Tehisintellekti ja asjade interneti integreerimine kummist välgu eemaldamise süsteemides

By Mike Chen, tootmisdirektor | 12+ aastat kogemust kummitööstuses |LinkedIn

Peamised järeldused

• Üks XCJ-G600 tünn töötleb 15 kg partiid iga 20–40 sekundi järel – IoT jäädvustamiseks on juba saadaval üle 1300 andmerikka tsükli 8-tunnise vahetuse kohta.
• Krüogeensed õhkpuhastusseadmed töötavad temperatuuril kuni −150 °C, rullide kiirusega 20–70 p/min ning mõlema muutuja logimine paljastab otseselt lämmastikujäätmed ja isolatsiooni triivi.
• Kuna ühendatud masinad avastavad protsessi nihke varakult, muudab ennustav hooldus tavaliselt planeerimata seisakud alla 30-minutilisteks plaanilisteks sekkumisteks (tüüpilised väärtused meie klientide projektidest).
• Moderniseerimine on parem kui asendamine: inverteriga seadmeid, näiteks 7,5 kW XCJ-G600, saab tavaliselt ühendada andurite ja servalüüsiga, ilma et peaks uut ostma.

Enamikul tootjatel, kellega me töötame, on juba olemas välgupuhastusseadmed, mis on masina tasandil intelligentsed ja tehase tasandil täiesti vaiksed. Kontroller teab rulli kiirust; operaator teab partii kaalu; kvaliteedimeeskond teab praakimise määra – aga keegi ei ühenda neid kolme. Just selle ühenduse katkestamise parandamiseks on tehisintellekti ja asjade interneti projektid loodud.

See artikkel selgitab, mida integratsioon tegelikult tähendab äkilise deaktiveerimise kontekstis, millised andmepunktid on esmalt ühendamist väärt ja etapiviisilise tegevuskava, mis sobib väikeste ja keskmise suurusega kummitehaste, mitte hüperskaala nutikate tehaste jaoks.

Mida tehisintellekt ja asjade internet tegelikult välgatuskontekstis tähendavad?

Asjade internet (IoT) on tööstusseadmete võrku ühendamise tava, et nende tööandmeid saaks koguda, salvestada ja üle vaadata; tehisintellekt (AI) on tarkvarakiht, mis leiab nendest andmetest mustreid ning soovitab või viib ellu otsuseid.Välklambi eemaldamisel töötavad need kaks paarina: asjade internet annab toorsignaali ja tehisintellekt muudab signaali tegevuseks – aeglustab rulli, märgistab kulunud rihma või paneb kahtlase partii enne saatmist karantiini.

Kasulik on mõelda esmalt ebatasasuste eemaldamise masinast kui andmeallikast ja seejärel ebatasasuste eemaldamise tööriistast. Iga mehaaniline ebatasasuste eemaldamise tsükkel ja iga krüogeenne töötlemine temperatuuril alla −120 °C annab jälgitava sõrmejälje kiiruse, aja, temperatuuri ja koormuse kohta. Kui need sõrmejäljed on salvestatud, muutuvad küsimused, mis varem nõudsid protsessiinsenerilt terve vahetuse silindri taga seismist – „millal tsükliajad hakkasid hiilima?“ – kümnesekundiliseks armatuurlaua päringuks.

Millised andmepunktid, mis välgatavad välgatused, on esmalt ühendamist väärt?

Alustage neljast muutujast, mis juba määravad leegi eemaldamise kvaliteedi: tsükliaeg, rulli kiirus, protsessi temperatuur ja partii kogus.Need eksisteerivad igal masinal, muutuvad, kui midagi valesti läheb, ja on otseselt seotud toote tulemustega. Allolev tabel seob iga muutuja tegelike seadmete väärtuste ja optimeerimisega, mida see avab.

Seadmete väärtused pärinevadXCJ-G600 tootelehtjaVedela lämmastiku krüogeensete välgupuhastusmasinate spetsifikatsioonid.

Kuna krüogeenne haprus on võidujooks temperatuuri ja aja vahel, on logitud jahutuskõverad krüogeense liini kõige väärtuslikum andmestik.Jooks, mis saavutab sihtrabenemise 5 minutiga 8 asemel, on oma tsüklist kokku hoidnud 37% – kokkuhoid, mis on stopperil nähtamatu, kuid andmetes ilmne.

Kuidas muudab ennustav hooldus majandusteaduse raugemist?

Ennustav hooldus kasutab trendiandmeid – kasvavaid tsükliaegu, mootori voolu kõikumisi, temperatuuri ebastabiilsust –, et planeerida hooldus enne komponendi riket, mitte pärast seda.Majanduslik erinevus on silmatorkav: rikkis ajamimootor vahetuse keskel peatab liini, ajab ajakava segi ja võib tühistada terve poolelioleva partii, samas kui kaks nädalat varem tuvastatud planeeritud vahetus toimub vahetuste vahel.

Meie kogemuse põhjal klientide tehastes leegiheitmete eemaldamise liinide toetamisel tuvastab ühendatud seire tavaliselt ühel masinal kolm kuni viis tegutsemist vajavat protsessinihet kvartalis – kõige sagedamini järkjärguline tsükliaja pikendamine ja ebajärjekindel krüogeenne jahutamine – ning igaüks neist on parandatav ajastatud ajavahemikus alla 30 minuti (tüüpilised väärtused meie klientide projektidest; täpsed arvud varieeruvad olenevalt segust ja vahetuse mustrist).Kuna XCJ-G600-suguse masina 7,5 kW inverter annab mootori koormusest juba digitaalselt teada, on selle taseme jälgimise algkuluks värav ja konfiguratsioon, mitte uus riistvara.

