通过传感器、边缘设备和机器学习软件，sensXPERT能够洞察流程，为像ZF和Carbon Revolution这样的复合材料客户提升质量、切割废料、周期时间和能源消耗。

数字工具和仿真在复合材料零件设计中的重要性已得到广泛认可，其应用已从零件设计扩展到工艺仿真与建模，助力制造商在生产前解决材料与工艺的相互作用问题。如今，多数制造商已开始利用传感器收集温度、压力等工艺数据并输入模拟，但实时建模以适配每个零件成型过程的需求，仍未得到充分满足——这正是sensXPERT技术的核心价值所在。

与传统数字建模不同，sensXPERT技术不创建数字模型，而是将机器、工艺数据与模具中介电分析(DEA)传感器数据相结合，通过DEA传感器监测聚合物和复合材料的粘度、固化行为，再经边缘设备进行数据分析，让制造商实时掌握零件内部状态，并动态控制每个零件的周期时间。该数字模具技术适用于注塑、压缩成型、树脂注入、RTM及预浸料热压罐固化等多种塑料和复合工艺，可在固化度、玻璃转变温度(Tg)达到要求时停止固化过程，同时跟踪材料粘度、流前端位置及材料偏差，帮助调整工艺以减少零件报废。借助机器学习算法，sensXPERT实现了材料行为的实时表征，在提升质量控制、缩短周期时间的同时，减少能源消耗，为行业可持续发展提供了新工具。

SensXPERT使用边缘设备收集其DEA传感器及第三方传感器的数据，然后用软件分析这些数据以跟踪固化/聚合/结晶程度 Tg材料粘度等(TOP)有助于实现一系列提升可持续性的益处。

sensXPERT技术由德国Netzsch公司开发，该公司成立于1873年，下设泵与系统、研磨与分散、分析与测试三大部门。2000年，Netzsch收购了美国Holometrix Micromet公司及其DEA技术——该技术源自麻省理工学院。多年来，DEA技术主要应用于实验室热分析，随着数字技术发展，Netzsch决定将其拓展至制造领域，挖掘实际生产价值。

2016年，亚历克斯·查洛普卡(Alex Chaloupka)加入Netzsch分析与测试部门，两年内重点提升DEA传感器的信号质量及与碳纤维的兼容性，解决了碳纤维导电性可能导致的短路问题。2018年，Netzsch在该部门内设立新的流程分析业务领域，查洛普卡主导将DEA技术推向全球生产应用，仅前两年就实现收入翻倍。

为进一步挖掘数据价值，将实验室材料科学与生产环境结合，Netzsch于2019年创立NedgeX数字孵化器，旨在孵化新想法与商业模式。同年，查洛普卡向孵化器评审委员会提出sensXPERT项目，核心是结合现有测量技术与新的数据科学，打造惠及客户的新产品。该项目获批后，2020年作为孵化器业务启动，一年内便推出最小可行产品，包含边缘设备、算法及云环境，可实时计算Tg、固化度等质量参数，并在大型企业中建立知名度，还与阿尔法客户ZF集团、Carbon Revolution合作开发用例。2021年，Netzsch Process Intelligence成立，sensXPERT成为其首款商业技术产品，团队从最初4人扩展至34人，制造、运输等服务外包给集团姊妹业务，得以专注服务客户。

ZF集团作为sensXPERT的首批客户之一，是全球领先的一级汽车供应商，生产动力系统相关金属和塑料部件，其电子电路板封装采用环氧树脂成型化合物的转移成型工艺，材料不均匀且固化时间需1.5至3分钟。sensXPERT通过监测材料行为，帮助ZF集团潜在减少21%的周期时间，同时识别工艺中的材料偏差——即便使用单一批次材料、控制工艺参数一致，实际生产中每个零件仍存在差异。传统工艺中，制造商需增加周期时间作为安全余裕，而sensXPERT可实时计算固化度和Tg，消除多余安全时间，提升效率。

