Integrimi i IA-së dhe IoT-së në Sistemet e Zhbllokimit të Gomës

By Mike Chen, Drejtor Prodhimi | 12+ Vjet Përvojë në Prodhimin e Gomës |LinkedIn

Përmbledhjet kryesore

• Një fuçi e vetme XCJ-G600 përpunon një sasi prej 15 kg çdo 20-40 sekonda — më shumë se 1,300 cikle të pasura me të dhëna për turn 8-orësh janë tashmë të disponueshme për kapjen e IoT.
• Njësitë kriogjenike të çmontimit të flakëve funksionojnë në temperatura deri në −150 °C me shpejtësi të rulit prej 20–70 RPM, dhe regjistrimi i të dy variablave ekspozon drejtpërdrejt mbeturinat e azotit dhe zhvendosjen e izolimit.
• Meqenëse makinat e lidhura zbulojnë herët ndryshimet në proces, mirëmbajtja parashikuese zakonisht i shndërron ndërprerjet e paplanifikuara në ndërhyrje të planifikuara më pak se 30 minuta (vlera tipike nga projektet e klientëve tanë).
• Rikonstruksioni është më i mirë se zëvendësimi: pajisjet e drejtuara nga inverteri, të tilla si XCJ-G600 me 7.5 kW, zakonisht mund të lidhen me sensorë dhe një portë hyrëse në skajin e makinës në vend që të blihen të reja.

Shumica e prodhuesve me të cilët punojmë tashmë zotërojnë pajisje për heqjen e qimeve që janë inteligjente në nivelin e makinës dhe plotësisht të heshtura në nivelin e fabrikës. Kontrolluesi e di shpejtësinë e rulit; operatori e di peshën e serisë; ekipi i cilësisë e di shkallën e refuzimit - por askush nuk i lidh të treja. Kjo shkëputje është pikërisht ajo që projektet e IA-së dhe IoT janë krijuar për të rregulluar.

Ky artikull shpjegon se çfarë do të thotë vërtet integrimi në një kontekst të shpërbërjes së informacionit, cilat pika të të dhënave ia vlen të lidhen të parat dhe një plan veprimi me faza që funksionon për fabrikat e vogla dhe të mesme të gomës në vend të fabrikave inteligjente në shkallë të lartë.

Çfarë domethënie kanë në të vërtetë IA dhe IoT në një kontekst deflashing?

Interneti i Gjërave (IoT) është praktika e lidhjes së pajisjeve industriale me një rrjet në mënyrë që të dhënat e tyre operative të mund të mblidhen, ruhen dhe rishikohen; inteligjenca artificiale (IA) është shtresa e softuerit që gjen modele në ato të dhëna dhe rekomandon ose ekzekuton vendime.Gjatë çaktivizimit të sinjalit, të dy funksionojnë si çift: IoT furnizon sinjalin e papërpunuar, dhe IA e kthen sinjalin në veprim - duke ngadalësuar një rul, duke sinjalizuar një rrip të konsumuar ose duke vendosur në karantinë një grup të dyshimtë përpara se të dërgohet.

Është e dobishme të mendosh për një makinë heqëse të qimeve si një burim të dhënash së pari dhe më pas si një mjet heqjeje të qimeve. Çdo cikël mekanik heqjeje qimeve dhe çdo përdorim kriogjenik nën −120 °C prodhon një gjurmë gishtash të gjurmueshme të shpejtësisë, kohës, temperaturës dhe ngarkesës. Pasi ruhen këto gjurmë gishtash, pyetjet që dikur kërkonin që një inxhinier procesi të qëndronte pranë fuçisë për një ndërrim të plotë - "kur filluan të rriteshin kohët e cikleve?" - bëhen një pyetje dhjetësekondëshe në panelin e kontrollit.

Cilat pika të të dhënave të çbllokimit ia vlen të lidhen të parat?

Filloni me katër variablat që përcaktojnë tashmë cilësinë e heqjes së qimeve: koha e ciklit, shpejtësia e rulit, temperatura e procesit dhe ngarkesa e serisë.Ato ekzistojnë në çdo makinë, ndryshojnë kur diçka shkon keq dhe lidhen drejtpërdrejt me rezultatet e produktit. Tabela më poshtë çiftëzon secilën variabël me vlerat reale të pajisjeve dhe optimizimin që ajo zhbllokon.

