Hoe AI en machine learning CNC-bewerking revolutioneren

Van de toeleveringsketen tot het afgewerkte en geïnstalleerde onderdeel, zal incrementele optimalisatie het hart zijn van toekomstige productiewerk. Wat zal het kosten om optimalisatie meer geautomatiseerd te maken? Machine-intelligentie en machine learning. We verkennen.

De motor van de huidige productie ligt in CNC-bewerking. Maar waarheen gaat de CNC? Naar continue, geautomatiseerde optimalisatie, zeggen industrie-experts en academici.

Optimalisatie klinkt als een simpel concept, maar het is complex – vooral om te automatiseren. Er is zoveel onderliggende technologie, inclusief software en data – en menselijke interpretatie – nodig om automatisering in productie een realiteit te maken.

We kijken naar twee gebieden die verwacht worden om echt een impact te maken binnen CNC-systemen: machine learning en kunstmatige intelligentie, of "AI." Kunstmatige intelligentie – of van software-gebaseerde algoritmes, slimme sensoren of stemcommando's – is de ene helft van de optimalisatiepuzzel. De andere helft is machine learning.

Machine learning neemt machinedata en, in theorie, zelf-optimaliseert of wijzigt koers om correctieve actie te ondernemen. Dit betekent niet dat er geen menselijke betrokkenheid is. Immers, het betekent dat er consistente menselijke betrokkenheid is die de parameters van optimalisatie definieert en verfijnt of een machine leert – via analytische beoordeling, simulatie, programmeren en testen.

Stel u systemen voor met meer voorspellende nut die genuanceerde machine- en onderdeelbouw-informatie rapporteren en vooraf geprogrammeerd zijn om aan te passen en zelf downtime in te plannen of machineactiviteiten te triggeren in een gezondere cel. Stel u machine besturingssystemen voor die kunnen communiceren en actie ondernemen met draaiers via stemcommando.

Wat wordt vandaag gedaan om de industrie dichter bij deze toekomststaat te brengen? We spraken met de medeoprichter en CEO van MachineMetrics, Bill Bither, en anderen om te ontdekken.

AI en Machine Learning op CNC-machines: De waarde van zichtbaarheid

Met een achtergrond in werktuigbouwkunde en kennis van productie in de luchtvaart- en defensie-industrie, herkende Bither een behoefte aan meer genuanceerde en real-time processoftware in productie. Bither besteedde vijf jaar aan Hamilton Sundstrand, een divisie van United Technologies, waar hij hydraulische systemen ontwierp.

"Er is een kans om data te benutten om echt te begrijpen wat er op de fabrieksvloer gebeurt en om betere beslissingen te nemen," zegt Bither. "De uitdaging is dat het redelijk moeilijk is om verbinding te maken met machines. Dus we startten een bedrijf net onder vijf jaar geleden om productieszichtbaarheid te verhogen door het makkelijk te maken om verbinding te maken met CNC-machines."

MachineMetrics biedt real-time visualisatie van CNC-machine analytics – of wat Bither "descriptieve analytics" noemt die een bedrijf in staat stellen accurate productiemetrics te zien, zoals benuttingssnelheden, en ze te tracken naar productiedoelen. Er zijn verscheidene andere analyticsgebieden waar het informatie over biedt, inclusief diagnostische, voorspellende en voorschrijvende data.

Het resultaat: doorvoersnelheid en efficiëntie toename van 20 procent of meer over zijn 100-klantenbasis van middelgrote tot grote fabrikanten. Gegeven zijn grote dataset over duizenden machines, omvat het MachineMetrics platform ook benchmarking – wat bedrijven helpt zich te meten tegen peers en competitief te blijven.

Betere beslissingen nemen gaat niet allemaal over investeren in apparatuur, zegt Bither. Met meer gedetailleerde productiedata kunnen fabrikanten beoordelen welke processen geoptimaliseerd moeten worden. Diagnostische data kan onderhoudsteams en machinefabrikanten helpen functies te verbeteren en een real-world feedback loop te creëren.

Voorspellende data stelt teams in staat om condities te begrijpen en wanneer CNCs hulp nodig hebben. Voorschrijvende analytics kapitaliseert op de condities om tijdige richting en begeleiding aan operators te bieden.

Intelligente CNC-bewerking: Alarmen, triggers en spindelmonitoring

"AI is een heel generieke term," zegt Bither. "Als een mens geen berekening in hun hoeft te draaien en de machine doet het, dat kan 'AI' beschouwd worden. Met machine learning, zijn er enkele heel specifieke use cases voor dat … Er is gesuperviseerde machine learning, wat training en feedback vereist, en ongesuperviseerde machine learning dat dat niet doet."

