Integrazione di IA e IoT nei sistemi di sbavatura della gomma

By Mike ChenDirettore di produzione | Oltre 12 anni di esperienza nella produzione di gomma |LinkedIn

Punti chiave

• Un singolo cilindro XCJ-G600 lavora un lotto da 15 kg ogni 20-40 secondi: sono già disponibili oltre 1.300 cicli ricchi di dati per turno di 8 ore, che possono essere acquisiti tramite IoT.
• Le unità di sbavatura criogenica funzionano a temperature fino a -150 °C con velocità dei rulli comprese tra 20 e 70 giri/minuto, e la registrazione di entrambe le variabili evidenzia direttamente lo spreco di azoto e la deriva dell'isolamento.
• Poiché le macchine connesse rivelano tempestivamente eventuali deviazioni dai processi standard, la manutenzione predittiva converte in genere gli arresti imprevisti in interventi programmati di durata inferiore a 30 minuti (valori tipici riscontrati nei progetti dei nostri clienti).
• Ristrutturare è meglio che sostituire: le apparecchiature azionate da inverter, come l'XCJ-G600 da 7,5 kW, possono solitamente essere collegate tramite sensori e un gateway edge, evitando così un nuovo acquisto.

La maggior parte dei produttori con cui collaboriamo possiede già apparecchiature di sbavatura intelligenti a livello di macchina e completamente silenziose a livello di stabilimento. Il controller conosce la velocità dei rulli; l'operatore conosce il peso del lotto; il team di controllo qualità conosce il tasso di scarto, ma nessuno collega questi tre elementi. È proprio questa disconnessione che i progetti di intelligenza artificiale e IoT mirano a risolvere.

Questo articolo spiega cosa significhi realmente l'integrazione nel contesto della deflashing, quali punti dati sia opportuno collegare per primi e propone una roadmap a fasi adatta a impianti di lavorazione della gomma di piccole e medie dimensioni, piuttosto che a fabbriche intelligenti su larga scala.

Cosa significano realmente IA e IoT in un contesto di deflashing?

L'Internet delle cose (IoT) è la pratica di connettere apparecchiature industriali a una rete in modo che i loro dati operativi possano essere raccolti, archiviati e analizzati; l'intelligenza artificiale (IA) è il livello software che individua modelli in questi dati e raccomanda o esegue decisioni.Nel processo di deflashing, i due elementi lavorano in sinergia: l'IoT fornisce il segnale grezzo e l'intelligenza artificiale trasforma il segnale in azione, ad esempio rallentando un rullo, segnalando una cinghia usurata o mettendo in quarantena un lotto sospetto prima della spedizione.

È utile considerare una macchina per la sbavatura innanzitutto come una fonte di dati e solo in secondo luogo come uno strumento di sbavatura. Ogni ciclo di sbavatura meccanica e ogni ciclo criogenico al di sotto di -120 °C produce un'impronta digitale tracciabile di velocità, tempo, temperatura e carico. Una volta memorizzate queste impronte digitali, le domande che prima richiedevano la presenza di un ingegnere di processo in piedi accanto al cilindro per un intero turno — "quando hanno iniziato ad aumentare i tempi di ciclo?" — diventano una semplice query di dieci secondi sul pannello di controllo.

Quali punti dati di deflashing vale la pena collegare per primi?

Partiamo dalle quattro variabili che già determinano la qualità della sbavatura: tempo di ciclo, velocità dei rulli, temperatura di processo e carico del lotto.Sono presenti su ogni macchina, cambiano quando qualcosa va storto e si riflettono direttamente sui risultati del prodotto. La tabella seguente associa ciascuna variabile ai valori reali delle apparecchiature e all'ottimizzazione che essa consente di ottenere.

Valori delle attrezzature ricavati daPagina del prodotto XCJ-G600e ilspecifiche della macchina per deflagrazione criogenica ad azoto liquido.

Poiché la fragilità criogenica è una corsa contro il tempo e la temperatura, le curve di raffreddamento registrate rappresentano il set di dati più prezioso su una linea criogenica.Una corsa che raggiunge il livello di fragilità target in 5 minuti anziché in 8 ha permesso di risparmiare il 37% del ciclo: un risparmio invisibile al cronometro ma evidente nei dati.

In che modo la manutenzione predittiva modifica i costi della rimozione dei flash?

La manutenzione predittiva utilizza i dati di tendenza (aumento dei tempi di ciclo, fluttuazioni della corrente del motore, instabilità della temperatura) per programmare la manutenzione prima che un componente si guasti, anziché dopo.La differenza economica è netta: un guasto al motore di azionamento a metà turno blocca la linea, sconvolge la programmazione e può comportare lo scarto di un intero lotto in lavorazione, mentre una sostituzione pianificata e individuata con due settimane di anticipo avviene tra un turno e l'altro.

Nella nostra esperienza di supporto alle linee di sbavatura presso gli impianti dei clienti, il monitoraggio connesso rileva in genere da tre a cinque anomalie di processo risolvibili per trimestre su una singola macchina, le più comuni delle quali sono l'estensione graduale del tempo di ciclo e il raffreddamento criogenico incoerente, e ciascuna di esse è risolvibile entro un intervallo programmato inferiore a 30 minuti (valori tipici dai nostri progetti con i clienti; le cifre esatte variano in base alla miscela di composti e al modello di turno).Poiché l'inverter da 7,5 kW di una macchina come la XCJ-G600 visualizza già digitalmente il carico del motore, il costo iniziale per questo livello di monitoraggio consiste nell'acquisto di un gateway e nella relativa configurazione, non in nuovo hardware.