SensXPERT正与航空供应链及各树脂制造商合作，通过使用HP-RTM零件的双组分树脂系统，缩短RTM的周期时间，实现更高产量、更快速的零件制造。

另一阿尔法客户是飞机制造商，其在碳纤维/环氧树脂梁和面板的批量生产中应用sensXPERT RTM工艺，经数年合作已完成级联生产线安装，周期时间有望减少30%。目前航空供应链正探索高压RTM(HP-RTM)技术，采用双组份树脂生产大型结构件，目标将周期时间从4-6小时缩短至1.5小时。但从预混RTM6树脂转向长保质期双组份系统存在挑战，Netzsch正与合作伙伴开展研发，在混合头安装传感器测量混合比，结合RTM部件数据优化制造工艺。

SensXPERT使用模具内DEA传感器、边缘设备和软件，将DEA（及其他）传感器及机器数据转换为有用且可操作的信息。

sensXPERT技术由传感器、边缘设备、软件及IT框架四大核心组件构成。DEA传感器安装在模具中，采集材料行为信息；边缘设备作为小型工业电脑，连接传感器及其他压力、温度传感器，接收多类数据流，同时与机器控制系统通信，实现参数与工艺数据的双向交互；边缘设备搭载的软件包含机器学习算法，可在设备端完成大部分分析，云端则用于机器学习模型的训练与再训练；IT基础设施需与客户共同验证，基于材料科学和实时工艺数据，为特定用例构建专属机器学习模型。

sensXPERT的安装流程围绕客户需求展开：首先明确客户优化目标（缩短周期、减少废料、提升工艺透明度等），结合其制造环境经验构建机器学习模型，避免无效参数测量，聚焦实际价值；随后安装传感器、边缘设备及IT基础设施，通过生产零件构建模型，最终开展数据分析与流程评估。其核心价值在于，通过技术手段关联多类工艺参数与材料行为，实现人类难以完成的实时分析与调整，弥补了企业专家资源的不足。

工厂车间的边缘设备可连接客户内联网，理想状态下接入互联网，将数据传输至云端进行高级分析。Netzsch已建立完善的数据安全基础设施，可满足不同规模企业的需求。云端软件利用历史数据优化机器学习模型，提升边缘设备的分析能力，同时将数据导入仪表盘，方便日常监控与运营。

sensXPERT可处理粘合剂、陶瓷前聚合物、热塑性复合材料等多种材料，目前95%的客户聚焦热固性树脂领域，同时正拓展热塑性客户，可测量半晶热塑性塑料的结晶及非晶热塑性塑料的凝固，已在萙内酰胺原位聚合成PA6的六西格玛生产中应用。此外，面对欧盟法规对回收材料使用的要求，sensXPERT可实时监测回收材料的偏差，帮助制造商调整参数，确保产品质量。

原位固化管（CIPP- cured in place pipe ）可以利用紫外线固化FRP管道衬里，无需挖掘腐蚀的旧管。

Netzsch还开发了第二款产品sensXPERT Pipe，用于玻璃纤维增强聚合物(GFRP)原位固化管道(CIPP)衬里的分析。该产品利用机器人搭载无接触DEA传感器，结合紫外线光源固化FRP内衬，通过射频技术实时监测固化状态，动态调整光源移动速度，同时生成内置质量保证记录，将QA融入安装过程。

sensXPERT首席执行官科尼拉·拜尔(Corneila Beyer)表示，技术最初聚焦塑料和复合材料生产工艺优化，可持续性是附带价值，如今已成为客户的核心需求。该技术不仅实现动态生产与实时优化，还能通过机器学习和人工智能进行预测，及时发出工艺异常警报并提供调整建议。目前，sensXPERT已与赫氏(Hexcel)等材料供应商、KrausMaffei等机械制造商合作，构建“团结更好”的供应链协作模式，推动行业共同发展。

补充资料

sensXPERT是一款以软件驱动的解决方案，旨在通过实时检测材料成分来优化制造流程，缩短生产周期，减少浪费并提高产品质量。它利用先进的分析技术和传感器数据，帮助制造商降低经济损失，摆脱材料和工艺偏差的依赖，并实现更高的可持续性。该平台面向寻求在降低成本和环境影响的同时最大化生产效率和质量的制造企业。

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

杨超凡，有删改