שילוב בינה מלאכותית ו-IoT במערכות להסרת הבזקים מגומי

By מייק צ'ן, מנהל/ת ייצור | 12+ שנות ניסיון בייצור גומי |לינקדאין

נקודות מפתח

• חבית XCJ-G600 אחת מעבדת אצווה של 15 ק"ג כל 20-40 שניות - יותר מ-1,300 מחזורי נתונים עשירים במשמרת של 8 שעות כבר זמינים ללכידת IoT.
• יחידות הסרת הבהוב קריוגניות פועלות בטמפרטורות עד 150°C- עם מהירויות גלילים של 20-70 סל"ד, ורישום שני המשתנים חושף ישירות בזבוז חנקן וסחיפה של הבידוד.
• מכיוון שמכונות מחוברות מגלות סטיות בתהליך מוקדם, תחזוקה חזויה בדרך כלל ממירה עצירות לא מתוכננות להתערבויות מתוזמנות של פחות מ-30 דקות (ערכים אופייניים מפרויקטים של לקוחותינו).
• התאמה מחודשת עדיפה על החלפה: ציוד המונע על ידי ממיר, כגון ה-XCJ-G600 בהספק 7.5 קילוואט, ניתן בדרך כלל לחבר אותו לחיישנים ושער קצה במקום לרכוש אותו מחדש.

רוב היצרנים שאנו עובדים איתם כבר מחזיקים בציוד להסרת פלאשים שהוא חכם ברמת המכונה ושקט לחלוטין ברמת המפעל. הבקר יודע את מהירות הגליל; המפעיל יודע את משקל האצווה; צוות האיכות יודע את שיעור הדחייה - אבל אף אחד לא מחבר בין השלושה. ניתוק זה הוא בדיוק מה שפרויקטים של בינה מלאכותית ו-IoT נועדו לתקן.

מאמר זה מסביר מה המשמעות האמיתית של אינטגרציה בהקשר של דה-פלאשינג, אילו נקודות נתונים כדאי לחבר תחילה, ומפת דרכים בשלבים שמתאימה למפעלי גומי קטנים ובינוניים ולא למפעלים חכמים בקנה מידה גדול.

מה המשמעות של בינה מלאכותית ו-IoT בהקשר של דה-פלאשינג?

האינטרנט של הדברים (IoT) הוא הפרקטיקה של חיבור ציוד תעשייתי לרשת כך שניתן יהיה לאסוף, לאחסן ולסקור את נתוני ההפעלה שלו; בינה מלאכותית (AI) היא שכבת התוכנה שמוצאת דפוסים בנתונים אלה וממליצה או מבצעת החלטות.בנטרול פלאשינג, השניים פועלים כזוג: האינטרנט של הדברים מספק את האות הגולמי, ובינה מלאכותית הופכת את האות לפעולה - האטת גליל, סימון רצועה שחוקה או הסגרת אצווה חשודה לפני שהיא נשלחת.

כדאי לחשוב על מכונת הסרת שבבים קודם כל כמקור נתונים וכדי להסרת שבבים שנית. כל מחזור הסרת שבבים מכני וכל הפעלה קריוגנית מתחת ל-120 מעלות צלזיוס מייצרים טביעת אצבע ניתנת למעקב של מהירות, זמן, טמפרטורה ועומס. לאחר שאחסנת טביעות האצבע הללו, שאלות שבעבר דרשו מהנדס תהליך לעמוד ליד הקנה במשך משמרת שלמה - "מתי זמני המחזור החלו לזחול למעלה?" - הופכות לשאילתה בת עשר שניות בלוח המחוונים.

אילו נקודות נתונים להסרת פלאשינג כדאי לחבר תחילה?

התחילו עם ארבעת המשתנים שכבר קובעים את איכות הסרת הבזק: זמן מחזור, מהירות גליל, טמפרטורת התהליך ועומס אצווה.הם קיימים בכל מכונה, הם משתנים כאשר משהו משתבש, והם ממפים ישירות לתוצאות המוצר. הטבלה שלהלן משדכת כל משתנה עם ערכי ציוד אמיתיים והאופטימיזציה שהוא פותח.

