Поэтапное внедрение машинного обучения при создании гидравлических систем позволяет сократить время простоя и образование брака на производстве.
Чтобы обеспечить стабильный производственный процесс с высоким качеством и скоростью изготовления продукции, производственное оборудование должно стабильно работать в течение всего срока службы при минимальных затратах на техническое обслуживание и ремонт. Интервалы сервисных работ до сих пор обычно выполняются согласно технической документации и зависят от расчетных усреднённых значений и накопленной производителем оборудованиям статистики. Причем чем меньше интервалы, тем выше безаварийные показатели, но это же приводит к непропорциональному увеличению затрат. Увеличение межсервисного интервала приводит к сокращению текущих затрат, но опасно возникновением внезапных аварий, что ведет к незапланированному простою и высоким затратам на ремонт. Таким образом, оптимальные затраты на техническое обслуживание и ремонт находятся между двумя экстремальными значениями и зависят от самого оборудования, технологического процесса, текущей загрузки производства, опыта технического персонала и многих других параметров. Таким образом, современные производственные компании все чаще инвестируют в решения по оцифровки технологического процесса, чтобы снизить затраты на техническое обслуживание и производство.
Попробуем рассмотреть ситуацию на конкретном примере. У нас много производств на которых используется прессовое, штамповочное или гибочное оборудование. Гидравлический пресс скажем, как правило, имеет относительно длительный срок службы, поэтому время простоя и ремонта размазано на большие временные промежутки, что затрудняет оценку реально-разумных затрат на обслуживание только согласно техдокументации или по фактической ситуации. Таким образом назревает необходимость оцифровки всех основных узлов гидравлического пресса для целенаправленного сбора данных о текущем состоянии оборудования, желательно в режиме реального времени. Помимо обычных измерений, таких как давление, температура и расход, при эксплуатации гидравлического оборудования для нас важна чистота рабочей жидкости и износ механических компонентов, которые могут контролироваться с помощью анализа пороговых значений. Анализ пороговых значений часто достаточен, чтобы получить простые рекомендации по действию для оператора. Например, если датчик давления сообщает о пороговых значениях, специально разработанное программное обеспечение подает сигнал оператору и показывает подробное руководство по устранению проблемы. Данные поступающие с датчиков могут быть доступны на панели управления и на мобильных устройствах. В свою очередь, накопление и сочетание данных от разных типов датчиков позволяет отслеживать и предвидеть развитие текущей ситуации для высокой выгоды всех участников процесса.
Умные компоненты могут контролировать много механических узлов в гидравлическом прессе, чтобы предвидеть серьезные повреждения из-за пластической деформации материала. Это позволяет не только экономить на дорогостоящем ремонте, но и минимизировать образования брака готовой продукции. Показатель брака является одним из центральных показателей (KPI) экономической эффективности работы любого промышленного предприятия. Таким образом, датчики в гидравлическом прессе могут использоваться не только для сбора данных о состоянии самого пресса, но и для оценки комплекса нагрузок в производственном процессе.
Новые подходы к использованию сбора данных с датчиков устанавливаемых на оборудовании позволяют применять методы машинного обучения (ML), которые можно разделить на контролируемые и неконтролируемые подходы. Соответствующие алгоритмы обучения создают сложную модель на основе данных получаемых на всех этапах производства. Затем модель может быть применена к новым, ранее неизвестным данным той же структуры и установить желаемую связь действия, такую как связь между входными данными и качеством детали (контролируемое обучение). Качество модели зависит, в частности, от качества или значимости данных обучения, собранных на производственном предприятии. Таким образом, для отображения таких сложных взаимосвязей и процессов необходимы обширные и репрезентативные образцы данных для генерации модели. Связанной с этим проблемой является наличие так называемых "желаемых" данных обучения. Однако новые подходы не всегда однозначно реализуется даже на современных предприятиях из-за отсутствия желания или возможностей посмотреть на ситуацию глобально. Переход к постоянному и поступательному процессу машинного обучению является необходимым условием развития современного предприятия.
Компания ООО ПКЦ "Кинематика" предлагает рассматривать проектирование гидравлических систем с учетом современных требований применения искусственного интеллекта (ИИ) и машинного обучения (ML). Необходимо иметь возможность получать данные не только с конкретного оборудования, но также использовать эти данные в разрезе большого алгоритма и оцифровки бизнес-процессов всего предприятия. Такой подход позволяет разрабатывать новые методы обнаружения аномалий на ранних стадиях производственного процесса, накапливать и анализировать данные, совершенствоваться и достигать новых вершин.
Компания ООО ПКЦ "Кинематика" - это подбор, поставка и сервис гидравлических компонентов ведущих мировых производителей Hydac, Bosch Rexroth, Olaer, Parker, Fox. Тщательный анализ поставленных задач и их глубокая проработка, точное соблюдение договоренностей и своевременное выполнение взятых на себя обязательств в сочетании с персональным подходом и безоговорочной ориентацией на качество решений и поставляемых услуг — лежат в основе работы компании.
