داده های بزرگ کارخانه لنت ترمز هوشمند را به حرکت در می آورد - تجزیه و تحلیل پیش بینی کننده نقص ها و خرابی ها
کارخانه مدرن لنت ترمز حجم عظیمی از داده را تولید می کند. دماهای پرس، زمان اختلاط، پروفیلهای پخت کوره، اندازهگیری سختی، و رکوردهای نقص در هر ثانیه از حسگرها و ایستگاههای با کیفیت وارد میشوند. برای اکثر کارخانهها، این دادهها در پایگاههای دادهای قرار میگیرند که فقط برای گزارشدهی پس از واقعیت استفاده میشوند. اما موج جدیدی از تولیدکنندگان در حال استقرار تجزیه و تحلیل داده های بزرگ و یادگیری ماشینی هستند تا این اطلاعات را به تصمیم گیری در زمان واقعی تبدیل کنند. نتیجه: نرخ نقص کمتر، خرابی برنامه ریزی نشده کمتر، و محصول سازگارتر برای خریداران.
از کنترل کیفیت واکنشی تا پیش بینی کننده
مدیریت کیفیت سنتی واکنشی است. یک کارخانه دستهای از لنتها را اندازهگیری میکند، متوجه میشود که 5 درصد استحکام برشی از بین میرود و سپس علل ریشهای را بررسی میکند - اغلب چند روز بعد. تا آن زمان ممکن است هزاران لنت معیوب تولید شده باشد. کلان داده با همبستگی پارامترهای فرآیند با نتایج در زمان واقعی این را تغییر می دهد.
به عنوان مثال، کارخانه ای که از یک مدل پیش بینی استفاده می کند ممکن است متوجه شود که هنگام فشار دادن دما به زیر 178 درجه برای سه سیکل متوالی، احتمال مقاومت برشی کم در دسته حاصل از 1٪ به 15٪ افزایش می یابد. این سیستم به طور خودکار قبل از فشار دادن هر لنت در دمای پایین به اپراتور پرس هشدار می دهد - به جای اینکه آنها را بعداً تشخیص دهد، از نقص جلوگیری می کند.
یکی از کارخانههای لنت ترمز در استان ژجیانگ یک پلتفرم کلان داده را پیادهسازی کرد که 120 پارامتر در هر لنت را در 16 پرس جمعآوری میکند. پس از شش ماه آموزش مدلهای یادگیری ماشین، سیستم به دقت 92 درصدی در پیشبینی پدهای خارج از مشخصات قبل از اینکه از روی پرس خارج شوند، دست یافت. کارخانه نرخ ضایعات خود را از 2.8 درصد به 1.1 درصد کاهش داد و سالانه 400000 دلار در هزینه های مواد و دوباره کاری صرفه جویی کرد.
نگهداری پیشگویانه عمر مطبوعات را افزایش می دهد
پرس های داغ گران ترین تجهیزات در هر کارخانه لنت ترمز هستند. خرابی های برنامه ریزی نشده مطبوعات می تواند تولید را برای چند روز متوقف کند. با تجزیه و تحلیل دادههای لرزش، دما، و فشار هیدرولیک در طول زمان، الگوریتمهای پیشبینی میتوانند نشانههای اولیه سایش را تشخیص دهند - پمپی که کارایی خود را از دست میدهد، ترموکوپل از حالت کالیبراسیون خارج میشود یا ریزترکهایی در قالب ایجاد میشود.
همان کارخانه ژجیانگ از تعمیر و نگهداری پیشبینیکننده برای جلوگیری از خرابی فاجعهبار پرس استفاده کرد. این سیستم افزایش تدریجی تغییرات فشار چرخه به چرخه را با یک فشار نشان داد. بازرسی نشان داد که آب بندی هیدرولیک خراب است. کارخانه در حین تغییر شیفت، تعمیر دو ساعته را برنامه ریزی کرد و از خرابی سه روزه جلوگیری کرد. مدت زمان توقف به دلیل خرابی مطبوعات طی 12 ماه 65 درصد کاهش یافت.
معنای کلان داده برای خریداران لنت ترمز چیست؟
برای توزیعکنندگان و واردکنندگان، کارخانهای که دادههای بزرگ را در بر میگیرد، مزایای ملموسی را ارائه میکند:
· کیفیت ثابت - کنترل فرآیند در زمان واقعی، تنوع دسته به دسته را کاهش می دهد. شما پدهایی را دریافت می کنید که به صورت یکسان عمل می کنند.
· خطر نقص کمتر - کیفیت پیش بینی کننده مشکلات را قبل از اینکه بر کالاهای نهایی تأثیر بگذارد، جلب می کند. بازگشت و ادعای گارانتی کمتر.
· زمان کوتاه تر - زمان توقف برنامه ریزی نشده کمتر به این معنی است که کارخانه برنامه تولید خود را به طور قابل اعتماد انجام می دهد. بدون "تاخیر غافلگیر کننده".
· قابلیت ردیابی کامل – سیستم های کلان داده هر پارامتر را برای هر پد ذخیره می کنند. اگر مشکل برطرف شود، کارخانه می تواند علت را مشخص کند و محموله های آسیب دیده را جدا کند.
از یک کارخانه چه چیزی بپرسیم
هنگام ارزیابی تامین کننده لنت ترمز، بپرسید:
· آیا از داده های بزرگ یا یادگیری ماشینی برای پیش بینی یا نگهداری کیفیت استفاده می کنید؟
· چه پارامترهای فرآیند را در زمان واقعی نظارت می کنید؟ آیا می توانید نمونه نمودارهای SPC را ارائه دهید؟
· چگونه با آلارم ها برخورد می کنید - رد خودکار، مداخله اپراتور یا هر دو؟
آیا می توانید روند نرخ ضایعات خود را در دو سال گذشته به اشتراک بگذارید؟
کارخانههایی که روی تجزیه و تحلیل دادهها سرمایهگذاری کردهاند، با جزئیات پاسخ خواهند داد و ممکن است نماهای داشبورد زنده را ارائه دهند. کسانی که هنوز از لاگ های کاغذی یا سیستم های قطع شده استفاده می کنند، برای نشان دادن بهبود مستمر تلاش خواهند کرد.
چالش ها و محدودیت ها
کلان داده جادو نیست. این نیاز به ورود داده های تمیز و ثابت و آموزش مدل دقیق دارد. هزینه های راه اندازی اولیه (حسگرها، نرم افزار، آموزش) می تواند بیش از 200000 دلار برای یک کارخانه متوسط باشد. با این حال، بسیاری از کارخانهها این سرمایهگذاری را طی 18 تا 24 ماه از طریق کاهش ضایعات و خرابیها جبران میکنند. برای خریداران، این مزیت ارزش جستجو را دارد - حتی اگر به معنای پرداخت حق بیمه کمی برای محصول از یک کارخانه مبتنی بر داده باشد.
چشم انداز آینده
با کاهش هزینههای حسگر و کاربرپسندتر شدن نرمافزارهای تحلیلی، دادههای بزرگ در کارخانههای رقابتی لنت ترمز استاندارد میشوند. در عرض پنج سال، خریداران ممکن است بهعنوان بخشی از صلاحیت تامینکننده، بهطور معمول درخواست دسترسی به داشبورد کیفیت همزمان کارخانه را داشته باشند. کارخانه هایی که امروز این روند را پذیرفته اند، همان هایی هستند که فردا رهبری خواهند کرد.
