A gépi működés stabilitásának felügyelete az adattudomány segítségével
Közzétéve: 2021. július 16. hely: Industry 4.0
A gép helyes működésének ellenőrzése
Hogyan működik ez a vizsgálat? Az érzékelők és (ha van rá mód) működtetőelemek jeleit gyakorta naplózzák, elemzik és összekapcsolják a gépi folyamatokkal és a vezérlőprogrammal. A gépkezelőkkel és/vagy mérnökökkel együtt végezve ez a folyamat részletes betekintést enged a gép működésébe, segítségével kiszűrhetők az eltérések és ellentmondások a gép működésében – például az érzékelők téves beállítása, a rossz konfiguráció vagy az elhasználódott alkatrészek. Ennek eredményeképp csökkenthető a mikroleállások előfordulása, de feltérképezhető egy időszakos, nem egyértelmű probléma kiváltó oka is.
Eszközfelügyelet
A folyamatos felügyelet lehetővé teszi a folyamat és a minőség rendellenességeinek észlelését, segítségével feltérképezhetők a trendek változásai valamint a megelőző karbantartásra szoruló pontok is. Hozzáférhet a gép termékváltási idejéhez, és több, a rendszer „tanításához” használható adat válik elérhetővé. Az előrejelzés pontosságának megőrzéséhez és fokozásához szükség van a modellek rendszeres frissítésére.Az OMRON Sysmac MI vezérlőjének beüzemelése
Tudta, hogy az OMRON mesterséges intelligenciával rendelkező vezérlői Sysmac Library gyűjteménnyel is rendelkeznek? Igény esetén segítséget nyújtunk Önnek az MI vezérlő beüzemelése során, és megvalósíthatósági tesztelést végzünk a gyártósoron. Az OMRON mesterséges intelligenciához kapcsolódó szolgáltatásokat is kínál Önnek, ahol mi gondoskodunk a teljes körű beüzemelésről, a frissítésekről és a karbantartásról, hiszen az MI rendszerek esetében is rendszeres karbantartást kell végezni a gép viselkedésében és/vagy a gyártási folyamatban észlelt változásokhoz történő fejlesztéshez és alkalmazkodáshoz.
Esettanulmány: Az OMRON hollandiai gyártóüzeme
A közelmúltban az OMRON hollandiai gyártóüzemében (OMRON Manufacturing of The Netherlands, OMN) egy adattudományhoz kapcsolódó projektet hajtottak végre az NX gyártósoron, amely a tűzőgépre összpontosított, amely műanyag tokokba tűz kapcsokat.A tűzőgép több motort és érzékelőt tartalmaz, amelyek párhuzamosan több mint 50 jelet generálnak. A projekt célja az volt, hogy az összes jelet egyszerre figyeljék, és felfedezzék a rendellenességeket. Az MI vezérlő 2 milliszekundumonként rögzítette a jeleket eseményadatként, és tárolta azokat az adatelemzéshez és az anomáliák felismeréséhez.
A tűzőgépek működésekor jelentkező egyik gyakori problémát a hajlító és a tekercsadagoló motorok okozzák, amikor a gép nem a megfelelő módon mozgatja a tekercset. Ez a probléma karbantartást igényel, amely majdnem egy órára leállítja az egész gyártósor működését. Az anomália-érzékeléssel a hibák idejekorán észlelhetők, és riasztást küldenek a mérnököknek és a karbantartóknak. A tűzőgép esetében a riasztás néhány órával azelőtt történik, hogy nagyobb probléma léphetne fel. Ez a korai riasztás megakadályozza a gép leállását, mivel biztosítja a karbantartási intézkedés időben történő kivitelezését, és egyszerű javítási módszereket javasol a gép jelentős ideig történő leállítása nélkül.
Ezenkívül a gép működése közben jelentkező apró változásokat az ember nem tudja érzékelni. Ha a gép minden egyes gyártási ciklusban lelassul – hetente akár csak néhány ezredmásodperccel –, azt a kezelők vagy a mérnökök nem fogják észlelni. Idővel a gép működése akár 10%-kal lassabbá válhat, és egy nap alatt 15%-kal kevesebbet termelhet. Ennek a problémának a kiváltó okát az összes jel viselkedésének anomália-felismerő modellekkel történő megfigyelésével találták meg, így a gép teljesítményének magas szinten tartása érdekében el lehet végezni a megfelelő igazításokat.
Szeretné kinyerni az ipari adataiban rejlő értékes információkat, vagy van olyan problémája, amelyre úgy véli, hogy a megoldás az adataiban rejtőzik? További részletekért töltse le alább található tanulmányunkat.
