Lielie dati virza viedo bremžu kluču rūpnīcu — paredzamie Analytics defekti un dīkstāves

Modernā bremžu kluču rūpnīca ģenerē milzīgu datu apjomu. Preses temperatūras, sajaukšanas laiki, cietēšanas krāsns profili, cietības mērījumi un defektu ieraksti tiek ievadīti no sensoriem un kvalitātes stacijām katru sekundi. Lielākajai daļai rūpnīcu šie dati atrodas slēptās datubāzēs, ko izmanto tikai ziņošanai pēc fakta. Taču jauns ražotāju vilnis ievieš lielu datu analīzi un mašīnmācīšanos, lai šo informāciju pārvērstu reāllaika lēmumos. Rezultāts: zemāks defektu līmenis, mazāk neplānotu dīkstāves laiku un konsekventāks produkts pircējiem.

No reaktīvās līdz paredzamajai kvalitātes kontrolei

Tradicionālā kvalitātes vadība ir reaktīva. Rūpnīca mēra spilventiņu partiju, konstatē, ka 5% bīdes izturības nav, un pēc tam izmeklē pamatcēloņus — bieži vien dažas dienas vēlāk. Līdz tam laikam varētu būt saražoti tūkstošiem bojātu paliktņu. Lielie dati to maina, korelējot procesa parametrus ar rezultātiem reāllaikā.

Piemēram, rūpnīca, kas izmanto paredzamo modeli, var konstatēt, ka, presēšanas temperatūrai nokrītot zem 178 grādiem trīs secīgus ciklus, zemas bīdes izturības iespējamība iegūtajā partijā palielinās no 1% līdz 15%. Sistēma automātiski brīdina preses operatoru, pirms tiek nospiesti spilventiņi zemā temperatūrā – novēršot defektus, nevis atklājot tos pēc fakta.

Viena bremžu kluču rūpnīca Džedzjanas provincē ieviesa lielo datu platformu, kas 16 nospiešanas laikā savāc 120 parametrus uz vienu bremžu kluču. Pēc sešus mēnešus ilgas mašīnmācīšanās modeļu apmācības sistēma sasniedza 92% precizitāti, paredzot neatbilstošus spilventiņus, pirms tie tika izņemti no presēšanas. Rūpnīca samazināja lūžņu daudzumu no 2,8% līdz 1,1% un katru gadu ietaupīja aptuveni 400 000 USD materiālu un pārstrādes izmaksās.

Prognozējošā apkope pagarina preses kalpošanas laiku

Karstās preses ir visdārgākais aprīkojums jebkurā bremžu kluču rūpnīcā. Neplānotas preses kļūmes var apturēt ražošanu uz dienām. Analizējot vibrācijas, temperatūras un hidrauliskā spiediena datus laika gaitā, paredzamie algoritmi var atklāt agrīnas nodiluma pazīmes — sūkņa efektivitātes zudumu, termopāra novirzīšanos no kalibrēšanas vai pelējuma veidošanos, kurā veidojas mikroplaisas.

Tā pati Džedzjanas rūpnīca izmantoja paredzamo apkopi, lai izvairītos no katastrofālas preses kļūmes. Sistēma atzīmēja pakāpenisku spiediena svārstību palielināšanos no cikla uz ciklu, nospiežot vienu reizi. Pārbaudē atklājās hidrauliskā blīvējuma defekts. Rūpnīca ieplānoja divu stundu remontu maiņas laikā, izvairoties no tā, kas būtu bijis trīs dienu pārtraukums. Dīkstāves laiks preses kļūmju dēļ 12 mēnešu laikā samazinājās par 65%.

Ko lielie dati nozīmē bremžu kluču pircējiem

Izplatītājiem un importētājiem rūpnīca, kas aptver lielos datus, piedāvā taustāmas priekšrocības:

· Pastāvīga kvalitāte — reāllaika procesa kontrole samazina partiju atšķirības. Jūs saņemat spilventiņus, kas pēc pasūtījuma izpilda identiski.
· Zemāks defektu risks – paredzamā kvalitāte uztver problēmas, pirms tās ietekmē gatavās preces. Mazāk atgriešanas un garantijas prasību.
· Īsāks izpildes laiks – mazāks neplānotu dīkstāves laiks nozīmē, ka rūpnīca droši izpilda savu ražošanas grafiku. Nav "pārsteigumu kavēšanās".
· Pilnīga izsekojamība – lielas datu sistēmas saglabā katru parametru katram blokam. Ja problēma tomēr izzūd, rūpnīca var precīzi noteikt cēloni un izolēt ietekmētos sūtījumus.

Ko jautāt rūpnīcai

Novērtējot bremžu kluču piegādātāju, jautājiet:

· Vai kvalitātes prognozēšanai vai uzturēšanai izmantojat lielus datus vai mašīnmācīšanos?
· Kādus procesa parametrus uzraugāt reāllaikā? Vai varat sniegt SPC diagrammu paraugus?
· Kā jūs rīkojaties ar trauksmēm — automātiska noraidīšana, operatora iejaukšanās vai abi?
· Vai varat dalīties ar savu lūžņu skaita tendenci pēdējo divu gadu laikā?

Rūpnīcas, kas ir ieguldījušas ieguldījumu datu analīzē, atbildēs konkrēti un var piedāvāt reāllaika informācijas paneļa skatus. Tiem, kas joprojām izmanto papīra žurnālus vai atvienotas sistēmas, būs grūti demonstrēt pastāvīgus uzlabojumus.

Izaicinājumi un ierobežojumi

Lielie dati nav maģija. Tam nepieciešama tīra, konsekventa datu ievade un rūpīga modeļa apmācība. Sākotnējās uzstādīšanas izmaksas (sensori, programmatūra, apmācība) var pārsniegt USD 200 000 vidēja lieluma rūpnīcā. Tomēr daudzas rūpnīcas atgūst šos ieguldījumus 18–24 mēnešu laikā, samazinot metāllūžņu un dīkstāves laiku. Pircējiem ir vērts meklēt priekšrocības – pat ja tas nozīmē, ka ir jāmaksā neliela piemaksa par produktu no datu vadītas rūpnīcas.

Nākotnes perspektīva

Tā kā sensoru izmaksas samazinās un analītikas programmatūra kļūst lietotājam draudzīgāka, lielie dati kļūs par standartu konkurētspējīgās bremžu kluču rūpnīcās. Piecu gadu laikā pircēji var regulāri pieprasīt piekļuvi rūpnīcas reāllaika kvalitātes informācijas panelim kā daļu no piegādātāja kvalifikācijas. Rūpnīcas, kas šodien ievēro šo tendenci, ir tās, kuras vadīs rīt.