia, USA.

Qurum 2: Georgia Institute of Technology, Georgia Tech Manufacturing Institute, Atlanta, Georgia, USA.

Mənbə növü: Rəyli qısa formatlı tədqiqat/tətbiq məqaləsi; Manufacturing Letters daxilində “Letters” kimi dərc olunub.

Jurnal: Manufacturing Letters.

Nəşr edən: Elsevier Ltd. on behalf of Society of Manufacturing Engineers (SME).

Cild: 49.

Səhifələr: 13–18.

DOI: 10.1016/j.mfglet.2026.06.008

Göndərilmə tarixi: 2 Aprel 2026.

Reviziya tarixi: 2 İyun 2026.

Qəbul tarixi: 9 İyun 2026.

Onlayn nəşr: 22 İyun 2026.

Rəsmi DOI bağlantısı: https://doi.org/10.1016/j.mfglet.2026.06.008

Rəy statusu: Manufacturing Letters-ın dərc olunmuş rəyli qısa tədqiqat formatıdır. Jurnalın rəsmi müəllif təlimatı məqalələrin rəy prosesinə tabe olduğunu bildirir.

Lisenziya: Creative Commons Attribution-NonCommercial 4.0 — CC BY-NC 4.0.

Preprint statusu: Araşdırılan fayl son dərc olunmuş Manufacturing Letters məqaləsidir.

Təcrübə sistemi: Fanuc LR Mate 200iD/7L robot manipulyatoru, Fronius TPS 400i CMT qaynaq sistemi, FLIR IR kamera, dörd termocüt və Raspberry Pi.

Nümayiş: Aluminum 5183 istifadə edilərək Aluminum 6061 altlıq üzərində 152,4 mm uzunluqda, beş qatlı tək tikişli WAAM divar.

Əsas proqram arxitekturası: Python multi-threading, queue, logging, cihaz-xüsusi handler skriptləri və zaman möhürlü mərkəzi məlumat toplama.

Rabitə üsulları: Fanuc üçün TCP/KAREL; Fronius üçün OPC-UA; FLIR üçün Ethernet/Spinnaker/PySpin; Raspberry Pi termocüt sistemi üçün UDP.

Məlumat tezlikləri: Fanuc 10 Hz; Fronius 20 Hz; FLIR 30 Hz; termocütlər 10 Hz.

Zaman sinxronizasiyası: Modullar mərkəzi kompüterdəki ümumi NTP vaxt istinadına əsasən zaman möhürü təyin edir. Məqalədə sinxronizasiya xətasının kəmiyyət benchmark-ı verilməyib.

Maliyyələşdirmə: Məqalədə ayrıca maliyyələşdirmə bəyanatı yoxdur. CRediT töhfələrində Kyle Saleeby üçün Funding acquisition rolu göstərilib.

Maraqların toqquşması: Müəlliflər işə təsir göstərə biləcək məlum maliyyə marağı və ya şəxsi münasibət olmadığını bəyan ediblər.

CRediT töhfələri: Kathryn Kelly: Writing – review & editing, Writing – original draft, Validation, Software, Methodology, Investigation, Formal analysis, Conceptualization. Christopher Saldana: Writing – review & editing, Supervision. Kyle Saleeby: Writing – review & editing, Resources, Funding acquisition, Formal analysis, Data curation.

Kod əlçatanlığı: Mənbə məqalə istifadə olunan test kodunun Georgia Tech Manufacturing Institute-dan sorğu əsasında əldə edilə bildiyini və iş tamamlandıqdan sonra GTMI GitHub hesabında bütövlükdə dərc edilməsinin planlaşdırıldığını bildirir. Bu ifadə mənbə məqalənin nəşr vaxtındakı vəziyyətini əks etdirir.

Məlumat əlçatanlığı: Məqalədə əlavə ayrıca Data Availability Statement yoxdur. İşin əsas məqsədi arxitekturanın və nümunə məlumat axınlarının nümayişidir.

Əsas metodoloji sərhəd: Arxitektura bir WAAM tədqiqat sistemi üzərində sınaqdan keçirilib. Məqalədə uçdan-uca latency, jitter, packet loss, NTP sinxronizasiya xətası, resurs istifadəsi və ya böyük sensor sayında miqyaslana bilmə benchmark-ı yoxdur.

Modulluq sərhədi: Arxitekturaya yeni cihaz əlavə etmək üçün müvafiq sensor/maşınla əlaqə qura bilən cihaz-xüsusi Python skripti hazırlanmalıdır. İş plug-and-play avadanlıq aşkarlanmasını təklif etmir.

İdarəetmə sərhədi: Mərkəzi kompüterdən maşına məlumat yazıla bilməsi arxitekturanın geriəlaqəli idarəetmə üçün istifadəsini mümkün edir; lakin işdə termal geriəlaqə ilə avtomatik robot düzəlişinin hissə keyfiyyətinə təsiri eksperimental olaraq ölçülməyib.

Maşın öyrənməsi sərhədi: Məlumat arxitekturasının ML modelləri üçün istifadə oluna biləcəyi müzakirə edilib; məqalə öz topladığı məlumat üzərində yeni maşın öyrənməsi modelinin performansını bildirmir.

Elmi məzmun sərhədi: Bu Verianla yazısındakı arxitektura, avadanlıq, rabitə protokolları, sensor tezlikləri, təcrübə həndəsəsi və tətbiq ssenariləri orijinal işə əsaslanır. Xarici mənbə yalnız biblioqrafik qeyd və jurnalın rəy statusunun təsdiqi məqsədilə istifadə edilib.