C'è anche un aspetto di conformità. Gli impianti certificati secondoISO 9001Viene richiesto di dimostrare un miglioramento continuo; una traccia dei parametri della macchina per ogni lotto è una delle prove più chiare che un revisore possa accettare.

In che ruolo si inserisce la visione artificiale nel ciclo di qualità?

La visione artificiale chiude il cerchio che i soli dati dei sensori lasciano aperto: le telecamere ispezionano i pezzi sbavati e lo strato di intelligenza artificiale traccia ogni pezzo scartato risalendo al ciclo, alla velocità e alla temperatura esatti che lo hanno prodotto.Questo trasforma il controllo qualità da un'attività retrospettiva in un input di guida.

La catena pratica si presenta così: i pezzi escono dal cilindro di sbavatura, passano attraverso un controllo visivo che segnala la bava residua e i pezzi puliti continuano verso unmacchina separatrice di gommache separa il prodotto buono dagli scarti. Quando il sistema di visione registra un gruppo di scarti, l'IA confronta i timestamp con i dati del cilindro e risponde alla domanda cruciale: si trattava di una mescola difettosa, di una velocità del rullo errata o di un lotto con 2 kg di peso superiore alle specifiche?

Le linee criogeniche traggono il massimo vantaggio da questa combinazione. La deflashing criogenica raggiunge tassi di conformità del prodotto finito superiori al 98% quando i parametri sono stabili, quindi anche una piccola deviazione registrata, come una curva di raffreddamento che si muove a 10 °C in più rispetto alla linea di base, vale la pena di essere individuata prima che costi tre punti percentuali di resa.

Che aspetto ha una roadmap di integrazione realistica?

L'approccio più efficace per la maggior parte degli impianti di lavorazione della gomma si articola in tre fasi: collegamento, analisi e ottimizzazione, da eseguire in quest'ordine su una singola macchina prima di intervenire sull'intera linea.Il tentativo di automatizzare i processi decisionali prima che i dati siano disponibili è l'errore più comune che riscontriamo nei progetti di Industria 4.0.

1. Collega una macchina e definisci la linea di base.Installa un gateway di bordo su una singola unità di deflagrazione, ovvero quella più recente e con tecnologia inverter, e registra tempo di ciclo, velocità, temperatura e carico per 60 giorni senza apportare modifiche, in modo da misurare la "normalità" anziché darla per scontata.
2. Analizzare in base ai risultati qualitativi.Unisci i dati della macchina con i registri degli scarti provenienti dall'ispezione e lascia che il livello di intelligenza artificiale (o un buon foglio di calcolo, a dire il vero) cerchi correlazioni tra la deriva dei parametri e gli eventi di qualità.
3. Ottimizza con avvisi a ciclo chiuso.Definisci le soglie di allerta a partire dai dati di base, inoltrale ai telefoni degli operatori o al pannello di controllo dell'impianto e solo successivamente valuta la correzione automatica dei parametri: la fase che richiede la massima supervisione e la minore urgenza.

Quali sono i limiti onesti?

L'intelligenza artificiale e l'IoT non risolveranno un processo instabile, una canna usurata o uno stampo con specifiche errate: si limiteranno a segnalare questi problemi più rapidamente e con maggiore precisione.L'integrazione amplifica un buon controllo dei processi, ma non lo sostituisce.

Due ulteriori avvertenze derivanti dalla nostra esperienza di progetto. In primo luogo, le piccole serie di composti generano dati scarsi: un modello di IA addestrato su 300 cicli di una dimensione di O-ring non si trasferirà in modo pulito a una famiglia di 40 parti a tiratura limitata, quindi le aspettative devono essere definite per ogni mix di prodotti. In secondo luogo, la connettività ha una superficie di sicurezza: linee guida come le risorse di sicurezza informatica per la produzione pubblicate daNISTvale la pena leggerlo prima che un gateway venga attivato.Poiché una cella di deflashing raramente è, per sua stessa natura, esposta a Internet, una rete di fabbrica opportunamente segmentata mantiene il rischio aggiuntivo contenuto, ma "contenuto" non significa "zero" e va tenuto in considerazione nel budget.

Conclusione: collega i dati che già possiedi

La sbavatura della gomma si presta particolarmente bene all'integrazione con l'IA e l'IoT, per un semplice motivo: le macchine funzionano già con variabili precise e quantificabili. Un lotto di 15 kg, un ciclo di 20-40 secondi, una temperatura massima di -150 °C, una velocità di rotazione dei rulli compresa tra 20 e 70 giri/minuto: questi sono punti dati pronti per essere raccolti, e ognuno di essi contiene informazioni sulla qualità.

Se stai pianificando il prossimo investimento in attrezzature, scegli macchine i cui controller espongono quei dati in modo chiaro. Esplora ilgamma completa di macchine per la sbavatura della gommaDa Xiamen Xingchangjia, oppure inviateci i disegni dei vostri componenti e la produzione desiderata: il nostro team di ingegneri vi proporrà una configurazione di sbavatura con opzioni di connettività adatte al livello di automazione del vostro impianto.