Integracija umetne inteligence in interneta stvari v sisteme za odstranjevanje gumijastih oblog

By Mike Chen, direktor proizvodnje | Več kot 12 let izkušenj v gumarski industriji |LinkedIn

Ključne ugotovitve

• En sam sod XCJ-G600 obdela 15 kg serijo vsakih 20–40 sekund – za zajem interneta stvari je na voljo že več kot 1300 podatkovno bogatih ciklov na 8-urno izmeno.
• Kriogene enote za odstranjevanje umazanije delujejo pri temperaturah do -150 °C s hitrostmi valjev 20–70 vrt/min, beleženje obeh spremenljivk pa neposredno razkriva odpadke dušika in zanašanje izolacije.
• Ker povezani stroji zgodaj odkrijejo odstopanje procesa, prediktivno vzdrževanje običajno pretvori nenačrtovane zaustavitve v načrtovane intervencije, krajše od 30 minut (tipične vrednosti iz projektov naših strank).
• Naknadna vgradnja je boljša od zamenjave: opremo z inverterskim pogonom, kot je 7,5 kW XCJ-G600, je običajno mogoče povezati s senzorji in robnim prehodom namesto nakupa nove opreme.

Večina proizvajalcev, s katerimi sodelujemo, že ima v lasti opremo za odstranjevanje umazanije, ki je inteligentna na ravni stroja in popolnoma tiha na ravni tovarne. Krmilnik pozna hitrost valja; operater pozna težo serije; ekipa za kakovost pozna stopnjo zavrnitve – vendar nihče ne poveže teh treh stvari. Prav to odklopitev so namenjeni odpravljanju projektov umetne inteligence in interneta stvari.

Ta članek pojasnjuje, kaj integracija dejansko pomeni v kontekstu razblinjanja, katere podatkovne točke je vredno najprej povezati, in predstavlja fazni načrt, ki deluje za majhne in srednje velike tovarne gume in ne za hiperskalne pametne tovarne.

Kaj umetna inteligenca in internet stvari dejansko pomenita v kontekstu razblinjanja?

Internet stvari (IoT) je praksa povezovanja industrijske opreme v omrežje, da se lahko njeni obratovalni podatki zbirajo, shranjujejo in pregledujejo; umetna inteligenca (UI) je programska plast, ki v teh podatkih išče vzorce in priporoča ali izvaja odločitve.Pri odstranjevanju utripanja oba delujeta kot par: internet stvari (IoT) zagotavlja surov signal, umetna inteligenca pa signal pretvori v dejanje – upočasni valj, označi obrabljen jermen ali da sumljivo serijo v karanteno pred odpremo.

Priporočljivo je, da najprej pomislimo na stroj za odstranjevanje robov kot na vir podatkov, nato pa na orodje za odstranjevanje robov. Vsak mehanski cikel odstranjevanja robov in vsak kriogeni zagon pod -120 °C ustvari sledljiv prstni odtis hitrosti, časa, temperature in obremenitve. Ko so ti prstni odtisi shranjeni, vprašanja, ki so prej zahtevala, da je procesni inženir stal ob sodu celo izmeno – »kdaj so se časi ciklov začeli podaljševati?« – postanejo desetsekundno vprašanje na nadzorni plošči.

Katere podatkovne točke za odstranjevanje utripanja je vredno najprej povezati?

Začnite s štirimi spremenljivkami, ki že določajo kakovost odstranjevanja umazanije: čas cikla, hitrost valjev, temperatura procesa in količina v seriji.Obstajajo v vsakem stroju, spremenijo se, ko gre kaj narobe, in se neposredno preslikajo na rezultate izdelka. Spodnja tabela povezuje vsako spremenljivko z dejanskimi vrednostmi opreme in optimizacijo, ki jo ta odklene.

Vrednosti opreme, pridobljene izStran izdelka XCJ-G600inSpecifikacije kriogenega stroja za odstranjevanje utripanja s tekočim dušikom.

Ker je kriogena krhkost tekma med temperaturo in časom, so zabeležene krivulje hlajenja najdragocenejši nabor podatkov na kriogeni liniji.Serija, ki doseže ciljno krhkost v 5 minutah namesto v 8, je prihranila 37 % svojega cikla – prihranek, ki je neviden na štoparici, je pa očiten v podatkih.

Kako prediktivno vzdrževanje spreminja ekonomijo odstranjevanja utripanja?

Prediktivno vzdrževanje uporablja podatke o trendih – naraščajoče čase ciklov, nihanja toka motorja, nestabilnost temperature – za načrtovanje servisa pred odpovedjo komponente in ne po njej.Ekonomska razlika je očitna: okvara pogonskega motorja sredi izmene ustavi linijo, poruši urnik in lahko ukine celotno serijo med procesom, medtem ko se načrtovana zamenjava, ugotovljena dva tedna prej, izvede med izmenami.

Po naših izkušnjah s podporo linijam za odstranjevanje umazanije v tovarnah strank, povezano spremljanje običajno odkrije tri do pet odstopanj v procesu na četrtletje na enem samem stroju – najpogosteje postopno podaljševanje časa cikla in nedosledno kriogeno ohlajanje – in vsako od teh odstopanj je mogoče odpraviti v načrtovanem časovnem oknu, krajšem od 30 minut (tipične vrednosti iz projektov naših strank; natančne številke se razlikujejo glede na mešanico zmesi in vzorec izmene).Ker 7,5 kW inverter v napravi, kot je XCJ-G600, že digitalno poroča o obremenitvi motorja, so začetni stroški za to raven spremljanja prehod in konfiguracija, ne pa nova strojna oprema.

