IoT und Ihr Verständnis von Daten

Da die Cloud-basierte Erfassung und Aktuierung zusammen mit der Zusammenstellung von Daten zunimmt, müssen wir den Mangel an Gemeinsamkeiten in unserem Verständnis erkennen. Manchmal sind es nur die Wörter, die wir verwenden, manchmal ist es die Semantik und manchmal ist es unsere Verwirrung der erwarteten Ergebnisse.

Bei Maschinen spricht man von U/min Umdrehungen pro Minute oder SPM Hübe pro Minute oder Spindeldrehzahlen oder IPM Zoll pro Minute usw. Alle diese Begriffe beziehen sich auf Maschinen. Teile pro Minute (PPM) sind das, was uns wirklich am Herzen liegt. Wenn wir uns das IoT und unser gewünschtes Ergebnis ansehen, sind es die Messungen und Metriken, bei denen wir unsere Daten trüben und unsere Informationen verwirren. Daher müssen wir sicherstellen, dass die Informationen klar sind, sagt Joseph Zulick, Autor und Manager bei MRO Electric and Supply .

In einer Fertigungshalle hört man oft einen Vorgesetzten fragen, ob wir die Maschine „beschleunigen“ können, um die neuen höheren Anforderungen an ein Produkt zu erfüllen oder einen Termin einzuhalten. Hier wird es trüb. Dem Vorgesetzten ist es egal, wie Sie mehr Teile bekommen, sein Ziel ist es, die Nachfrage zu decken.

Optionale Lösungen können darin bestehen, die Maschine schneller laufen zu lassen, dies ist auch mehrdeutig, da das Hochdrehen der Motordrehzahl oder der Hübe pro Minute zu einem Qualitätsproblem führen kann. Beim Stanzen kann es sein, dass eine Erhöhung der Gleitgeschwindigkeit dazu führt, dass die Umformung das Material während der Umformung reißt. Bei der Bearbeitung kann die Tatsache, dass Sie versuchen, mehr Material in einem einzigen Durchgang abzutragen, Hitze, Kontrollverlust und eine schlechte Oberfläche verursachen. Bei einer Abkantpresse können Sie am Ende eine größere Rückfederung haben.

Die Frage ist also, wie wir die gleiche Teilequalität mit höherer Geschwindigkeit erreichen können. Sensoren können jetzt immer mehr überwachen. Der Einsatz der Künstlichen Intelligenz in vielen Systemen kann basierend auf dem vergangenen IoT-Feedback und den erwarteten Ergebnissen mehrere Szenarien bereitstellen. Wenn beispielsweise ein Teil auf einer Presse von einer Station zur anderen transportiert wird, dauert es eine gewisse Zeit.

Je schneller Sie laufen, desto mehr können Sie gezwungen sein, im automatischen Einzelhub zu arbeiten. Dies ist ein Modus, bei dem die Maschine oben anhält und nun darauf wartet, dass das Teil von einer Station oder Operation zur nächsten bewegt wird. Überraschenderweise können Sie höhere Geschwindigkeiten erreichen, indem Sie langsamer laufen und nie an der Spitze stehen bleiben. Wenn Sie in einem reinen kontinuierlichen Modus bleiben, können Sie mehr Teile erstellen, als wenn Sie die Maschine schneller laufen lassen und auf die Automatisierung warten. Dies ist teilweise ein Schwerpunkt der Constraint-Theorie, die sich auf die Bestimmung des Flaschenhalses konzentriert. Es kann auch Teil der schlanken Fertigung und der Systeme sein, die diese Fertigungskonzepte anpassen.

Diese Theorien werden in die Iot-Seite integriert, die den besten Weg zur Erreichung des Ziels überwacht und beweist, genügend Teile, um die Nachfrage zu decken. Eine weitere Lösung bei hydraulischen Maschinen und in der Servotechnik ist die Hublängenbegrenzung. Ein Teil dessen, was bestimmt, wie lange es dauert, ein Teil herzustellen, ist die Zeit pro Hub. Einfache Mathematik würde diktieren, wenn etwas mit 60 Schlägen pro Minute läuft, dauert 1 Schlag 1 Sekunde. Wie kann also die Produktion verbessert werden? Bei hydraulischen und bei Servomaschinen können Sie die Hublänge variieren.

Wenn wir uns die Maschine mit 1 Hub pro Sekunde ansehen und die Hublänge 4 Zoll beträgt, ist es möglicherweise möglich, verschwendete Zeit beim Hub zu vermeiden. Die gesamte Rücklaufzeit wird bis zu einem gewissen Grad verschwendet, es sei denn, es findet eine Automatisierung statt und Sie könnten sowieso nicht produzieren. Vielleicht kann ich die Hublänge auf 3 Zoll begrenzen. Dieses Mal können Sie ¼ dieser Sekunde sparen. Dies könnte dazu führen, dass 15 weitere Teile in einer Minute produziert werden!

