4 manieren waarop het IoT de efficiëntie van metaalfabricage verbetert

Het Internet of Things (IoT) heeft enorme veranderingen teweeggebracht in de manier waarop commerciële sectoren opereren. Dankzij industriële IoT-technologieën kunnen bedrijven veel uitdagingen overwinnen en profiteren van de voordelen van verbeterde bedrijfsvoering.

Ongeacht of u klaar bent om hetzelfde te doen, het krijgen van voorbeelden van wat er mogelijk is in een bepaalde branche kan aanmoedigen om de sprong te wagen met technologie-investeringen. Hier is een nadere blik op hoe het IoT de efficiëntie van metaalfabricage kan verbeteren.

1. Laskwaliteitsparameters en andere waardevolle bijzonderheden weergeven

IoT-oplossingen blinken uit in het verzamelen van realtime gegevens tijdens alle stadia van het metaalfabricageproces. De workflow wordt over het algemeen efficiënter omdat men kan onderzoeken welke aspecten de verwachte of gewenste resultaten hebben en waar er ruimte is voor verbetering.

Op IoT gebaseerde lasbewaking stelt mensen in staat om niet langer naar spreadsheets en handmatige documentatie te kijken om kwaliteitsstatistieken te beoordelen. In plaats daarvan verzamelt datagestuurde lasbewaking met IoT-sensoren point-of-weld-gegevens voor verwerking en analyse met bijna geen vertraging tussen verzameling en beschikbaarheid. Mensen kunnen de bijbehorende informatie ook naar mobiele apparaten sturen om ze gemakkelijk te kunnen bekijken.

Deze opstellingen kunnen vaak meer dan alleen details over de laskwaliteit bieden. Ze kunnen het aantal gebruikte lasstations, hun parameters en welke operators tijdens een bepaalde dienst op de werkvloer werken, bevestigen. Dat maakt het gemakkelijker om een ​​nuttig beeld te krijgen van de algehele output van de faciliteit.

Sommige lasbedrijven bieden zelfs IoT-oplossingen aan klanten die graag de efficiëntie van de metaalfabricage willen verbeteren. ESAB werkte samen met technologiepartners om drie cloudgebaseerde producten te creëren die lasbedrijven helpen de redenen achter verminderde productiviteit te identificeren.

Een van hen die werd gebruikt voor het lassen van metalen inert gas, hielp klanten een gemiddelde toename van 20% in het gebruik van apparatuur te zien. Het verhoogde de hoeveelheid tijd die werknemers aan lassen besteedden in vergelijking met andere taken. Een andere IoT-tool stuurt gedigitaliseerde instructies naar elke lasmachine, zodat technici de noodzakelijke parameters kennen om een ​​las te voltooien. Die informatie verhoogde ook de productiviteit.

2. Materiaalkeuzes voor lasersnijden verbeteren

Een van de eerste stappen voor een succesvol metaalfabricageproces is om je bewust te zijn van de eigenschappen van het materiaal. Tijdens het selectieproces moet rekening worden gehouden met aspecten als vloei- en treksterkten, corrosieweerstand en ductiliteit. Samen bepalen ze de geschiktheid van het metaal voor fabricage en hoe het resultaat eruit zal zien en functioneren.

Lasersnijders worden vaak gezien als een van de meest veelzijdige fabricagetools vanwege het scala aan materialen dat ze aankunnen. Naast metaal werken deze machines met hout, plastic en papier. Onderzoekers van het MIT hebben onlangs laten zien hoe het IoT het vertrouwen van operators van lasersnijders kan verbeteren terwijl ze met verschillende materialen werken. Ze creëerden een met sensoren gevuld platform, met de toepasselijke naam SensiCut. Het is een toevoeging voor conventionele lasersnijders.

De innovatie combineert verbonden sensoren, deep learning en een optische analysetechniek genaamd speckle sensing waarmee een laser de kleinste details op het oppervlak van een materiaal kan oppikken. Het team zei dat hun oplossing afval zou kunnen verminderen en mensen specifieke instructies zou kunnen geven over het werken met een bepaald materiaal. Het maakt ook automatisch kleine aanpassingen om ongewenste resultaten te voorkomen.

Mustafa Doga Dogan, een Ph.D. kandidaat die aan het project werkte, legde uit:"Door standaard lasersnijders uit te breiden met lensloze beeldsensoren, kunnen we gemakkelijk visueel vergelijkbare materialen identificeren die vaak worden aangetroffen in werkplaatsen en de totale verspilling verminderen. We doen dit door gebruik te maken van de oppervlaktestructuur van een materiaal op micronniveau, wat een uniek kenmerk is, zelfs als het visueel lijkt op een ander type. Zonder dat zou je waarschijnlijk een weloverwogen schatting moeten maken van de juiste materiaalnaam uit een grote database.'