Obstaja tudi vidik skladnosti. Rastline, certificirane zaISO 9001se od njih zahteva, da dokažejo nenehno izboljševanje; podatkovna sled parametrov stroja na serijo je eden najčistejših dokazov, ki jih bo revizor sprejel.

Kam se strojni vid uvršča v zanko kakovosti?

Strojni vid zapre zanko, ki jo zgolj podatki senzorjev pustijo odprto: kamere pregledajo dele, s katerih so bili odstranjeni umazani delci, plast umetne inteligence pa sledi vsakemu zavrnjenemu delu nazaj do natančnega cikla, hitrosti in temperature, ki so ga povzročili.S tem se nadzor kakovosti iz vzvratnega pogleda spremeni v krmiljenje vozila.

Praktična veriga izgleda takole: deli zapustijo cilinder za odstranjevanje umazanije, gredo skozi vizualni pregled, ki odkrije preostalo umazanijo, čisti deli pa nadaljujejo dostroj za ločevanje gumeki loči dober izdelek od odpadkov obrezovanja. Ko sistem vida zabeleži gručo zavrnitev, umetna inteligenca primerja časovne žige s podatki o sodu in odgovori na pomembno vprašanje: ali je bila to slaba zmes, napačna hitrost valja ali serija, ki je bila 2 kg nad specifikacijo?

Kriogene linije s to kombinacijo pridobijo največ. Kriogeno odstranjevanje umazanije dosega stopnjo uspešnosti končnih izdelkov nad 98 %, ko so parametri stabilni, zato je že majhno zabeleženo odstopanje – krivulja hlajenja, ki je 10 °C toplejša od izhodiščne – vredno opaziti, preden nas stane tri točke izkoristka.

Kako izgleda realističen načrt integracije?

Izvedljiv pristop za večino gumarskih obratov je sestavljen iz treh faz: povezovanje, analiza, nato optimizacija – v tem vrstnem redu, na enem stroju, preden se lotimo celotne linije.Poskus avtomatizacije odločitev, še preden obstajajo podatki, je najpogostejši način neuspeha, ki ga vidimo v projektih Industrije 4.0.

1. Povežite en stroj in določite osnovno linijo.Namestite robni prehod na eno samo enoto za odstranjevanje utripanja – najnovejšo, najbolj invertersko krmiljeno – in 60 dni beležite čas cikla, hitrost, temperaturo in obremenitev, ne da bi karkoli spremenili, tako da se »normalno« meri in ne predvideva.
2. Analizirajte glede na kakovostne rezultate.Združite podatke o stroju z zapisi o zavrnitvah iz pregleda in pustite, da plast umetne inteligence (ali dobra preglednica, če smo iskreni) išče korelacije med premikom parametrov in dogodki kakovosti.
3. Optimizirajte z opozorili v zaprti zanki.Nastavite pragove opozoril glede na osnovno linijo, jih usmerite na telefone operaterjev ali nadzorno ploščo obrata in šele nato razmislite o samodejnem popravljanju parametrov – koraku, ki zahteva največ upravljanja in najmanj nujnosti.

Katere so iskrene omejitve?

Umetna inteligenca in internet stvari ne bosta odpravila nestabilnega procesa, obrabljenega soda ali slabo določenega kalupa – le hitreje in natančneje bosta poročala o teh težavah.Integracija krepi dober nadzor procesov; ne nadomešča ga.

Še dva opozorila iz naših izkušenj s projekti. Prvič, majhne sestavljene serije ustvarjajo tanke podatke: model umetne inteligence, usposobljen na 300 ciklih ene velikosti O-tesnila, se ne bo čisto prenesel na družino 40 kratkoročnih delov, zato je treba pričakovanja določiti glede na mešanico izdelkov. Drugič, povezljivost ima varnostno površino – smernice, kot so viri za kibernetsko varnost v proizvodnji, ki jih je objavilNISTje vredno prebrati, preden se prehod objavi.Ker je celica za odstranjevanje bliskavic le redko zasnovana kot internetna povezava, pravilno segmentirano tovarniško omrežje ohranja dodatno tveganje majhno, vendar »malo« ni »nič« in bi ga bilo treba predvideti v proračunu.

Zaključek: Povežite podatke, ki jih že imate

Odstranjevanje gumijastih oblog je nenavadno primerno za integracijo umetne inteligence in interneta stvari iz preprostega razloga: stroji že delujejo na natančno nadzorovanih, merljivih spremenljivkah. Serija 15 kg, cikel 20–40 sekund, zgornja meja −150 °C, območje valjev 20–70 vrtljajev na minuto – to so podatkovne točke, ki čakajo na zbiranje, in vsaka od njih vsebuje kakovostne informacije.

Če načrtujete naslednjo naložbo v opremo, izberite stroje, katerih krmilniki te podatke jasno razkrijejo. Raziščitecelotna ponudba strojev za odstranjevanje gumijastih umazanijiz podjetja Xiamen Xingchangjia ali pa nam pošljite svoje risbe delov in ciljni izhod – naša inženirska ekipa vam bo predlagala konfiguracijo odstranjevanja utripanja z možnostmi povezljivosti, ki ustrezajo stopnji avtomatizacije vašega obrata.