Bewaak de stabiliteit van de machine met behulp van gegevenswetenschap
Gepubliceerd op 16 juli 2021 in Industry 4.0
Gezondheidscontrole voor uw machine
Hoe werkt deze scan? Signalen van sensoren en (waar mogelijk) actuators worden met een hoge frequentie geregistreerd, geanalyseerd en gekoppeld aan het proces- en besturingsprogramma van de machine. Door dit samen te doen met de machineoperators en/of technici krijgt u gedetailleerd inzicht en kunt u afwijkingen en inconsistenties herkennen, zoals foute uitlijning van de sensor, verkeerde configuratie en versleten onderdelen. Zo kunt u micro-onderbrekingen verminderen of de hoofdoorzaak van een intermitterend en onopvallend probleem achterhalen.
Machinebewaking
Met constante bewaking is het mogelijk om proces- en kwaliteitsafwijkingen te detecteren, trendafwijkingen te ontdekken en adviezen te geven voor voorspellend onderhoud. U weet dan ook wat de omsteltijd van uw machine is en hebt meer invoergegevens voor modeltraining. Een regelmatige update van de modellen is nodig om de voorspellingsnauwkeurigheid te behouden en te verbeteren.De Sysmac AI-controller van OMRON aan het werk zetten
Wist u dat OMRON een machinecontroller heeft met een Sysmac-bibliotheek voor kunstmatige intelligentie? We kunnen u ondersteunen met een proof-of-concept en u helpen bij de implementatie van de AI-controller in uw lijn. OMRON kan u ook AI-as-a-service bieden, waarbij we de volledige implementatie, updates, upgrades en onderhoud voor onze rekening nemen. Zelfs AI-systemen hebben regelmatige aandacht nodig om te verbeteren en zich aan te passen aan de gedetecteerde veranderingen in het gedrag van de machine en/of het productieproces.
Casestudy: OMRON Manufacturing of the Netherlands
Onlangs werd bij OMRON Manufacturing of The Netherlands (OMN) een gegevenswetenschapproject uitgevoerd op de NX-assemblagelijn, waarbij de focus lag op de pin stitcher voor kunststof behuizingen.Deze machine bevat verschillende motoren en sensoren die parallel meer dan 50 signalen genereren. Het doel van dit project was om alle signalen tegelijkertijd te bewaken en abnormale situaties te ontdekken. De AI-controller registreerde elke 2 milliseconden signalen als gebeurtenisgegevens en sloeg deze op voor gegevensanalyse en afwijkingsdetectie.
Een van de veelvoorkomende problemen in de pin stitcher wordt veroorzaakt door de buig- en roltoevoermotoren wanneer de machine de rol niet op de juiste manier beweegt. Als dit probleem zich voordoet, is onderhoud noodzakelijk en ligt de hele productielijn bijna een uur stil. Met afwijkingsdetectie kunnen de storingen vroegtijdig worden gedetecteerd en wordt een alarm naar de technici en het onderhoudsteam gestuurd. In het geval van de pin stitcher gaat het alarm af enkele uren voordat er zich een groot probleem kan voordoen. Dit vroege alarm voorkomt machinestilstand, omdat het tijdig onderhoud mogelijk maakt. Ook krijgt u eenvoudige correctiesuggesties en hoeft de machine niet langdurig te worden gestopt.
Subtiele veranderingen in de machine kunnen bovendien niet door mensen worden gedetecteerd. Als de machine voor elke productiecyclus vertraagt, ook al is dit slechts enkele milliseconden per week, dan merken operators of technici dit niet. Na verloop van tijd kan de machine 10% trager worden en 15% minder produceren op een dag. De hoofdoorzaak van dit probleem werd gevonden door het gedrag van alle signalen te controleren met behulp van modellen voor afwijkingsdetectie. Er kunnen afstellingen worden uitgevoerd om de prestaties van de machine op een hoog niveau te houden.
Wilt u de volledige waarde van uw industriële gegevens benutten of hebt u een probleem waarvoor u denkt dat de oplossing verborgen is in uw gegevens? Download de white paper hieronder voor meer informatie.