Dies ist die gleiche Philosophie, die Link-Bewegungspressen verwenden, indem sie das Geschwindigkeitsprofil des Stößels ändern. Für Laien ausgedrückt, sie läuft während des Aufwärtshubs schneller, wenn keine Produktion stattfindet.

Servomaschinen nutzen die Hublängenverstellung ebenso wie hydraulische Maschinen. Dies gilt für alle Arten von Maschinen. Ein Nebeneffekt davon ist, dass Sie Ihre Risiko- und Gefahrenbelastung reduzieren, da diese Bereiche bei Maschinen mit längerem Hub länger ausgesetzt sind.

IoT überwacht die Produktionszahlen und weist die Optimierung von Maschinen nach und kann uns helfen, die Informationen zu verstehen. Wir müssen sicherstellen, dass uns klar ist, was wir erreichen wollen. Wie oben gezeigt, kann es die falsche Lösung sein, schneller zu laufen.

Sensoren können auch dort falsch angewendet werden, wo sie verwendet werden, um das Falsche zu erkennen. Nur weil Sie spüren, dass sich ein Teil von einer Maschine gelöst hat, ist dies keine Garantie dafür, dass es sich um ein gutes Teil handelt, ein Teil, das tatsächlich fertig oder verpackt wurde. Mehr Systeme ermöglichen jetzt die Verfolgung eines guten und schlechten Teils während des Vorgangs, da das Entfernen eines schlechten Teils kostspieliger sein kann als die Zeit, die ein erfasstes schlechtes Teil durchlaufen und am Ende verschrottet werden muss. Dies setzt natürlich voraus, dass der schlechte Teil eine Anomalie und kein Fehler ist. Diese Daten können eine Weiche auslösen und ermöglichen, dass ein fehlerhaftes Teil zurückgewiesen und ausgeworfen wird.

Zu oft geben wir Daten auf, weil sie das Problem nicht ändern oder lösen oder das, was wir sammeln, nicht die Ergebnisse liefert, auf die wir reagieren müssen, um etwas zu bewirken. Wir sind der Meinung, dass Sensoren Lösungen bieten, aber ein Sensor ohne Datenerfassung, und der Vergleich ist nur ein Datenpunkt.

Wenn ich Ihnen die Nummer 6 gebe und Sie auffordere, das Problem zu lösen, können Sie es nicht tun. Sie benötigen die Formel oder andere Datenpunkte, um einen Trend zu bestimmen, und so machen Sie einen Unterschied. Nur mit diesen Informationen und Kenntnissen können Sie eine Verbesserung erwarten.

Sobald Sie den Kontext dieser Informationen haben, können Sie die Grenzwerte erstellen, die Sie für die Änderung benötigen. Es gibt einige KI-Systeme, die Leistungskennzahlen analysieren und interpretieren, aber das Problem ist, dass ein Datenelement ohne Eingabekontext Ihnen Ausgabeempfehlungen ohne Ausgabekontext gibt. Wie das Sprichwort sagt... Garbage In =Garbage Out.

Wir verbessern die Datensysteme und die Notation spielt dabei eine große Rolle, insbesondere bei der analogen Sensorik. Wir müssen einen Wert kennen, der mit der analogen Abtastung verbunden ist, und genauso wichtig ist eine echte Nachricht, kein nutzloser Codewert. Visuelle Hinweise sind auch sehr nützlich, wenn der Bediener die Nachricht verstehen und darauf reagieren kann, ohne eskalieren und darauf warten zu müssen, dass ein Vorgesetzter oder Wartungspersonal eine Nachricht und eine Aktion interpretiert.

Das Schicksal der Fertigung hängt von Daten ab. Wir durchlaufen derzeit einen Zwischenschritt der Weiterentwicklung. Wir behandeln Systeme wie Alexa oder Siri vielleicht als allwissende Systeme, aber sie haben wirklich einen Katalog von Schlüsselwörtern, um ein Programm oder eine Fähigkeit auszuführen.

Der spannende Teil ist, was als nächstes kommt, was in geringerem Maße das Verständnis ist, wo die Systeme unsere Fehler in dem verstehen, was wir verlangen und was wir eigentlich wissen wollen. Unsere Fehler werden zu intelligenteren Systemen von morgen führen, die näher sind, als wir denken!

Der Autor ist Joseph Zulick, Manager bei MRO Electric and Supply.