Integracija umjetne inteligencije i interneta stvari u sustave za uklanjanje gumenih iverja

By Mike Chen, direktor proizvodnje | 12+ godina iskustva u proizvodnji gume |LinkedIn

Ključne zaključke

• Jedna XCJ-G600 bačva obrađuje šaržu od 15 kg svakih 20-40 sekundi - više od 1300 ciklusa bogatih podacima po 8-satnoj smjeni već je dostupno za IoT snimanje.
• Kriogene jedinice za uklanjanje isparavanja rade na temperaturama do -150 °C s brzinama valjaka od 20–70 okretaja u minuti, a mjerenje obje varijable izravno otkriva rasipanje dušika i pomicanje izolacije.
• Budući da povezani strojevi rano otkrivaju odstupanja u procesu, prediktivno održavanje obično pretvara neplanirane zastoje u planirane intervencije kraće od 30 minuta (tipične vrijednosti iz naših projekata kupaca).
• Naknadna ugradnja je bolja od zamjene: oprema s inverterskim pogonom, kao što je XCJ-G600 od 7,5 kW, obično se može spojiti sa senzorima i rubnim pristupnikom umjesto kupnje nove opreme.

Većina proizvođača s kojima surađujemo već posjeduje opremu za uklanjanje isplake koja je inteligentna na razini stroja i potpuno tiha na razini tvornice. Kontroler zna brzinu valjka; operater zna težinu serije; tim za kvalitetu zna stopu odbacivanja - ali nitko ne povezuje to troje. Upravo je ta nepovezanost ono što bi projekti umjetne inteligencije i interneta stvari trebali riješiti.

Ovaj članak objašnjava što integracija zapravo znači u kontekstu deflashinga, koje podatkovne točke vrijedi prvo povezati i fazni plan koji funkcionira za male i srednje tvornice gume, a ne za hiperskalne pametne tvornice.

Što zapravo znače umjetna inteligencija i internet stvari u kontekstu razjašnjavanja?

Internet stvari (IoT) je praksa povezivanja industrijske opreme s mrežom kako bi se njezini operativni podaci mogli prikupljati, pohranjivati ​​i pregledavati; umjetna inteligencija (AI) je softverski sloj koji pronalazi obrasce u tim podacima i preporučuje ili izvršava odluke.Kod uklanjanja bljeskalice, ta dva rade kao par: IoT daje sirovi signal, a umjetna inteligencija pretvara signal u akciju - usporavanje valjka, označavanje istrošenog remena ili stavljanje sumnjive serije u karantenu prije slanja.

Korisno je prvo zamisliti stroj za uklanjanje neravnina kao izvor podataka, a tek onda alat za uklanjanje neravnina. Svaki mehanički ciklus uklanjanja neravnina i svaki kriogeni rad ispod -120 °C stvara sljedivi otisak brzine, vremena, temperature i opterećenja. Nakon što se ti otisci pohrane, pitanja koja su prije zahtijevala da procesni inženjer stoji za bačvom cijelu smjenu - "kada su se vremena ciklusa počela povećavati?" - postaju upit na nadzornoj ploči od deset sekundi.

Koje podatkovne točke za uklanjanje bljeskalice vrijedi prvo spojiti?

Započnite s četiri varijable koje već određuju kvalitetu uklanjanja treperenja: vrijeme ciklusa, brzina valjka, temperatura procesa i opterećenje serije.Postoje na svakom stroju, mijenjaju se kada nešto pođe po zlu i izravno se preslikavaju na rezultate proizvoda. Tablica u nastavku uparuje svaku varijablu sa stvarnim vrijednostima opreme i optimizacijom koju ona otključava.

Vrijednosti opreme preuzete izStranica proizvoda XCJ-G600iSpecifikacije kriogenog stroja za uklanjanje bljeskova tekućim dušikom.

Budući da je kriogena krhkost utrka između temperature i vremena, zabilježene krivulje hlađenja najvrjedniji su skup podataka na kriogenoj liniji.Serija koja postiže ciljanu krtost za 5 minuta umjesto 8 uštedjela je 37% svog ciklusa - ušteda koja je nevidljiva na štoperici, ali očita u podacima.

Kako prediktivno održavanje mijenja ekonomiju uklanjanja bljeskova?

Prediktivno održavanje koristi podatke o trendovima - rastuća vremena ciklusa, fluktuacije struje motora, nestabilnost temperature - za planiranje servisa prije kvara komponente, umjesto nakon toga.Ekonomska razlika je velika: kvar pogonskog motora usred smjene zaustavlja liniju, poremeti raspored i može otkazati cijelu seriju u procesu, dok se planirana zamjena identificirana dva tjedna ranije događa između smjena.

U našem iskustvu s podrškom linijama za uklanjanje isparavanja u pogonima kupaca, povezani nadzor obično otkriva tri do pet procesnih odstupanja po tromjesečju na jednom stroju - najčešće postupno produljenje vremena ciklusa i nedosljedno kriogeno hlađenje - i svako od njih se može popraviti u planiranom vremenskom okviru kraćem od 30 minuta (tipične vrijednosti iz projekata naših kupaca; točne brojke variraju ovisno o mješavini spojeva i obrascu smjene).Budući da inverter od 7,5 kW na stroju poput XCJ-G600 već digitalno izvještava o opterećenju motora, početni trošak za ovu razinu praćenja je pristupnik i konfiguracija, a ne novi hardver.