ערכי הציוד שמקורם ב-דף המוצר של XCJ-G600וה-מפרט מכונת הסרת פלאש קריוגנית בחנקן נוזלי.

מכיוון ששבירות קריוגנית היא מרוץ בין טמפרטורה לזמן, עקומות קירור שנרשמו הן קבוצת הנתונים החשובה ביותר בקו קריוגני.ריצה שמגיעה ליעד השבריריות תוך 5 דקות במקום 8 חסכה 37% מהמחזור שלה - חיסכון בלתי נראה בשעון עצר אך ניכר בנתונים.

כיצד תחזוקה חזויה משנה את כלכלת הסרת הבזקים?

תחזוקה חזויה משתמשת בנתוני מגמה - זמני מחזור עולים, תנודות זרם המנוע, חוסר יציבות בטמפרטורה - כדי לתזמן שירות לפני תקלה ברכיב, במקום אחריו.ההבדל הכלכלי הוא בולט: מנוע הנעה כושל באמצע משמרת עוצר את קו הייצור, משבש את לוח הזמנים ויכול לבטל אצווה מלאה בתהליך, בעוד שהחלפה מתוכננת שזוהתה שבועיים מוקדם מתרחשת בין משמרות.

מניסיוננו בתמיכה בניקוי קווי חימום במפעלי לקוחות, ניטור מחובר בדרך כלל חושף שלוש עד חמש סחיפות תהליך ניתנות לפעולה בכל רבעון במכונה בודדת - לרוב הארכה הדרגתית של זמן המחזור וקירור קריוגני לא עקבי - וכל אחת מהן ניתנת לתיקון בחלון מתוזמן של פחות מ-30 דקות (ערכים אופייניים מפרויקטים של לקוחותינו; נתונים מדויקים משתנים בהתאם לתערובת התרכובות ולדפוס המשמרת).מכיוון שממיר ה-7.5 קילוואט במכונה כמו ה-XCJ-G600 כבר מדווח על עומס המנוע באופן דיגיטלי, עלות הכניסה לרמת ניטור זו היא שער ותצורה, ולא חומרה חדשה.

יש גם זווית של תאימות. מפעלים בעלי הסמכה ל-ISO 9001מתבקשים להדגים שיפור מתמיד; נתיב נתונים של פרמטרי מכונה לכל אצווה הוא אחת הראיות הנקיות ביותר שמבקר יקבל.

היכן משתלבת ראיית מכונה בלולאת האיכות?

ראיית מכונה סוגרת את המעגל שנתוני החיישנים לבדם משאירים פתוח: מצלמות בודקות חלקים שעברו דה-פלאשינג, ושכבת הבינה המלאכותית עוקבת אחר כל חלק שנדחה עד למחזור, המהירות והטמפרטורה המדויקים שיצרו אותו.זה הופך את בקרת האיכות מפעילות של מבט לאחור לקלט היגוי.

השרשרת המעשית נראית כך: חלקים יוצאים מקנה הסרת הבזק, עוברים דרך בדיקת ראייה שמסמנת הבזק שיורי, וחלקים נקיים ממשיכים ל-מכונת מפריד גומישממיין מוצר טוב מפסולת גימור. כאשר מערכת הראייה רושמת אשכול דחייה, הבינה המלאכותית משווה חותמות זמן עם נתוני חביות ועונה על השאלה החשובה: האם מדובר בתרכובת גרועה, מהירות גליל שגויה, או אצווה שהייתה 2 ק"ג מעל המפרט?

קווי קריוגניים מרוויחים הכי הרבה מהזיווג הזה. הסרת פלאש קריוגנית משיגה שיעורי מעבר של מעל 98% במוצר המוגמר כאשר הפרמטרים יציבים, כך שאפילו סטייה קטנה שנרשמה - עקומת קירור הנמצאת ב-10 מעלות צלזיוס חמה יותר מהקו הבסיסי - שווה לזהות לפני שהיא גורמת לשלוש נקודות תפוקה.

