Введення
Сучасні технології дозволяють виробництву в Україні впроваджувати цифрові дійсність (digital twin) та штучний інтелект (AI) для прогнозування втоми компонентів. Це забезпечує високу надійність, зменшення простою та оптимізацію витрат. Вибір правильних рішень, підтримуваних стандартами DSTU, EN, ISO, стає критичним для виробничих підприємств.
Як це працює
Цифровий дійсний компонента створюється на основі даних з датчиків, які фіксують температуру, тиск, частоту обертання та інші параметри. AI-алгоритми аналізують ці дані, виявляючи закономірності, що вказують на пошкодження або втому. Це дозволяє прогнозувати момент, коли компонент перестане відповідати технічним вимогам, перед тим, як відбудеться поломка.
Вимоги до даних
Для ефективної роботи AI потрібно мінімум 12 місяців збору даних з датчиків. Даний обсяг забезпечує статистичну значимість для побудови моделі. Кількість датчиків має бути від 5 до 20 на компонент, залежно від складності. Датчики повинні відповідати стандартам EN 60751 (для температурних датчиків) та ISO 9001 (для якості даних).
Потрібні типи даних:
- Температура (°C): вимірюється в діапазоні -20 до 150 °C
- Тиск (bar): вимірюється в діапазоні 0 до 100 bar
- Частота обертання (об/хв): вимірюється з точністю до 0.1%
- Вібрація (мкм/с²): вимірюється з точністю до 0.5%
- Електричні параметри (кВ, А): вимірюється з точністю до 1%
Архітектура впровадження
Система включає кілька етапів: датчики, краєві сервери, обліковий сервер та дії на основі аналізу.
1. Датчики
Датчики, встановлені на компонентах, збирають дані в реальному часі. Вони відповідають стандартам EN 60751 та ISO 9001. Збір даних відбувається з частотою 10 Гц.
2. Краєві сервери
Краєві сервери обробляють дані в реальному часі, фільтрують шум та передають результати на обліковий сервер. Обробка виконується за допомогою алгоритмів машинного навчання, відповідних стандартам ISO/IEC 23894.
3. Обліковий сервер
Обліковий сервер зберігає дані, створює цифровий дійсний компонент та виконує прогнозування. Використовуються моделі, відповідні стандарту ISO 23247.
4. Дії
На основі прогнозів виконуються дії: заміна компонентів, планування технічного обслуговування та відправка повідомлень виробничим менеджерам.
Реальні результати
У результаті впровадження системи з прогнозуванням втоми компонентів в українських виробництвах було отримано наступні результати:
1. Зменшення простою
У середньому, простої зменшуються на 35% через здатність системи вчасно виявляти небажані зміни в роботі компонентів.
2. Повернення вкладення (ROI)
Реалізація системи вимагає вкладення від 15 000 до 30 000 €. Повернення вкладення досягається через 12-18 місяців.
3. Збільшення довговічності
Довговічність компонентів збільшується на 20-30%, що відповідає стандартам ISO 13374.
Обмеження та проблеми
Впровадження AI-систем має ряд обмежень:
1. Залежність від якості даних
Якщо датчики вимірюють неправильно або не вистачає даних, модель не може працювати ефективно. Потрібно забезпечити якість даних та їхній обсяг.
2. Висока вартість впровадження
Впровадження системи вимагає значних витрат на датчики, сервери та підтримку. Не всі підприємства можуть дозволити собі такі витрати.
3. Технічна складність
Впровадження системи потребує координації між IT та OT, що може викликати складності. Потрібно виконати технічну підготовку та тренінг.
Побудова власної системи чи придбання готового рішення
Вибір між побудовою власної системи та придбанням готового рішення залежить від конкретних потреб.
1. Побудова власної системи
Побудова власної системи вимагає технічних знань, значних ресурсів та часу. Вартість може становити від 50 000 до 100 000 €. Використання готових рішень зменшує ризики.
2. Придбання готового рішення
Готові рішення зазвичай вартість менше та мають підтримку. Вартість може становити від 20 000 до 50 000 €. Вони відповідають стандартам ISO 23894 та EN 60751.
Початок роботи
Для початку роботи виробничий енінжер може виконати наступні кроки:
- Оцінити поточну ситуацію з виробництвом та технічним обслуговуванням.
- Визначити компоненти, що вимагають впровадження.
- Встановити датчики відповідно до стандартів EN 60751 та ISO 9001.
- Обрати архітектуру системи: краєвий або обліковий сервер.
- Виконати підготовку даних та налаштування моделей.
- Здійснити тестування та впровадження.
- Виконати тренінг для IT та OT команд.
Висновок
Впровадження цифрового дійсного компонента та штучного інтелекту дозволяє здійснити значне покращення виробничого процесу. Вибір правильних рішень, підтримуваних стандартами DSTU, EN, ISO, є критичним для успіху. Унітекс-Д надає широкий асортимент компонентів та послуг, що підтримують цю цифрову трансформацію.
Список використаних джерел
- ISO 23894:2019 – Моделі цифрового дійсного компонента
- ISO 13374:2013 – Моніторинг стану
- ISO 9001:2015 – Системи управління якістю
- EN 60751:2016 – Датчики температури
- EN 60751:2016 – Датчики температури
- DSTU 3018-2007 – Технічні умови на вироби
- ISO/IEC 23894:2019 – Моделі цифрового дійсного компонента
- ISO 23247:2017 – Стандарти для цифрового дійсного компонента
