Każde nieplanowane zatrzymanie produkcji, nawet w przypadku poszczególnych urządzeń, powoduje zwiększenie nakładów pracy, wzrost kosztów i obniżenie wydajności. Oparty na danych, ciągły i możliwie wydajny monitoring to podstawa najwyższej dostępności maszyn i instalacji.
Monitoring maszyn
Podstawowym zastosowaniem jest ciągły nadzór nad maszynami. Chodzi tu o wykorzystanie odpowiednich danych, takich jak prąd, temperatura czy wibracje, w celu wykrycia anomalii w bieżącej obsłudze na wczesnym etapie, najlepiej aby móc sklasyfikować te anomalie i z wyprzedzeniem wykryć możliwe błędy. Często wiąże się to z oznakami zużycia i uszkodzenia, które są wykrywane wcześnie i niezawodnie za pomocą analizy opartej na uczeniu maszynowym. Zapewnia to możliwość projektowania interwencji serwisowych i konserwacji w odpowiednim czasie, aby uzyskać jak największą dostępność przy minimalnych kosztach.
Nadzór procesu
Innym istotnym przypadkiem zastosowania jest ciągły nadzór procesu. Chodzi tu o wykrywanie na wczesnym etapie odchyleń od parametrów procesowych i możliwość interwencji w ramach procesu, jeżeli zajdzie taka potrzeba. Opierając się na istniejącym rozwiązaniu sterowania i danych, które są zazwyczaj już dostępne, ponownie wykorzystuje się modelowe rozwiązanie uczenia maszynowego w celu wykrywania anomalii i klasyfikowania ich tam, gdzie jest to możliwe. Tam, gdzie automatyzacja oparta na regułach osiąga swoje granice, uczenie maszynowe (ML) aktywuje całkowicie nowy wgląd we wcześniej nieznane stany procesów. Dzięki temu interwencja względem procesów może być szybsza i bardziej ukierunkowana.
W oparciu o nieustanny nadzór stanu urządzeń i instalacji powstają różne przypadki użycia, które zwracają uwagę na cel, jakim jest jak największa dostępność instalacji, która z kolei jest kluczowa dla ekonomicznej produkcji. Ostatecznie stan instalacji jest stale znany, co skutkuje maksymalnym bezpieczeństwem dla osób odpowiedzialnych za proces. Ponadto błędy lub nieprawidłowości w danych maszyny można wykryć na wczesnym etapie, a niezbędne pomiary można rozpocząć przed wystąpieniem rzeczywistej usterki lub nawet awarii systemu.
Przykładem zastosowania jest zautomatyzowany nadzór taśm przenośników taśmowych w intralogistyce. Jednym z zadań jest monitorowanie i przewidywanie w zakresie przedłużenia elementów przenośnika łańcuchowego, w zależności od różnych czynników, takich jak szybkość, obciążenie, czas działania lub temperatura. Obejmuje to wczesne oznaczanie pojedynczych uszkodzonych obszarów łańcucha. Prowadzi to również do zilustrowania lub zabezpieczenia wiedzy techników serwisowych na temat stanu systemu, a tym samym do przekształcenia systemu w kierunku ciągłego nadzoru opartego na danych. Konkretne zalety zautomatyzowanego nadzoru to obniżenie kosztów serwisowania i konserwacji, a także wyższa dostępność, a tym samym produktywność systemu. Dzięki perspektywie nowych modeli biznesowych możliwe jest np. zbycie dostępności w formie nowych lub rozszerzonych umów o gwarantowanym poziomie usług (SLA). W końcu takie usługi IoT prowadzą do nowych dostrzegalnych właściwości dla klientów końcowych i odpowiednio większej lojalności klientów.
Kolejną aplikacją jest zautomatyzowany nadzór wentylatorów w hali produkcyjnej związanej z galwanizacją. W galwanotechnice odpowiednia wentylacja jest procesem o kluczowym znaczeniu dla produkcji. Na przykład powstaje gaz tlenowodorowy, który w krytycznych stężeniach stwarza zagrożenie wybuchem. Substancje kwasowe mogą również prowadzić do korozji sprzętu. Istnieje również odpowiedzialność w dziedzinie bezpieczeństw i higieny pracy oraz ochrony zdrowia pracowników. Zadaniem jest ciągły nadzór wentylatorów za pomocą inteligentnych czujników i analizy danych opartej na uczeniu maszynowym. Ścieżka, którą należy podążać, to droga od konserwacji prewencyjnej, opartej na zasadach do konserwacji opartej na warunkach. Prowadzi to do minimalizacji nieplanowanych przestojów w produkcji i zmniejszenia kosztów związanych z konserwacją. Pierwszą zaletą tego przykładowego kompleksowego rozwiązania dla aplikacji typu Brownfield jest ciągłe, zautomatyzowane monitorowanie warunków. Jest to podstawa do zmniejszenia lub minimalizacji kontroli, konserwacji i napraw. W tym konkretnym wypadku możliwe było przejście z comiesięcznej kontroli wentylatorów wymagającej inspekcji na dachu hali produkcyjnej do kontroli półrocznej. Udało się zredukować nieplanowane przestoje i zwiększyć dostępność zakładu. Przypadek użycia IoT z konkretnymi korzyściami.
