Hoe AI en machine learning van invloed zijn op CNC-bewerkingen

Van de toeleveringsketen tot het voltooide en geïnstalleerde onderdeel, incrementele optimalisatie zal de kern vormen van toekomstige productiewerkzaamheden. Wat is er nodig om optimalisatie meer geautomatiseerd te maken? Machine-intelligentie en machine learning. Wij verkennen.

De motor van de hedendaagse productie ligt bij CNC-bewerking. Maar waar gaat de CNC naartoe? Naar continue, geautomatiseerde optimalisatie, zeggen branche-experts en academici.

Optimalisatie klinkt misschien als een eenvoudig 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 de productie te realiseren.

We kijken naar twee gebieden die naar verwachting echt een impact zullen hebben binnen CNC-systemen:machine learning en kunstmatige intelligentie, of "AI". Kunstmatige intelligentie - of het nu gaat om op software gebaseerde algoritmen, slimme sondes of spraakopdrachten - is de helft van de optimalisatiepuzzel. De andere helft is machine learning.

Machine learning gebruikt machinegegevens en optimaliseert in theorie zichzelf of verandert de koers om corrigerende maatregelen te nemen. Dit betekent niet dat er geen menselijke betrokkenheid is. Integendeel, het betekent dat er een consistente menselijke betrokkenheid is die een machine de parameters van optimalisatie definieert en verfijnt of leert, via analytische beoordeling, simulatie, programmering en testen.

Stelt u zich eens systemen voor met een meer voorspellend nut die genuanceerde machine- en onderdeelbouwinformatie rapporteren en voorgeprogrammeerd zijn om uitvaltijd aan te passen en zelf te plannen of machine-activiteiten in een gezondere cel te activeren. Stelt u zich eens voor dat besturingssystemen voor machines kunnen communiceren en actie kunnen ondernemen met machinisten via spraakopdrachten.

Wat wordt er vandaag gedaan om de industrie dichter bij deze toekomstige staat te brengen? We spraken met de mede-oprichter en CEO van MachineMetrics, Bill Bither en anderen om erachter te komen.

AI en machine learning op CNC-machines:de waarde van zichtbaarheid

Met een achtergrond in werktuigbouwkunde en kennis van productie in de lucht- en ruimtevaart- en defensie-industrie, zag Bither in dat er behoefte was aan meer genuanceerde en realtime processoftware in de productie. Bither werkte vijf jaar bij Hamilton Sundstrand, een divisie van United Technologies, waar hij hydraulische systemen ontwierp.

"Er is een mogelijkheid om gegevens te gebruiken om echt te begrijpen wat er op de fabrieksvloer gebeurt en om betere beslissingen te nemen", zegt Bither. “De uitdaging is dat het vrij moeilijk is om verbinding te maken met machines. Dus begonnen we iets minder dan vijf jaar geleden een bedrijf om de zichtbaarheid van de productie te vergroten door het eenvoudig te maken om CNC-machines aan te sluiten.”

MachineMetrics biedt realtime visualisatie van CNC-machineanalyses - of wat Bither 'beschrijvende analyse' noemt, waarmee een bedrijf nauwkeurige productiestatistieken, zoals bezettingsgraden, kan zien en deze kan volgen tot productiedoelen. Er zijn verschillende andere analysegebieden waarover het informatie biedt, waaronder diagnostische, voorspellende en prescriptieve gegevens.

Het resultaat:een toename van de doorvoer en efficiëntie van 20 procent of meer in het 100-klantenbestand van middelgrote tot grote fabrikanten. Gezien de grote dataset over duizenden machines, omvat het MachineMetrics-platform ook benchmarking, waarmee bedrijven zichzelf kunnen meten met collega's en concurrerend kunnen blijven.

Het nemen van betere beslissingen gaat niet alleen over investeren in apparatuur, zegt Bither. Met meer gedetailleerde productiegegevens kunnen fabrikanten inschatten welke processen geoptimaliseerd moeten worden. Diagnostische gegevens kunnen onderhoudsteams en machinefabrikanten helpen om functies te verbeteren en een echte feedbacklus te creëren.

Voorspellende gegevens stellen teams in staat om de omstandigheden te begrijpen en wanneer CNC's hulp nodig hebben. Prescriptieve analyses spelen in op de voorwaarden om operators tijdig richting en begeleiding te bieden.

Intelligente CNC-bewerking:alarmen, triggers en spilbewaking

"AI is een heel algemene term", zegt Bither. "Als een mens geen berekening in zijn hoofd hoeft uit te voeren en de machine doet het, dan zou dat als 'AI' kunnen worden beschouwd. training en feedback, en machine learning zonder toezicht die dat niet doet.”

