A gyártás, akár egyes gépek minden, terven kívüli leállása további ráfordítást, nagyobb költségeket és kisebb teljesítményt eredményez. Az adatvezérelt, folyamatos és lehető legjobb állapotfelügyelet alapvetően fontos alap a gépek és berendezések maximális rendelkezésre állásához.
Gépfelügyelet
Az alapvetően fontos használati eset itt a folyamatos gépfelügyeletet jelenti. Itt az a cél, hogy olyan fontos adatokat használjanak, mint például az áram, hőmérséklet vagy rezgés a folyamatban levő működés korai szakaszában az anomáliák észlelésére, ideális esetben ezeknek az anomáliáknak a besorolhatóságára és a lehetséges hibák előzetes észlelésére. Ide tartoznak gyakran a kopás és elhasználódás jelei, amelyeket gépi tanuláson alapuló analitika használatával lehet időben és megbízható módon észlelni. Ezt követően ez lehetőséget ad a szerviz és karbantartási beavatkozások megfelelő időben történő megtervezésére a maximális rendelkezésre állás érdekében minimális költségek mellett.
Folyamatfelügyelet
Egy másik alapvetően fontos használati eset itt a folyamatos folyamatfelügyeletet jelenti. A cél itt a folyamat-paraméterekhez viszonyítva az eltérések észlelése korai szakaszban, és a beavatkozás biztosítása a folyamatban szükség esetén. A meglevő vezérlési megoldásra és a már általában rendelkezésre álló adatokra támaszkodva a modell alapú gépi tanulási megoldás szintén az anomáliák lehető legjobb észlelésére és besorolására használatos. Ahol a szabály alapú automatizálás eléri a korlátait, az ML teljesen új betekintést ad a korábban ismeretlen folyamatállapotokba. Ez azt eredményezi, hogy korábban és célzottabb módon lehet beavatkozni a folyamatba.
A gépek és berendezések folyamatos állapotfelügyelete alapján különböző olyan használati esetek merülnek fel, amelyek a berendezés maximális rendelkezésre állásának céljára összpontosítanak, ami viszont a gazdaságos gyártás kulcsa. Végeredményként a berendezés állapota folyamatosan ismert, ami maximális biztonságot ad a folyamatért felelős emberek számára. Emellett a gép adatokban a hibák vagy anomáliák korai szakaszban észlelhetők, és a szükséges intézkedések a rendszer tényleges meghibásodása vagy akár tönkremenetele előtt megtehetők.
Az egyik alkalmazási példa a nagy sebességű szállítószalagok automatizált felügyelete az intralogisztikában. Az egyik feladat a szállítólánc elemei megnyúlásának felügyelete és előrejelzése az olyan különböző befolyásoló tényezőktől függően, mint például a sebesség, terhelés, futási idő vagy hőmérséklet. Ez az egyes sérült láncterületek korai azonosítását is magába foglalja. Ennek eredménye rendszer állapotának illusztrálása vagy a szerviztechnikusok azzal kapcsolatos ismereteinek biztosítása, és így az átváltás a rendszer folyamatos, adatalapú felügyeletére. Az automatizált felügyelet különleges előnyei a szerviz és karbantartási költségek csökkentése, valamint a nagyobb rendelkezésre állás és így a rendszer nagyobb termelékenysége. Új üzleti modellek céljából például új vagy bővített szolgáltatási szintű megállapodások (SLA-k) formájában a rendelkezésre állás értékesítése lehetővé válik. Végül is az ilyen IIoT szolgáltatások új, érzékelhető funkciókat eredményeznek a végfogyasztók számára, és ennek megfelelően nagyobb vevői hűséget.
Egy másik alkalmazás a ventilátorok automatizált felügyelete a galvanizáló gyártócsarnokban. Galvanizálás során a szellőzés a gyártás szempontjából kritikus folyamat. Például durranógázt gyártanak, ami robbanásveszélyt jelent kritikus koncentrációkban. A savas anyagok szintén okozhatják a berendezés korrózióját. A munkahelyi biztonság és egészség, illetve az alkalmazott egészsége területén szintén fennáll a felelősség. A feladat a ventilátorok folyamatos felügyelete okos érzékelők és ML-alapú adatelemzés használatával. A követendő út a megelőző, szabályalapú karbantartástól az állapotalapú karbantartáshoz vezet. Ez a gyártás terven kívüli leállásainak minimálisra csökkenését és karbantartási költségek csökkenését eredményezi. A barnamezős alkalmazásokra példaként bemutatott, pontok közötti megoldás első előnye a folyamatos, automatizált állapotfelügyelet. Ez az ellenőrzés, karbantartás és javítás csökkentésének vagy minimálisra csökkentésének az alapja. Ebben a speciális esetben a ventilátorok havi, a galvanizáló tető végigjárásával végzett ellenőrzéséről féléves ellenőrzésre lehet átváltani. A terven kívüli leállások csökkenthetők, a berendezés rendelkezésre állása pedig növelhető. IoT használati eset speciális előnyökkel.