איך נראית מפת דרכים מציאותית לאינטגרציה?

הגישה המעשית עבור רוב מפעלי הגומי היא שלושה שלבים: חיבור, ניתוח, ואז אופטימיזציה - בסדר הזה, על מכונה אחת לפני כל הקו.ניסיון להפוך החלטות לאוטומטיות לפני שקיימים נתונים הוא מצב הכשל הנפוץ ביותר שאנו רואים בפרויקטים של Industry 4.0.

1. חבר מכונה אחת והגדר את קו הבסיס.התקן שער קצה על יחידת נטרול פלאשים אחת - החדשה ביותר, המונעת על ידי ממיר - ורשום את זמן המחזור, המהירות, הטמפרטורה והעומס במשך 60 יום מבלי לשנות דבר, כך ש"נורמלי" נמדד ולא מונח.
2. ניתוח מול תוצאות איכותיות.מאחדים את נתוני המכונה עם רישומי דחייה מהבדיקה, ואפשרים לשכבת הבינה המלאכותית (או לגיליון אלקטרוני טוב, אם לומר את האמת) לחפש קורלציות בין סחיפה של פרמטרים לאירועי איכות.
3. אופטימיזציה באמצעות התראות בלולאה סגורה.הגדירו ספי התרעה מנקודת הבסיס, נתבו אותם לטלפונים של המפעילים או ללוח המחוונים של המפעל, ורק אז שקלו תיקון פרמטרים אוטומטי - השלב הדורש את הממשל הרב ביותר והדחיפות הנמוכה ביותר.

מהן המגבלות הכנות?

בינה מלאכותית ו-IoT לא יתקנו תהליך לא יציב, קנה שחוק או תבנית עם מבנה גרוע - הן פשוט ידווחו על בעיות אלו מהר יותר ומדויק יותר.אינטגרציה מעצימה בקרת תהליכים טובה; היא אינה מחליפה אותה.

שתי אזהרות נוספות מניסיון הפרויקט שלנו. ראשית, ריצות מורכבות קטנות מייצרות נתונים דלים: מודל בינה מלאכותית שאומן על 300 מחזורים של גודל טבעת O אחד לא יועבר בצורה חלקה למשפחה של 40 חלקים ברצף קצר, ולכן יש לקבוע ציפיות לכל תמהיל מוצרים. שנית, לקישוריות יש משטח אבטחה - הנחיות כגון משאבי אבטחת הסייבר של הייצור שפורסמו על ידיNISTשווה קריאה לפני ששער עולה לאוויר.מכיוון שתא מנטרל פלאש לעיתים רחוקות פונה לאינטרנט מטבעו, רשת יצרן המחולקת כראוי שומרת על הסיכון הנוסף צנוע, אך "צנוע" אינו "אפס" ויש לתקצב אותו.

סיכום: חברו את הנתונים שכבר יש לכם

הסרת פלאשים מגומי מתאימה במיוחד לשילוב בינה מלאכותית ו-IoT, מסיבה פשוטה אחת: המכונות כבר פועלות על משתנים מבוקרים וכמותיים במדויק. אצווה של 15 ק"ג, מחזור של 20-40 שניות, תקרת מהירות של 150 מעלות צלזיוס-, טווח גלילים של 20-70 סל"ד - אלו נקודות נתונים שמחכות לאיסוף, וכל אחת מהן נושאת מידע איכותי.

אם אתם מתכננים את ההשקעה הבאה בציוד, בחרו מכונות שהבקרים שלהן חושפים את הנתונים בצורה נקייה. חקרו אתמגוון מלא של מכונות להסרת פלאשים מגומימשיאמן שינגצ'אנגג'יה, או שלחו לנו את שרטוטי החלקים שלכם ואת תפוקת היעד - צוות ההנדסה שלנו יציע תצורת ביטול פלאש עם אפשרויות קישוריות התואמות לרמת האוטומציה של המפעל שלכם.