Na podstawie danych procesowych i ich oceny z wykorzystaniem technologii ML można w wielu wypadkach wyciągnąć wnioski dotyczące jakości wytwarzanych produktów. W oparciu o wybrane parametry procesów można rozpoznać wzorce oparte na technologii ML, które można przypisać do konkretnych stanów procesów. Na przykład można monitorować zakresy tolerancji i na wczesnym etapie rozpoznawać, kiedy wartości przekraczają lub zbliżają się do przekroczenia dopuszczalnej tolerancji, co przekłada się na lepsze przewidywanie.
Inteligentna analiza danych pomaga firmie Grenzebach w zapewnianiu jakości w czasie rzeczywistym i realizacji predykcyjnej konserwacji maszyn dla ich innowacyjnych systemów zgrzewania tarciowego z przemieszaniem. W ten sposób specjaliści inżynierii maszyn i zakładów przyczyniają się do podniesienia produkcji seryjnej 24/7 na nowy poziom.
Obrotowy trzpień cierny jest centralnym narzędziem w procesie zgrzewania tarciowego z przemieszczeniem (FSW) – jest to innowacyjny proces zgrzewania, który firma Grenzebach opracowała dla lekkich metali, takich jak aluminium i jego stopy. Poprzez tarcie i ciśnienie trzpień wytwarza ciepło procesowe wymagane do uzyskania plastyczności metalu, który następnie miesza się wzdłuż miejsca styku przez rotacyjne działanie trzpienia ciernego. W ten sposób tworzy się połączenie, które charakteryzuje się długotrwałą stabilnością i odpornością na zniekształcenia, bez potrzeby dodawania drutu spawalniczego lub gazu obojętnego. Aby osiągnąć ten wynik, trzpień cierny musi zachowywać się zgodnie z oczekiwaniami. Dokładne siły rozciągania i nacisku mają kluczowe znaczenie dla osiągnięcia prawidłowego stopnia odkształcenia metalu. Do tej pory kontrolę jakości przeprowadzał operator maszyny, który dokonywał oględzin spoiny po procesie FSW – była to czasochłonna procedura, której powodzenie zależało również w dużej mierze od wiedzy użytkownika.
Monitoring w czasie rzeczywistym w procesie zgrzewania
Deweloper technologii, dr Carlos Paiz Gatica, wyjaśnia, jak działa wykrywanie anomalii: porównanie modelu referencyjnego i bieżącego procesu umożliwia ocenę jakości w czasie rzeczywistym. Jako pionier w dziedzinie Przemysłu 4.0 firma Grenzebach korzysta dziś z inteligentnych procesów analizy danych, które umożliwiają precyzyjne przewidywanie. W tym celu wykorzystują dostosowane do potrzeb rozwiązanie firmy Weidmüller do analityki przemysłowej.
Nasze oprogramowanie analityczne, które zostało dostosowane do potrzeb firmy Grenzebach, porównuje siły zarejestrowane w czujnikach podczas procesu zgrzewania z idealnymi danymi referencyjnymi. Gdy tylko system wykryje odchylenie wykraczające poza zdefiniowane parametry, operator maszyny jest powiadamiany i natychmiast wie, że coś nie jest w porządku z procesem zgrzewania. W związku z tym nie jest już konieczna ręczna inspekcja każdego spawu
Aby określ model referencyjny, firma Weidmüller współpracowała z inżynierami z Grenzebach nad oceną zbiorów danych kilkuset spawów pod kątem ich przydatności i zbadała je za pomocą inteligentnych metod analizy danych. Istotny element analiz stanowiła wiedza specjalistyczna pochodząca z Grenzebach. Oprogramowanie Weidmüller może być w stanie przewidzieć błąd z pewnym prawdopodobieństwem, ale aby to zrobić, błąd zawsze musi być wcześniej sklasyfikowany. Jedynie Grenzebach może określić, czy dana anomalia powinna zostać zaklasyfikowana jako błąd krytyczny.
Jakość produktu i dostępność w ofercie
Oprócz przeprowadzania kontroli jakości spawów oprogramowanie analityczne rejestruje również parametry procesu każdej części, która jest wytwarzana, tworząc w ten sposób pełną dokumentację. Jest to znacząca korzyść nie tylko z prawnego punktu widzenia, ale także z punktu widzenia możliwości identyfikacji i odtwarzania. System zapewnia również terminowe ostrzeżenia, jeśli zalecana będzie wymiana trzpienia zgrzewającego. Uzbrojony w tę informację operator maszyny może projektować harmonogram konserwacji w taki sposób, aby uniknąć jakichkolwiek czasów przestoju.
„Obok minimalizuj odpadów, które mogą powstać w wyniku rozbicia narzędzia, ważnym czynnikiem, zwłaszcza w inżynierii maszyn i zakładów, jest dostępność urządzeń” — podkreśla Kress.
Specjaliści z Grenzebach zajmujący się technologią dostrzegają kilka kolejnych zalet w odniesieniu do swojego modelu działalności: „Po pierwsze, możemy zaoferować naszym klientom bardzo dokładne i wymierne kontrole jakości, a także dostarczyć im prognozy dotyczące możliwego czasu przestoju sprzętu, co przekłada się na oszczędność zasobów i kosztów. Jednocześnie jesteśmy w stanie wdrożyć usługi oparte na danych i efektywnie wykorzystać jakość produktu lub dostępność sprzętu jako argumenty przemawiające za sprzedażą” — wyjaśnia Michael Sieren, menedżer ds. sprzedaży FSW w Grenzebach.