Vlerat e pajisjeve të nxjerra ngaFaqja e produktit XCJ-G600dheSpecifikimet e makinës kriogjenike të heqjes së flakëve me azot të lëngshëm.

Meqenëse brishtësia kriogjenike është një garë midis temperaturës dhe kohës, kurbat e ftohjes së regjistruara janë të dhënat më të vlefshme në një linjë kriogjenike.Një vrapim që arrin objektivin e brishtësisë në 5 minuta në vend të 8 minutave ka kursyer 37% të ciklit të tij - një kursim që është i padukshëm në një kronometër, por i dukshëm në të dhëna.

Si e ndryshon mirëmbajtja parashikuese ekonominë e dobësimit?

Mirëmbajtja parashikuese përdor të dhënat e trendit — kohëzgjatja në rritje e cikleve, luhatjet e rrymës së motorit, paqëndrueshmëria e temperaturës — për të planifikuar shërbimin para se një komponent të dështojë, në vend që të ndodhë më pas.Dallimi ekonomik është i madh: një motor i prishur në mes të turnit ndalon linjën, prish orarin dhe mund të heqë dorë nga një grup i plotë prodhimesh në proces, ndërsa një ndërrim i planifikuar i identifikuar dy javë më parë ndodh midis turneve.

Sipas përvojës sonë në mbështetjen e linjave të heqjes së flakëve në fabrikat e klientëve, monitorimi i lidhur zakonisht nxjerr në pah tre deri në pesë devijime të procesit të zbatueshme për tremujor në një makinë të vetme - më së shpeshti zgjatje graduale e kohës së ciklit dhe ftohje kriogjenike jokonsistente - dhe secila prej tyre mund të rregullohet në një dritare të planifikuar nën 30 minuta (vlerat tipike nga projektet e klientëve tanë; shifrat e sakta ndryshojnë në varësi të përzierjes së përbërësve dhe modelit të ndërrimit).Meqenëse invertori 7.5 kW në një makinë si XCJ-G600 raporton tashmë ngarkesën e motorit në mënyrë dixhitale, kostoja e hyrjes për këtë nivel monitorimi është një portë hyrëse dhe konfigurim, jo ​​një pajisje e re.

Ekziston edhe një këndvështrim përputhshmërie. Impiante të certifikuara përISO 9001u kërkohet të demonstrojnë përmirësim të vazhdueshëm; një gjurmë e të dhënave të parametrave të makinës për çdo grup është një nga provat më të pastra që një auditor do të pranojë.

Ku përshtatet vizioni automatik në ciklin e cilësisë?

Vizioni automatik mbyll lakun që vetëm të dhënat e sensorëve e lënë të hapur: kamerat inspektojnë pjesët e çaktivizuara dhe shtresa e inteligjencës artificiale gjurmon çdo pjesë të refuzuar deri në ciklin, shpejtësinë dhe temperaturën e saktë që e prodhoi atë.Kjo e kthen kontrollin e cilësisë nga një aktivitet shikimi nga mbrapa në një veprim drejtimi.

Zinxhiri praktik duket kështu: pjesët dalin nga fuçia e çaktivizimit të shkëndijave, kalojnë nëpër një kontroll vizual që sinjalizon shkëndijat e mbetura dhe pjesët e pastra vazhdojnë në njëmakinë ndarëse gomeqë ndan produktin e mirë nga mbetjet e prerjes. Kur sistemi i vizionit regjistron një grumbull refuzimi, inteligjenca artificiale krahason vulat kohore me të dhënat e fuçisë dhe i përgjigjet pyetjes që ka rëndësi: a ishte ky një përbërës i keq, një shpejtësi e gabuar e rulit apo një grup që ishte 2 kg mbi specifikimet?

Linjat kriogjenike përfitojnë më shumë nga ky çiftëzim. Zhbërja kriogjenike arrin shkallë kalueshmërie të produktit të përfunduar mbi 98% kur parametrat janë të qëndrueshëm, kështu që edhe një devijim i vogël i regjistruar - një kurbë ftohjeje që shkon 10 °C më e ngrohtë se niveli bazë - ia vlen të kapet përpara se të kushtojë tre pikë rendimenti.

