Présentation
Les technologies modernes permettent à la production ukrainienne de mettre en œuvre le jumeau numérique et l'intelligence artificielle (IA) pour prédire la fatigue des composants. Cela garantit une fiabilité élevée, des temps d’arrêt réduits et une optimisation des coûts. Choisir les bonnes solutions prises en charge par les normes DSTU, EN et ISO devient critique pour les entreprises manufacturières.
Comment ça marche
Le composant numérique valide est créé sur la base des données provenant de capteurs qui enregistrent la température, la pression, la fréquence de rotation et d'autres paramètres. Les algorithmes d’IA analysent ces données et identifient des modèles indiquant des dommages ou de la fatigue. Cela permet de prédire le moment où le composant ne répondra plus aux exigences techniques, avant que la panne ne survienne.
Exigences en matière de données
Un minimum de 12 mois de collecte de données de capteurs est nécessaire pour que l’IA fonctionne efficacement. Ce volume fournit une signification statistique pour la construction du modèle. Le nombre de capteurs doit être compris entre 5 et 20 par composant, selon la complexité. Les capteurs doivent être conformes aux normes EN 60751 (pour les capteurs de température) et ISO 9001 (pour la qualité des données).
Types de données requis :
- Température (°C) : mesurée dans la plage de -20 à 150 °C
- Pression (bar) : mesurée dans la plage de 0 à 100 bar
- Fréquence de rotation (tr/min) : mesurée avec une précision de 0,1 %
- Vibration (μm/s²) : mesurée avec une précision de 0,5%
- Paramètres électriques (kV, A) : mesurés avec une précision de 1 %
Architecture de mise en œuvre
Le système comprend plusieurs étapes : capteurs, serveurs Edge, serveur de comptabilité et actions basées sur l'analyse.
1. Capteurs
Les capteurs montés sur les composants collectent des données en temps réel. Ils sont conformes aux normes EN 60751 et ISO 9001.. La collecte des données s'effectue à une fréquence de 10 Hz.
2. Serveurs Edge
Les serveurs Edge traitent les données en temps réel, filtrent le bruit et transmettent les résultats au serveur comptable. Le traitement est effectué à l'aide d'algorithmes d'apprentissage automatique conformes aux normes ISO/IEC 23894..
3. Serveur de comptabilité
Le serveur de comptabilité stocke les données, crée le composant numérique valide et effectue la prédiction. Des modèles conformes à la norme ISO 23247. sont utilisés
4. Actions
En fonction des prévisions, des actions sont prises : remplacement des composants, planification de la maintenance et envoi de messages aux responsables de production.
De vrais résultats
Les résultats suivants ont été obtenus grâce à la mise en œuvre du système de prévision de fatigue des composants dans les usines ukrainiennes :
1. Réduction des temps d'arrêt
En moyenne, les temps d'arrêt sont réduits de 35 % grâce à la capacité du système à détecter en temps opportun les changements indésirables dans le fonctionnement des composants.
2. Retour sur investissement (ROI)
La mise en œuvre du système nécessite un investissement de 15 000 à 30 000 €. Le retour sur investissement est obtenu après 12 à 18 mois.
3. Durabilité accrue
La durabilité des composants augmente de 20 à 30 %, ce qui répond aux normes ISO 13374.
Limites et défis
L’introduction de systèmes d’IA présente un certain nombre de limites :
1. Dépendance à la qualité des données
Si les capteurs mesurent mal ou manquent de données, le modèle ne peut pas fonctionner efficacement. Il est nécessaire de garantir la qualité des données et leur volume.
2. Coût de mise en œuvre élevé
La mise en œuvre du système nécessite des coûts importants en capteurs, serveurs et support. Toutes les entreprises ne peuvent pas se permettre de tels coûts.
3. Complexité technique
La mise en œuvre du système nécessite une coordination entre l'informatique et l'OT, ce qui peut entraîner des complications. Il est nécessaire d'effectuer une préparation technique et une formation.
Construire votre propre système ou acheter une solution prête à l'emploi
Le choix entre construire votre propre système et acheter une solution prête à l’emploi dépend des besoins spécifiques.
1. Construire votre propre système
Construire votre propre système nécessite des connaissances techniques, des ressources et du temps importants. Le coût peut varier de 50 000 € à 100 000 €. L’utilisation de solutions toutes faites réduit les risques.
2. Achat d'une solution prête à l'emploi
Les solutions disponibles dans le commerce coûtent généralement moins cher et bénéficient d’un support. Le coût peut aller de 20 000 à 50 000 €. Ils répondent aux normes ISO 23894 et EN 60751.
Début des travaux
Pour commencer, l'ingénieur de production peut effectuer les étapes suivantes :
- Évaluez la situation actuelle en matière de production et de maintenance.
- Identifiez les composants qui nécessitent une mise en œuvre.
- Installer des capteurs conformément aux normes EN 60751 et ISO 9001.
- Choisissez l'architecture du système : Edge ou serveur de compte.
- Effectuer la préparation des données et la configuration du modèle.
- Réaliser les tests et la mise en œuvre.
- Organiser des formations pour les équipes IT et OT.
Conclusion
L’introduction d’un composant numérique valide et de l’intelligence artificielle permet une amélioration significative du processus de production. Choisir les bonnes solutions prises en charge par les normes DSTU, EN et ISO est essentiel au succès. Unitex-D propose une large gamme de composants et de services qui soutiennent cette transformation numérique.
Catalogue électronique UNITEC-D
Liste des sources utilisées
- ISO 23894 : 2019 – Modèles du composant numérique valide
- ISO 13374 : 2013 – Surveillance de l'état
- ISO 9001 : 2015 – Systèmes de gestion de la qualité
- EN 60751 : 2016 – Capteurs de température
- EN 60751 : 2016 – Capteurs de température
- DSTU 3018-2007 – Conditions techniques des produits
- ISO/IEC 23894 : 2019 – Modèles du composant numérique valide
- ISO 23247 : 2017 – Normes pour le composant numérique valide
