Pokaż menu

Firmy z okładek

Multiprojekt  RacontrolsNapędy i Sterowanie   APAGROUP

Reklama

Współpraca

Wpływ kondycji łożysk na utrzymanie procesów produkcyjnych
Artur Pollak, Damian Gąsiorek





Współczesne aspekty Przemysłu 4.0 ukierunkowane są na analizę danych, ale również na podejmowanie odpowiednich decyzji dotyczących produkcji biznesowej oraz na obszary związane z predykcją uszkodzeń elementów maszyn, które decydują o zachowaniu ciągłości procesów produkcyjnych. Z punktu widzenia zarządzania produkcją jest to zjawisko oczekiwane w nowoczesnym przedsiębiorstwie. Przeprowadzone badania literaturowe wykazują, że do najczęściej występujących uszkodzeń w maszynach przemysłowych oraz na liniach produkcyjnych należą uszkodzenia łożysk, które skutkują pogorszeniem działania maszyny (częściowe uszkodzenia wywołują dodatkowe tarcie) lub jej całkowitym zatrzymaniem. Co więcej, niepoprawnie działająca maszyna może również prowadzić do uszkodzenia, w wyniku czego mogą ucierpieć osoby znajdujące się w pobliżu, a zapewnienie bezpieczeństwa stanowiska pracy jest obligatoryjnym elementem każdego poprawnie funkcjonującego przedsiębiorstwa. Celem badań było określenie możliwości klasyfikacji anomalii dla poszczególnych uszkodzeń łożysk z wykorzystaniem sieci neuronowych. W prezentowanym artykule przeprowadzono testy mające na celu wykrywanie anomalii w pracy łożysk kulowych z wykorzystaniem dwóch rodzajów sygnałów, tj. dźwięku i wibracji. Na podstawie danych pomiarowych opracowano algorytm bazujący na sztucznej inteligencji, który pozwala na klasyfikacje stanu łożysk kulkowych. Istotnym aspektem opracowanego podejścia jest charakter adaptacyjny, który rozwiązuje problem dostępności danych z awarii urządzenia, dlatego taki system można wykorzystać do adaptacji pracy dowolnej maszyny. Opisane podejście pozwala na zmniejszenie kosztów utrzymania firmy poprzez zmniejszenie stanów awaryjnych oraz możliwość planowania prac serwisowych na liniach produkcyjnych, a zaproponowany w artykule algorytm może dotyczyć szeregu aspektów uszkodzenia maszyn działających na liniach produkcyjnych.





Zapewnienie informacji serwisowej na temat zbliżającej się naprawy danego urządzenia, określonej na podstawie analityki danych, usprawnia proces planowania i zmniejsza koszty akcji serwisowych, które dokonywane były okresowo – serwisowanie urządzenia w momencie, gdy faktycznie jest to wymagane. Zastosowanie systemu do wykrywania anomalii w case study badań APA Group i Politechniki Śląskiej zostało przetestowane na przykładzie analizy drganiowej łożysk kulkowych. Niemniej jednak ten sam algorytm może zostać wykorzystany do różnego typu danych, bez względu na częstotliwość próbkowania. W przypadku danych z akcelerometru czy też mikrofonu wstępne przetwarzanie danych (zanim zostaną przesłane do sieci neuronowych) będzie się różniło od przetwarzania np. zmiennych procesowych lub pomiarów temperatury. Badania przeprowadzone na stanowisku diagnostycznym łożysk kulkowych pozwoliły na zaimplementowanie algorytmu, który może być wykorzystany do dowolnego typu danych. W celu weryfikacji algorytmu porównano dźwięk zarejestrowany przez mikrofon z drganiami pobranymi przez akcelerometr. Charakter adaptacyjny podejścia pozwala na wytrenowanie modelu zarówno do pracy fabrycznie nowego urządzenia, jak i takiego, które od dłuższego czasu jest w produkcji, i po akcji serwisowej określono jego stan jako zgodny z normą.

Zaletą zaproponowanego rozwiązania jest łatwość monitorowania parametrów maszyny zarówno w trybie online, jak i wsadowo. Prezentowane podejście umożliwia wskazanie odstępstw od poprawnej pracy, które zarejestrowano na łożysku kulkowym, co stanowi ważną informację dla sekcji serwisowej, mówiącą o potencjalnym wystąpieniu uszkodzenia lub postępującym procesie degradacji elementu. Wczesne wykrycie anomalii może zapobiec nieplanowanym przestojom linii produkcyjnej, do których może dojść przez ignorowanie występujących odstępstw w pracy danego urządzenia. Podejście przedstawione w case study, a także inne, które prowadzone są w APA Group, pozwalają na wdrażanie narzędzi, które mają za zadanie wspierać proces wnioskowania, poprzez wyciąganie informacji z danych, które są cenne z punktu widzenia zarządzania i jakości produkcji.


www.apagroup.pl


Reklama