Voor het begrijpen van spilstoringen of het automatisch classificeren van downtime kan machine learning nodig zijn, legt Bither uit. Waarschuwingen die worden geactiveerd door eenvoudige logica die een operator informeren dat een machine vandaag drie keer is uitgevallen, is niet per se machine learning per se, maar het is het soort op regels gebaseerde, intelligente algoritme dat menselijke operators helpt om systemen gemakkelijk te volgen en te beheren.

Op intelligentie gebaseerde technologie maakt het werk van een operator proactiever. Goed getimede informatie kan het verschil zijn tussen het verlies van dagen winst op een CNC en het kunnen plannen en organiseren van alternatieve paden naar productiedoelen.

Automatisering en slimme, op sensoren gebaseerde intelligentie hebben ook hun weg gevonden naar voorraadbeheer en verkoopoplossingen voor tooling. Leer hoe u neem de controle en verminder verspilling in voorraaduitgaven.

AI en machine learning zorgen voor slimmere beslissingen en een beter begrip van gereedschapsfalen, levensduur van gereedschappen en onderdeelkwaliteit

MachineMetrics is niet de enige. Ingenieurs van Factory 2050 van het Advanced Manufacturing Research Centre in Sheffield, VK, gebruiken ook AI en machine learning voor het gebruik van machines. Ze gebruiken edge computing-hardware om het stroomverbruik in onderdelen van de ophanging van auto's te volgen. Ze werken ook samen met Tinsley Bridge om de productieprocessen te bewaken.

"Door de bezettingsgraad van onze machines te onderzoeken, hebben we beter zicht op wat er werd geproduceerd en wanneer, en kunnen we beoordelen of we effectief plannen", zegt Russell Crow, technisch directeur bij Tinsley Bridge, in een Metrology News artikel.

De volgende fase van dit project is om de machines te leren om niet-conforme componenten in de productie te leren en te detecteren en om inconsistente gereedschapsslijtage te vinden die de kwaliteit van de onderdelen kan beïnvloeden.

"De inzichten die de AI zal bieden, stellen ons in staat om te bepalen wanneer onze machines moeten worden ingegrepen voor gereedschapswisselingen, of hoe lang we ze zonder tussenkomst kunnen laten werken", zegt Crow. "Het voorspellen van gereedschapsdefecten en het verlengen van de standtijd zal ook van invloed zijn op onze 'right first time'-tarieven, waardoor niet-conforme onderdelen worden verminderd en de productiviteit wordt verhoogd."

 Wilt u een technische vraag beantwoorden? Vraag de MSC Metalworking Tech Team op het forum.

Automatisering in de productie maakt tijd vrij voor cruciale probleemoplossing

De toekomst van verspanen zal ongetwijfeld meer geautomatiseerd zijn. Met een dreigend tekort aan vaardigheden en gelijktijdige technologische evolutie, zal automatisering de waarde verhogen van werknemers die geautomatiseerde CNC-systemen en gefabriceerde onderdelen programmeren, problemen oplossen en onderhouden.

Industrieel ontwerpers, procesingenieurs en machinebedieners zullen nauwer samenwerken dan ooit tevoren, verwachten experts uit de industrie.

"[De meeste] fabrikanten zijn van mening dat de belangrijkste oorzaak van het tekort aan vaardigheden 'verschuivende vaardigheden is als gevolg van de introductie van nieuwe geavanceerde technologie en automatisering'", schrijven het Manufacturing Institute en Deloitte in hun rapport uit 2018 over de vaardigheidskloof en toekomst van werk

Voor meer informatie over toekomstige vaardigheden die nodig zijn op de werkvloer, lees " Industrie 4.0:productievaardigheden die nodig zijn in slimme fabrieken .”

Maar om een ​​plaats van automatisering te bereiken, is complexe machineprogrammering en diepere integratie van internet- en cloudgebaseerde technologieën vereist. De toekomst, bij gebrek aan een beter woord, zal worden geoptimaliseerd om optimaal te zijn voor productie. En digitale vaardigheden, samen met zacht, kritisch denken en vaardigheden op het gebied van people management, zijn ook nodig, volgens de studie van Deloitte and Manufacturing Institute, die schrijft:

"In de productie vertaalt dit zich over het algemeen in het oplossen van problemen in de productie, zoals de mogelijkheid om kwaliteitsfouten te identificeren met onderdelen die van een geautomatiseerde productielijn komen en, nog belangrijker, om acties te ondernemen om het probleem in realtime op te lossen."

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

“In de toekomst zullen de inzichten in onze gegevens ons in staat stellen om onze machines effectiever te laten werken, zodat we tijd kunnen vrijmaken voor onze technici om te werken aan taken met toegevoegde waarde, zoals het programmeren voor meerdere taken of machines, waardoor een slimmere fabriek ontstaat die zal helpen wij produceren technisch geavanceerde producten”, zegt Crow.

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