Si duket një Udhërrëfyes Realist i Integrimit?

Qasja e realizueshme për shumicën e fabrikave të gomës është tre faza: lidhja, analiza dhe pastaj optimizimi — në këtë rend, në një makinë përpara të gjithë linjës.Përpjekja për të automatizuar vendimet përpara se të ekzistojnë të dhënat është mënyra më e zakonshme e dështimit që shohim në projektet e Industrisë 4.0.

1. Lidhni një makinë dhe përcaktoni vijën bazë.Instaloni një portë hyrëse në skajin e një njësie të vetme shfryrjeje të flakëve — ajo më e reja, më e drejtuara nga inverteri — dhe regjistroni kohën e ciklit, shpejtësinë, temperaturën dhe ngarkesën për 60 ditë pa ndryshuar asgjë, në mënyrë që të matet "normalja" dhe jo të supozohet.
2. Analizoni kundrejt rezultateve cilësore.Bashkoni të dhënat e makinës me të dhënat e refuzimit nga inspektimi dhe lejoni që shtresa e inteligjencës artificiale (ose një spreadsheet i mirë, sinqerisht) të kërkojë korrelacione midis ndryshimit të parametrave dhe ngjarjeve të cilësisë.
3. Optimizoni me alarme me cikli të mbyllur.Vendosni pragje alarmi nga niveli bazë, drejtojini ato në telefonat e operatorëve ose në panelin e kontrollit të centralit dhe vetëm atëherë merrni në konsideratë korrigjimin automatik të parametrave — hapi që kërkon më shumë qeverisje dhe më pak urgjencë.

Cilat janë kufizimet e ndershme?

IA dhe IoT nuk do të rregullojnë një proces të paqëndrueshëm, një fuçi të konsumuar ose një formë të specifikuar keq - ato thjesht do t'i raportojnë këto probleme më shpejt dhe më saktë.Integrimi përforcon kontrollin e mirë të procesit; nuk e zëvendëson atë.

Dy paralajmërime të mëtejshme nga përvoja jonë në projekt. Së pari, punimet e vogla të përbëra gjenerojnë të dhëna të pakta: një model i inteligjencës artificiale i trajnuar në 300 cikle të një madhësie unaze O nuk do të transferohet pa probleme në një familje prej 40 pjesësh me punime të shkurtra, kështu që pritjet duhet të vendosen për çdo përzierje produktesh. Së dyti, lidhja ka një sipërfaqe sigurie - udhëzime të tilla si burimet e sigurisë kibernetike të prodhimit të publikuara ngaNISTIa vlen ta lexoni përpara se një portë hyrëse të dalë në qarkullim.Meqenëse një qelizë që çaktivizon lidhjen rrallëherë është e projektuar për t’u lidhur me internetin, një rrjet fabrikash i segmentuar siç duhet e mban rrezikun e shtuar modest, por “modest” nuk do të thotë “zero” dhe duhet të parashikohet në buxhet.

Përfundim: Lidhni të dhënat që keni tashmë

Zhbërja e gomës është jashtëzakonisht e përshtatshme për integrimin e IA-së dhe IoT-së, për një arsye të thjeshtë: makinat tashmë funksionojnë me variabla të kontrolluara saktësisht dhe të matshme. Një sasi prej 15 kg, një cikël 20-40 sekondash, një tavan prej −150 °C, një diapazon rrotulluesish 20-70 RPM - këto janë pika të dhënash që presin të mblidhen dhe secila prej tyre mbart informacion cilësor.

Nëse po planifikoni investimin e ardhshëm në pajisje, zgjidhni makina kontrolluesit e të cilave i ekspozojnë ato të dhëna në mënyrë të pastër. Eksploronigamë e plotë makinash për heqjen e qimeve të gomësnga Xiamen Xingchangjia, ose na dërgoni vizatimet e pjesëve tuaja dhe rezultatin e synuar — ekipi ynë i inxhinierisë do të propozojë një konfigurim deflash me opsione lidhjeje të përputhura me nivelin e automatizimit të uzinës suaj.