2つのゲームチェンジャー

AIがもたらすレーザー加工の革命
最適な加工条件を導き出す画期的な2つのセンサー

AUTOMATE AUTOCAT

これを使えば、新人技術者でもレーザー加工が出来るようになります
自社開発のファイバーレーザーとコントローラーだから出来る最高傑作


トルコ最大の板金機械メーカー DURMA社
モデル名:AUTO MATE(オートメイト)

自社開発のファイバーレーザー発振器最大30kW
DURMA自社製 原子レベルで材料判断する、材料自動判断センサー。

材質・板厚を測定レーザーパラメーター生成

【動画】材料自動判断センサーが、テーブル上の材料に接近。材質を原子レベルで分析し、板厚を測定し、鉄(SS400、SS540、SM490)などマンガンの含有量も成分分析で判別。
ステンレス(302、430、410)でも同様に判別可能。


トルコ最大の板金機械メーカー DURMA社
モデル名:AUTO CUT(オートカット)

自社開発のファイバーレーザー発振器最大30kW
DURMA自社製 切断加工条件を最適化する、AIによる加工条件補正センサー。

【動画】切断物センサーが、ドロス・バリと切断側面の縞模様を分析し、切断条件である、パワー、加工スピード、アシストガスを最適化し、パラメーターを機械へ戻し、最適なレーザー切断加工します。
(焦点距離、加工速度、アシストガス、出力などの切断パラメーターの編集)。最高3度で完全習得。熟練者の経験値のAI学習機能付き。


AUTOMATEとAUTOCUTの組み合わせで、今まで熟練者に頼った「切断の条件出し」が、AI機能を持つこの機能で条件出し段取りが大幅に削減され、容易になります。

レーザー切断技術は、金属加工をはじめとする多くの業界で不可欠な存在ですが、効率、切断の切り口のクオリティー、精度等は、オペレーターの技術に依存し、条件出しのデーター取りが必要になるという課題は依然として残っています。Durma社はこれらの課題に対応するため、レーザー切断をより理想に近づけけられるよう2つのAIを用いて革新的プロジェクト、オートメイト(Automate)とオートカット(Autocut) を開発しました。

  • 見た目が似ているが、原子構造や金属等級が異なる素材を正確に識別するのは難しい。(例:SS400とSS540)

オートメイト(Automate)の導入

  • オートメイトは、テーブルにセットされた材料の厚みを異なる波長の光で分析します。その特徴は、素材を原子レベルで分析できる点にあり、この技術により、見た目が同じでも異なる原子構造を持つ金属を正確に識別できます。
  • レーザー切断では、各材料に適したパラメータを選ぶことが高品質な仕上がりにするための重要ポイントです。 各種材料に伴う「条件出し」と言われる焦点距離・ガス・切削速度・レーザー出力などの条件すなわちパラメータ選定は専門知識が必要で、オペレーターにとって時間がかかるうえ、複雑な作業になる場合があります。

オートカット(Autocut)の導入

  • オペレーターが初回の切断で期待通りの結果が得られなかった場合、部品をオートカット装置にセットします。このシステムは切断機から既存のパラメータを取得し、AIアルゴリズムを用いて初回の切断を分析します。そして、最適化された新しいパラメータをレーザー加工機に送信し、再切断を指示します。理想的な切断結果を実現します。

オートメイトとオートカットの統合により、完全自律型のレーザー切断システムへの大きな一歩が実現します。これにより、以下が可能になります。

  • 材料を自動で識別し、特性を分析
  • 適切な切断パラメータを自動選定・最適化
  • 人の介入を最小限に抑え、オペレーターは監視に集中

これらの技術革新により、Durmaは製造業に新しい基準を提供します。

  • 効率性の向上: 設定の迅速化とエラーの減少により生産性が向上
  • コスト削減: 熟練者への依存や材料の無駄を削減
  • スケーラビリティ: 自律化により多様な生産規模や素材に柔軟に対応可能

Durmaは、レーザー切断のスマート化と最適化を推進し、完全自律型機械の実現を目指しています。オートメイトとオートカットは、この進化の重要なステップであり、製造業の未来を再定義するものです。

オートカットはAI特有の各部品切断から学習機能があり精度を上げていきます。素材を分析し、切断パラメータと関連付けることで、システムを継続的に更新し性能を最適化しています。

加工最大板厚である60mmの材料に関してですが、オートカットがこの厚みの切断パラメータを最適化できるようチャレンジ中です。現状では1㎜から20㎜の範囲で立証しています。

同種の材料区別についてですが、SS 400、SS 540、SS 490のような鋼材を識別すること可能です。原子レベルの検出により異なる組成を判別できます。例えば、SS 400にはマンガン原子がほとんど含まれていない一方で、SS 540には含まれているため、当社のシステムで識別できます。