De onderzoekers gebruikten meer dan 38.000 afbeeldingen om de tool te helpen onderscheid te maken tussen 30 verschillende afbeeldingstypen. Het systeem kan ook mensen markeren voordat ze materialen proberen te snijden die giftige vlammen genereren. Het team is van plan om hun oplossing uit te breiden om materiaaldikte te meten tijdens latere fasen van hun werk.

3. Machinestilstand verminderen

Het industriële IoT kan ook problemen voorkomen waarbij machines plotseling uitvallen en de workflow verstoren. Uit een onderzoek bleek dat monitoring van apparatuur de wereldwijde productiviteit tegen 2025 met wel 25% zou kunnen verhogen.

Kapotte metaalbewerkingsmachines kunnen ertoe leiden dat bedrijven deadlines missen of het aantal technici dat bepaalde diensten draait, beperken. Afhankelijk van het probleem waardoor de apparatuur onbruikbaar wordt, moeten mensen mogelijk dagen of weken wachten op vervangende onderdelen of moeten gespecialiseerde technici een afspraak maken voor servicebezoeken.

IoT-sensoren kunnen deze uitdagingen voorkomen door bedrijfsgegevens te verzamelen die wijzen op afwijkingen of dat een machine onderhoud nodig heeft om complicaties te voorkomen. Eén bedrijf heeft een IoT-oplossing die realtime apparatuurgegevens naar zijn servicetechnici stuurt. Als een klant een probleem tegenkomt en technische assistentie nodig heeft, heeft de leverancier van de apparatuur al kritieke informatie over de omvang van het probleem.

Metaalfabrikanten kunnen sensorgegevens ook gebruiken om bij te houden welke machines het vaakst downtime ervaren of dat er patronen in de problemen zijn. Die informatie kan hun beslissingen bepalen over wanneer apparatuur moet worden vervangen of bepaalde onderhoudsmaatregelen vaker moeten worden uitgevoerd om uitval van apparatuur te voorkomen.

4. Afwijkingen in de productieomgeving voorkomen

Een enkel aspect buiten de aanbevolen parameters kan de efficiëntie van de metaalfabricage negatief beïnvloeden. Het kan ertoe leiden dat mensen de productie stopzetten en het probleem oplossen. Het ideale scenario houdt echter in dat individuen problemen opmerken voordat ze de activiteiten van een fabriek stopzetten.

Een toepassing van het industriële IoT voor metaalfabricage betrof een bedrijf dat een proces verbeterde dat austempering wordt genoemd. Het hardt legeringen op ijzerbasis uit door ze door een hete oven te leiden. De onderdelen die dit proces ondergaan, blijken beter bestand tegen vermoeidheid en zijn beter bestand tegen schokken. Ze zijn dus goede kandidaten voor componenten zoals drukringen die in voertuigtransmissies worden gebruikt.

Nadat de onderdelen door de oven zijn gegaan, worden ze overgoten in een zoutbad dat op een precieze temperatuur blijft. Nikkel-titanium riemen transporteren de onderdelen door elke fase. Technici moeten de productie stopzetten als de transportbanden niet goed zijn uitgelijnd om het probleem aan te pakken. Als u dat doet, moet u echter tot 36 uur wachten voordat de ovens zijn afgekoeld.

Slimme sensoren geven fabrieksmanagers realtime waarschuwingen als de positie van een riem buiten de parameters valt of andere afwijkingen vertoont. Door die informatie te krijgen, kunnen ze corrigerende maatregelen nemen voordat het stilleggen van de machine de enige optie wordt.

Het industriële IoT kan fabricage-efficiëntie bevorderen

Talloze dingen kunnen ertoe leiden dat een faciliteit een korte of langdurige daling van de metaalproductie-efficiëntie ervaart. IoT-sensoren garanderen geen snelle oplossing. Ze kunnen echter een betere zichtbaarheid bieden, waardoor besluitvormers sneller zaken kunnen aanpakken die de bedrijfsoutput belemmeren. De realtime gegevens kunnen hen ook helpen bij het bepalen van de meest effectieve oplossingen, of het nu gaat om training van werknemers, vervanging van apparatuur, verschillende onderhoudsschema's of iets anders.