Het begrijpen van spindelfout of automatisch downtime classificeren kan machine learning vereisen, legt Bither uit. Alerts die getriggerd worden door eenvoudige logica die een operator waarschuwt dat een machine drie keer vandaag is uitgevallen, is niet noodzakelijk machine learning per se – maar het is het soort regels-gebaseerde, intelligente algoritme dat menselijke operators helpt systemen gemakkelijk te tracken en te managen.

Intelligentie-gebaseerde technologie maakt een operator zijn baan een meer proactieve. Goed getimede informatie kan het verschil zijn tussen dagen winst verliezen van een CNC en in staat zijn om alternatieve paden naar productiedoelen in te plannen en te organiseren.

Automatisering en slimme sensor-gebaseerde intelligentie is ook gekomen tot voorraadbeheer en vending oplossingen voor tooling. Leer hoe u controle kunt nemen en verspilling kunt verminderen in inkoopuitgaven.

AI en Machine Learning mogelijk maken slimme beslissingen en dieper begrip van gereedschapsfout, gereedschapslevensduur en onderdeelkwaliteit

MachineMetrics is niet alleen. Ingenieurs aan het Advanced Manufacturing Research Centre's Factory 2050 in Sheffield, VK, gebruiken ook AI en machine learning voor machine benutting. Ze gebruiken edge computing hardware om stroomverbruik te tracken in automotieve veringcomponenten. Ze werken ook met Tinsley Bridge om productieprocessen te monitoren.

"Het ondervragen van onze machine benuttingssnelheden betekent dat we betere zichtbaarheid hebben van wat er geproduceerd werd en wanneer, en de capaciteit om te beoordelen of we effectief plannen," zegt Russell Crow, directeur van engineering bij Tinsley Bridge, in een Metrology News artikel.

De volgende fase van dit project is om de machines te leren leren en non-conforme componenten in productie te detecteren en inconsistente gereedschapslijst te vinden die de onderdeelkwaliteit kan beïnvloeden.

"De inzichten die de AI zal leveren zullen ons in staat stellen te identificeren wanneer onze machines interventie zullen vereisen voor gereedschapswissels, of hoe lang we ze zonder interventie kunnen laten draaien," zegt Crow. "Het voorspellen van gereedschapsfout en het verlengen van gereedschapslevensduur zal ook onze right-first-time ratios beïnvloeden, non-conforme onderdelen verminderen en productiviteit verhogen."

Heeft u een technische vraag? Vraag het MSC Metalworking Tech Team in het forum.

Automatisering in productie vrijwaart tijd voor cruciale probleemoplossing

De toekomst van bewerking zal ongetwijfeld meer geautomatiseerd zijn. Met een dreigende vaardigheidskloof en technologische evolutie die gelijktijdig gebeuren, zal automatisering de waarde van werknemers die programmeren, troubleshooten en geautomatiseerde CNC-systemen en geproduceerde onderdelen onderhouden, verhogen.

Industrieel ontwerpers, procesingenieurs en machineoperators zullen nauwer samenwerken dan ooit, verwachten industrie-experts.

"[M]de meeste fabrikanten geloven dat de nr. 1 oorzaak van de vaardigheidstekort is 'verschuivende vaardighedenset door de introductie van nieuwe geavanceerde technologie en automatisering,'" schrijven het Manufacturing Institute en Deloitte in hun 2018 rapport over de vaardigheidskloof en toekomst van werk.

Om veel meer te leren over toekomstige vaardigheden die op de shopfloor nodig zijn, lees "Industry 4.0: Manufacturing Skills Needed in Smart Factories."

Maar om te komen op een plek van automatisering vereist complexe machineprogrammering en diepere integratie van internet- en cloud-gebaseerde technologieën. De toekomst, om het met een beter woord te zeggen, zal geoptimaliseerd zijn om optimaal te zijn voor productie. En digitale vaardigheden, samen met zachte, kritische denk- en people management vaardigheden, zijn ook nodig, per de Deloitte en Manufacturing Institute studie, die schrijft:

"In productie vertaalt dit zich doorgaans naar het oplossen van problemen in productie, zoals het vermogen om kwaliteitsfouten te identificeren met onderdelen die van een geautomatiseerde productielijn afkomen, en, nog belangrijker, acties te ondernemen die het probleem in real-time remedieren."

Crow, van Tinsley Bridge, is het eens. Toekomstige kwaliteit komt van proces- en machineoptimalisatie samen.

"In de toekomst zullen de inzichten in onze data ons in staat stellen onze machines effectiever te laten draaien, zodat we tijd vrijmaken voor onze ingenieurs om aan waarde-voegende taken te werken zoals programmeren voor meerdere jobs of machines, een slimme fabriek creëren die ons helpt technisch geavanceerde producten te produceren," zegt Crow.

Hoe pijnlijk is machine herkalibratie voor u? Praat erover in het forum. [registratie vereist]