Postoji i aspekt usklađenosti. Biljke su certificirane premaISO 9001od njih se traži da pokažu kontinuirano poboljšanje; podatkovni trag parametara stroja po seriji jedan je od najčišćih dokaza koje će revizor prihvatiti.

Gdje se strojni vid uklapa u petlju kvalitete?

Strojni vid zatvara petlju koju sami podaci senzora ostavljaju otvorenom: kamere pregledavaju dijelove s kojih je uklonjen bljesak, a sloj umjetne inteligencije prati svaki odbačeni dio do točnog ciklusa, brzine i temperature koji su ga proizveli.Time se kontrola kvalitete od aktivnosti pogleda unatrag pretvara u upravljanje vozilom.

Praktični lanac izgleda ovako: dijelovi napuštaju cijev za uklanjanje isplake, prolaze kroz vizualnu kontrolu koja označava preostale isplake, a čisti dijelovi nastavljaju prema...stroj za odvajanje gumekoji odvaja dobar proizvod od otpada. Kada sustav vida zabilježi skupinu odbacivanja, umjetna inteligencija uspoređuje vremenske oznake s podacima o bačvi i odgovara na važno pitanje: je li ovo bio loš spoj, pogrešna brzina valjka ili serija koja je bila 2 kg iznad specifikacije?

Kriogene linije imaju najviše koristi od ovog uparivanja. Kriogeno uklanjanje bljeskova postiže stopu prolaznosti gotovog proizvoda iznad 98% kada su parametri stabilni, tako da čak i malo zabilježeno odstupanje - krivulja hlađenja koja je 10 °C toplija od osnovne - vrijedi uočiti prije nego što košta tri boda prinosa.

Kako izgleda realističan plan integracije?

Izvodljiv pristup za većinu tvornica kaučuka sastoji se od tri faze: povezivanje, analiza, zatim optimizacija - tim redoslijedom, na jednom stroju prije cijele linije.Pokušaj automatizacije odluka prije nego što podaci postoje najčešći je način neuspjeha koji vidimo u projektima Industrije 4.0.

1. Spojite jedan stroj i definirajte osnovnu liniju.Instalirajte rubni pristupnik na jednu jedinicu za uklanjanje bljeskova - najnoviju, s najviše inverterskog pogona - i bilježite vrijeme ciklusa, brzinu, temperaturu i opterećenje tijekom 60 dana bez ikakvih promjena, tako da se mjeri "normalno" stanje, a ne pretpostavlja.
2. Analizirajte u odnosu na rezultate kvalitete.Spojite podatke o stroju sa zapisima o odbijanju iz inspekcije i pustite da sloj umjetne inteligencije (ili dobra proračunska tablica, iskreno) traži korelacije između pomaka parametara i događaja kvalitete.
3. Optimizirajte uz upozorenja zatvorene petlje.Postavite pragove upozorenja iz osnovne linije, usmjerite ih na telefone operatera ili nadzornu ploču postrojenja i tek zatim razmotrite automatsku korekciju parametara - korak koji zahtijeva najviše upravljanja i najmanje hitnosti.

Koja su iskrena ograničenja?

Umjetna inteligencija i internet stvari neće popraviti nestabilan proces, istrošenu bačvu ili loše specificirani kalup - oni će samo brže i preciznije prijaviti te probleme.Integracija pojačava dobru kontrolu procesa; ne zamjenjuje je.

Dva dodatna upozorenja iz našeg iskustva s projektima. Prvo, male složene serije generiraju tanke podatke: model umjetne inteligencije obučen na 300 ciklusa jedne veličine O-prstena neće se čisto prenijeti na obitelj od 40 dijelova u malim serijama, stoga se očekivanja moraju postaviti po miksu proizvoda. Drugo, povezivost ima sigurnosnu površinu - smjernice poput resursa za kibernetičku sigurnost proizvodnje koje je objavioNISTvrijedi pročitati prije nego što pristupnik bude pušten u rad.Budući da ćelija za uklanjanje bljeska rijetko ima internetsku vezu po dizajnu, pravilno segmentirana tvornička mreža održava dodatni rizik umjerenim, ali „umjeren“ nije „nula“ i treba ga predvidjeti u proračunu.

Zaključak: Povežite podatke koje već imate

Uklanjanje gumenih iskri neobično je prikladno za integraciju umjetne inteligencije i interneta stvari iz jednog jednostavnog razloga: strojevi već rade na precizno kontroliranim, kvantificiranim varijablama. Serija od 15 kg, ciklus od 20-40 sekundi, gornja granica od -150 °C, raspon valjka od 20-70 okretaja u minuti - to su podatkovne točke koje čekaju da budu prikupljene, a svaka od njih sadrži kvalitetne informacije.

Ako planirate sljedeću investiciju u opremu, odaberite strojeve čiji kontroleri jasno otkrivaju te podatke. Istražitecijeli asortiman strojeva za uklanjanje gumenih iverjaiz Xiamen Xingchangjia ili nam pošaljite svoje nacrte dijelova i ciljani izlaz — naš inženjerski tim predložit će konfiguraciju uklanjanja bljeskova s ​​mogućnostima povezivanja koje odgovaraju razini automatizacije vašeg postrojenja.