Samuti on oluline vastavus. Tehased on sertifitseeritud vastavalt standardileISO 9001palutakse näidata pidevat täiustamist; masina parameetrite andmejälg partiide kaupa on üks puhtamaid tõendeid, mida audiitor aktsepteerib.

Kuhu masinnägemine kvaliteediahelasse paigutub?

Masinnägemine sulgeb ahela, mille ainult andurite andmed lahtiseks jätavad: kaamerad kontrollivad välgutamata osi ja tehisintellekti kiht jälgib iga tagasilükatud osa tagasi täpse tsükli, kiiruse ja temperatuurini, mis selle tekitas.See muudab kvaliteedikontrolli tahavaatepeegli asemel roolimissisendiks.

Praktiline ahel näeb välja selline: osad lahkuvad leegitustorust, läbivad visuaalse kontrolli, mis märgistab järelejäänud leegi, ja puhtad osad jätkavad tööd.kummist eraldusmasinmis sorteerib hea toote trimmimisjäätmetest. Kui nägemissüsteem registreerib tagasilükkamisklastri, võrdleb tehisintellekt ajatempleid tünniandmetega ja vastab olulisele küsimusele: kas tegemist oli halva segu, vale rulli kiiruse või partiiga, mis oli 2 kg üle spetsifikatsiooni?

Krüogeensed tootmisliinid saavad sellest paarist kõige rohkem kasu. Krüogeense leegi eemaldamise teel saavutatakse valmistoote läbimise määr üle 98%, kui parameetrid on stabiilsed, seega tasub isegi väike logaritmiline kõrvalekalle – jahutuskõver, mis on 10 °C soojem kui baasjoon – tuvastada enne, kui see maksab kolm tootluspunkti.

Milline näeb välja realistlik integratsiooni tegevuskava?

Enamiku kummitehaste jaoks on toimiv lähenemisviis kolm etappi: ühendamine, analüüsimine ja seejärel optimeerimine – selles järjekorras ühel masinal enne kogu liini.Otsuste automatiseerimine enne andmete olemasolu on kõige levinum ebaõnnestumise viis, mida Tööstus 4.0 projektides näeme.

1. Ühenda üks masin ja määra baasjoon.Paigaldage servalüüs ühele välguväljalülitusseadmele – uusimale ja inverteriga töötavale – ning logige tsükliaega, kiirust, temperatuuri ja koormust 60 päeva jooksul ilma midagi muutmata, seega mõõdetakse „normaalsust“, mitte ei eeldata.
2. Analüüsige kvaliteeditulemuste suhtes.Ühenda masina andmed kontrollist saadud tagasilükkamiskirjetega ja lase tehisintellekti kihil (või ausalt öeldes heal arvutustabelil) otsida seoseid parameetrite triivi ja kvaliteedisündmuste vahel.
3. Optimeeri suletud ahela teavituste abil.Määrake baasjoonest lähtuvalt häirekünnised, suunake need operaatorite telefonidesse või tehase armatuurlauale ja alles seejärel kaaluge parameetrite automaatset korrigeerimist – see on samm, mis nõuab kõige rohkem juhtimist ja kõige vähem kiireloomulist tegutsemist.

Millised on ausad piirangud?

Tehisintellekt ja asjade internet ei lahenda ebastabiilset protsessi, kulunud tünni ega halvasti määratletud vormi – need lihtsalt teatavad neist probleemidest kiiremini ja täpsemalt.Integratsioon võimendab head protsesside kontrolli, kuid ei asenda seda.

Kaks täiendavat hoiatust meie projektikogemusest. Esiteks, väikesed ühendite seeriad genereerivad õhukesi andmeid: tehisintellekti mudel, mida on treenitud 300 tsükliga ühe suurusega O-rõngaga, ei kandu sujuvalt üle 40 lühiajalise detaili perekonnale, seega tuleb ootused seada iga tootevaliku kohta. Teiseks on ühenduvusel turvapind – juhised, näiteks tootmise küberturvalisuse ressursid, mille on avaldanudNISTtasub enne värava avaldamist lugeda.Kuna välklambi eemaldamise moodul on oma olemuselt harva internetiühendusega, hoiab korralikult segmenteeritud tehasevõrk lisariski tagasihoidlikuna, kuid „tagasihoidlik“ ei ole „null“ ja see tuleks eelarvesse arvestada.

Kokkuvõte: ühendage olemasolevad andmed

Kummipõletite eemaldamine sobib tehisintellekti ja asjade interneti integreerimiseks ebatavaliselt hästi ühel lihtsal põhjusel: masinad töötavad juba täpselt kontrollitud, kvantifitseeritavate muutujatega. 15 kg partii, 20–40 sekundiline tsükkel, −150 °C lagi, 20–70 p/min rullide vahemik – need on andmepunktid, mis ootavad kogumist, ja igaüks neist sisaldab kvaliteetset teavet.

Kui plaanite järgmist investeeringut seadmetesse, valige masinad, mille kontrollerid kuvavad neid andmeid puhtalt. Uurigetäielik kummist väljeeemaldusmasinate valikXiamen Xingchangjiast või saatke meile oma detailide joonised ja soovitud väljund – meie insenerimeeskond pakub välja teie tehase automatiseerimistasemele vastava ühendusvõimalustega välgupuhastuskonfiguratsiooni.