A folyamatadatok és azok ML technológiával végzett értékelése alapján számos esetben lehet következtetni a gyártott termékek minőségéről. A kiválasztott folyamatparaméterek alapján ML-alapú mintázatokat lehet felismerni, amelyek egy adott folyamatállapothoz rendelhetők. Ebből származóan a tűréstartományok felügyelhetők például, és korai szakaszban előrejelzés alapján felismerhető, ha a tűréseket mikor lépik túl vagy fogják túllépni.
A Grenzebach intelligens adatelemzési megoldásokra támaszkodva valós időben ellenőrizheti a minőséget és prediktív karbantartást alkalmazhat innovatív dörzshegesztőgépeinél. Ilyen módon a gép- és berendezésgyártási szakemberek hozzájárulnak ahhoz, hogy új szintre emelkedjen a folyamatos sorozatgyártás.
A forgó súrlódó csap a dörzshegesztés (FSW) központi eszköze; ez egy olyan innovatív varrathegesztő folyamat, amit a Grenzebach fejlesztett ki olyan könnyű fémekhez, mint például az alumínium és annak ötvözetei. Súrlódás és nyomás útján a csap hozza létre a fém képlékenységéhez szükséges folyamathőt, amit ezután a súrlódó csap forgása kavar az érintkezési pont mentén. Anélkül, hogy hegesztőhuzalt vagy semleges gázt kellene alkalmazni, ez olyan szilárd kötést hoz létre, amit hosszú távú stabilitás és torzulással szembeni ellenállás jellemez. Ennek az eredménynek az a követelménye, hogy a súrlódó csap a várt módon viselkedjen. A pontos húzó és nyomó erők alapvetően fontosak a fém megfelelő fokú deformálódásának eléréséhez. Egészen mostanáig a gépkezelő végezte a minőségellenőrzést, aki szemrevételezte a hegesztési varratot az FSW folyamat után; ez egy időigényes eljárás, aminek sikere erősen függött a felhasználó egyéni ismereteitől is.
Valós idejű felügyelet a hegesztési folyamat alatt
A technológia fejlesztője, Dr. Carlos Paiz Gatica magyarázza el, hogyan működik az anomáliák észlelése: A referenciamodell és az aktuális folyamat összehasonlítása valós idejű minőségvizsgálatot tesz lehetővé. Az Industry 4.0 terén úttörőként a Grenzebach most olyan intelligens adatelemzési folyamatokat használ, amelyek pontos előrejelzéseket tesznek lehetővé. Ebből a célból használják a Weidmüller testreszabott ipari analitikai megoldását.
A Grenzebach igényeihez szabott analitikai szoftverünk összehasonlítja a hegesztési folyamat alatt az érzekelőknél rögzített erőket egy ideális referenciaadat rekorddal. Amint a rendszer olyan eltérést észlel, ami a meghatározott paramétereken kívül esik, értesíti a gépkezelőt, és azonnal tudja, hogy valami nincs rendben a hegesztési folyamatban. Az egyes hegesztési varratok manuális ellenérzésére így többé nem lesz szükség
A referenciamodell meghatározásához a Weidmüller együtt dolgozott a Grenzebach mérnökeivel, hogy felmérjék több száz hegesztési varrat adathalmazainak alkalmazhatóságát, és intelligens adatelemzési módszerek használatával elemezték őket. Az elemzések jelentős elemét a Grenzebach szakismerete adta. A Weidmüller szoftvere nagyon is alkalmas lehet arra, hogy bizonyos fokú valószínűséggel előre jelezzen egy hibát, de ehhez ezt mindig előre osztályozni kell. Csak a Grenzeback tudja meghatározni, hogy egy anomália ténylegesen kritikus hibaként osztályozható-e.
Termékminőség és rendelkezésre állás a kínálatban
Amellett, hogy minőség-ellenőrzési vizsgálatokat végez a hegesztési varratokon, az analitikai szoftver egyúttal rögzíti az egyes gyártandó alkatrészek folyamat-paramétereit is, így komplett dokumentációt hoz létre. Ez nem csak jogi szempontból jelentős előny, hanem a nyomon követhetőség és ismételhetőség tekintetében is. A rendszer ráadásul időben ad figyelmeztetést, ha a hegesztőcsap cseréje tanácsos. Ennek az információnak az alapján a gépkezelő olyan módon tudja megtervezni a karbantartási ütemtervet, hogy elkerülhető minden leállás.
„A szerszámtörésből származó esetleges hulladék minimálisra csökkentése mellett fontos tényező, különösen a gép- és berendezésgyártásban, a gépek rendelkezésre állása,” - hangsúlyozza Kress.
A Grenzebach high-tech szakemberei további előnyöket látnak a cég üzleti modelljének alakulását illetően: „Először is nagy pontos és mennyiségileg meghatározható minőségellenőrzést tudunk kínálni és a berendezések lehetséges állásidejéről előrejelzést tudunk adni a vevőinknek, így erőforrásokat és költségeket takaríthatnak meg. Ugyanakkor abban a helyzetben vagyunk, hogy adatvezérelt szolgáltatásokat tudunk megvalósítani, és hatékonyan tudjuk a termékminőséget vagy a berendezések rendelkezésre állását eladási érvként használni,” - fejti ki Michael Sieren, a Grenzebach FWW értékesítési igazgatója.
Varga István
Műszaki szaktanácsadó