层压纤维增强聚合物基复合材料广泛应用于航空航天领域，而且也越来越多地应用于其他行业如汽车行业。在复合材料加工时，确定一个给定刀具最佳切削参数至关重要，因为这可以显著减少部件不一致性。在飞机最终装配期间，加工过程中的表面分层导致60%的零件报废。
为了有效了解并控制分层，需要大量的实验工作，分层通常表现在系统钻孔，并需要对随后近千个孔进行分析，Intellegens深度学习软件Alchemite™, 可以通过量化复杂的非线性工具组合关系来减少该实验时间。
Alchemite™ 通过促进复杂数据关系的分析，在实验活动之前指导工具的设计和选择。在谢菲尔德大学先进制造研究中心(AMRC)进行的一项研究中，根据稀疏和噪声数据，实验比通常的测试程序少80%，Alchemite™基于稀疏且有噪声的数据，比常规测试程序少80%的实验，提供了对未来工具性能的有用预测，进一步节约了实验成本。它还能够识别系统中的哪些特征与性能相关，哪些与性能无关——这是设计未来实验时有价值的信息。
层压纤维增强聚合物（FRP）基复合材料由于其高度可定制的设计和优异的机械性能，在诸如航空航天等工业中被视为高性能、轻量化部件的驱动力。尽管这种可定制性增加了设计选项，但它会对生产过程中的成本、生产率和可持续性产生负面影响。这在加工过程中尤其明显，因为加工过程中FRP零件特有的缺陷会发生。
规定过于保守的切削刀具使用限制的一个常见原因是工艺的不确定性，这会导致基于零件质量标准的大量的且不可预测的缺陷产生。由于可用刀具设计和工件材料配置的广泛范围，需要采用特定应用的方法来确定最有效的切削策略。
使用一种详细的、宽边界的方法，可以找到最佳切削参数，这需要缓慢且昂贵的测试来确定刀具的绝对寿命极限。本文描述的工作建立了一种基于机器学习的新方法，从刀具的使用寿命起始性能数据预测刀具寿命，最大限度地减少实验成本和时间。由于原始数据集很稀疏，82%的目标数据丢失，该项目特别具有挑战性。
机器学习优点
Intellegens的新型机器学习软件Alchemite™, 从稀疏和噪声数据中构建了全面的模型，并利用深度学习的独特见解。在这项研究中，AMRC提供了55对钻头/复合材料对的加工时间序列数据，记录了23个加工响应，包括孔质量指标和过程中测量。使用其直观的拖放界面，这些数据很容易上传到Alchemite™ 分析软件。
深度学习模型基于工具数据集进行训练。尽管缺少82%的数据，但是Alchemite™ 仍能够训练出0.73的高决定系数模型，该算法与各种数据预处理步骤结合使用，实现了这种高精度，并降低了固有噪声。
如图1所示，这些步骤包括数据分组然后是聚合。分析表明，尽管有超过1000多个孔的典型测试数据集，但通过正确的聚合，200个数据点已经足够深入了解工具未来的切削性能。
图1 Alchemite™识别用于预测未来工具性能的最佳钻孔
Alchemite™ 可以识别用于预测未来工具性能的最佳钻孔。该图显示了如何通过优化数据聚合来提高模型（R平方）的准确性，以及来自200次测试（“钻孔”）的数据能够较高的准确性。
Alchemite™通过使用稀疏数据的洞察力来量化潜在的、复杂的非线性属性/属性关系，创建了一个具有出色预测能力的工具复合模型。由于能够准确预测未来钻孔数量的出口分层（图2），以及材料选择等因素对工具寿命和工具几何形状的影响，因此可以估计工具寿命。
图2：3D图的两个投影显示了出口分层因子（DF）的预测精度如何随钻孔数量而变化。连接点中的每个颜色表示一个独特的刀具复合对。
确保不合适的工具没有进行不必要的测试，并且只有最有希望的候选工具才能进行更全面的工具试验，这可以为试验活动的设计阶段提供信息。仅根据20%的典型获得的性能数据做出有用的决策，就可以在更少的测试基础上取得进展，从而减少高达80%的与测试相关的直接成本，如材料浪费、加工和技术人员时间，以及与设备维护和大修相关的成本。
通过在Alchemite中使用可解释的人工智能工具，可以识别与预测刀具寿命性能无关的变量，从而实现额外的实验简化。Alchemite™ 的预测精度随添加数据量成比例增加。因此，随着刀具组合数据库的增加，可以更准确地确定新组合部件的最佳刀具。
因此，该项目可以扩展到使用更具指导性的方法识别最佳刀具组合对，从而减少实验成本和时间。更重要的是，通过使用新的实验数据填充工具组合数据库，将加深对高维特征空间的理解，从而导致持续循环的操作性能改进。
关于AMRC和Intellegens
世界领先的研究和创新中心组成的网络——谢菲尔德大学先进制造研究中心（AMRC）与全球各地的制造公司合作。为了帮助行业开发控制钻孔引起分层的经济方法，AMRC进行了许多具有历史意义的CFRP和CFRP/金属堆叠钻孔试验。
Intellegens为工业研发和制造中的真实实验和过程数据问题提供了独特的机器学习解决方案。基于一种起源于剑桥大学的方法，Alchemite™深度学习软件可以对稀疏的、有噪声的数据进行建模，这是其他机器学习方法无法成功实现的。
