Introductie
Moderne technologieën maken het voor de productie in Oekraïne mogelijk om een digitale tweeling en kunstmatige intelligentie (AI) te implementeren om vermoeidheid van componenten te voorspellen. Dit zorgt voor een hoge betrouwbaarheid, verminderde uitvaltijd en kostenoptimalisatie. Het kiezen van de juiste oplossingen, ondersteund door DSTU, EN en ISO-normen, wordt van cruciaal belang voor productiebedrijven.
Hoe het werkt
De digitaal geldige component wordt gecreëerd op basis van gegevens van sensoren die temperatuur, druk, rotatiefrequentie en andere parameters registreren. AI-algoritmen analyseren deze gegevens en identificeren patronen die duiden op schade of vermoeidheid. Hiermee kunt u het moment voorspellen waarop het onderdeel niet meer aan de technische eisen voldoet, voordat de storing optreedt.
Gegevensvereisten
Er zijn minimaal twaalf maanden sensorgegevensverzameling nodig om AI effectief te laten werken. Dit deel biedt statistische significantie voor het bouwen van het model. Het aantal sensoren moet tussen de 5 en 20 per onderdeel liggen, afhankelijk van de complexiteit. Sensoren moeten voldoen aan de normen EN 60751 (voor temperatuursensoren) en ISO 9001 (voor gegevenskwaliteit).
Vereiste gegevenstypen:
- Temperatuur (°C): gemeten in het bereik van -20 tot 150 °C
- Druk (bar): gemeten in het bereik van 0 tot 100 bar
- Rotatiefrequentie (tpm): gemeten met een nauwkeurigheid van 0,1%
- Trillingen (μm/s²): gemeten met een nauwkeurigheid van 0,5%
- Elektrische parameters (kV, A): gemeten met een nauwkeurigheid van 1%
Implementatie architectuur
Het systeem omvat verschillende fasen: sensoren, edge-servers, boekhoudserver en op analyses gebaseerde acties.
1. Sensoren
Op componenten gemonteerde sensoren verzamelen gegevens in realtime. Ze voldoen aan de normen EN 60751 en ISO 9001.. Gegevensverzameling vindt plaats met een frequentie van 10 Hz.
2. Edge-servers
De edge-servers verwerken de gegevens in realtime, filteren de ruis en verzenden de resultaten naar de boekhoudserver. De verwerking wordt uitgevoerd met behulp van machine learning-algoritmen die voldoen aan de ISO/IEC 23894. standaarden
3. Boekhoudserver
De boekhoudserver slaat de gegevens op, creëert de digitale geldige component en voert de voorspelling uit. Er worden modellen gebruikt die voldoen aan de ISO 23247.-standaard
4. Acties
Op basis van de prognoses worden acties ondernomen: onderdelen vervangen, onderhoud inplannen en berichten sturen naar productiemanagers.
Echte resultaten
De volgende resultaten werden verkregen als resultaat van de implementatie van het systeem voor het voorspellen van vermoeidheid van componenten in Oekraïense fabrieken:
1. Vermindering van stilstand
Gemiddeld wordt de downtime met 35% verminderd dankzij het vermogen van het systeem om ongewenste veranderingen in de werking van componenten tijdig te detecteren.
2. Rendement op investering (ROI)
De implementatie van het systeem vergt een investering van 15.000 tot 30.000 €. Het rendement van de investering wordt na 12-18 maanden behaald.
3. Verhoogde duurzaamheid
De duurzaamheid van componenten neemt toe met 20-30%, wat voldoet aan de ISO 13374. normen
Beperkingen en uitdagingen
De introductie van AI-systemen kent een aantal beperkingen:
1. Afhankelijkheid van datakwaliteit
Als de sensoren verkeerd meten of data missen, kan het model niet effectief werken. Het is noodzakelijk om de kwaliteit van de gegevens en hun volume te waarborgen.
2. Hoge implementatiekosten
De implementatie van het systeem vergt aanzienlijke kosten voor sensoren, servers en ondersteuning. Niet alle bedrijven kunnen dergelijke kosten opbrengen.
3. Technische complexiteit
Implementatie van het systeem vereist coördinatie tussen IT en OT, wat voor complicaties kan zorgen. Het is noodzakelijk om technische voorbereiding en training uit te voeren.
Zelf een systeem bouwen of een kant-en-klare oplossing aanschaffen
De keuze tussen het zelf bouwen van een systeem of het aanschaffen van een kant-en-klare oplossing hangt af van specifieke wensen.
1. Bouw je eigen systeem
Het bouwen van uw eigen systeem vereist technische kennis, aanzienlijke middelen en tijd. De kosten kunnen variëren van € 50.000 tot € 100.000. Het gebruik van kant-en-klare oplossingen verkleint de risico’s.
2. Aankoop van een kant-en-klare oplossing
Kant-en-klare oplossingen kosten meestal minder en hebben ondersteuning. De kosten kunnen variëren van 20.000 tot 50.000 €. Ze voldoen aan de normen van ISO 23894 en EN 60751.
Begin van het werk
Om aan de slag te gaan, kan de productie-ingenieur de volgende stappen uitvoeren:
- Beoordeel de huidige situatie met productie en onderhoud.
- Identificeer de componenten die implementatie vereisen.
- Installeer sensoren volgens de normen EN 60751 en ISO 9001.
- Kies de systeemarchitectuur: edge- of accountserver.
- Voer gegevensvoorbereiding en modelconfiguratie uit.
- Uitvoeren van testen en implementatie.
- Het verzorgen van trainingen voor IT- en OT-teams.
Conclusie
De introductie van een digitale valide component en kunstmatige intelligentie zorgt voor een aanzienlijke verbetering van het productieproces. Het kiezen van de juiste oplossingen, ondersteund door DSTU-, EN- en ISO-normen, is van cruciaal belang voor succes. Unitex-D levert een breed scala aan componenten en diensten die deze digitale transformatie ondersteunen.
Lijst met gebruikte bronnen
- ISO 23894:2019 - Modellen van de digitale geldige component
- ISO 13374:2013 – Statusbewaking
- ISO 9001:2015 – Kwaliteitsmanagementsystemen
- EN 60751:2016 – Temperatuursensoren
- EN 60751:2016 – Temperatuursensoren
- DSTU 3018-2007 – Technische voorwaarden voor producten
- ISO/IEC 23894:2019 - Modellen van de digitale geldige component
- ISO 23247:2017 - Normen voor de digitale geldige component
