Predykcyjne utrzymanie maszyn do gięcia blach

• Predykcyjne utrzymanie maszyn do gięcia blach. Od lat specjalizujemy się w dostarczaniu maszyn i technologii do obróbki metalu oraz w robotyzacji stanowisk produkcyjnych. Jednym z kluczowych obszarów naszej działalności są maszyny do gięcia blachy, które bardzo często stanowią krytyczny element linii produkcyjnych w takich branżach jak automotive, AGD czy przemysł metalowy.
  
  
• Z naszego doświadczenia wiemy, że każdy nieplanowany przestój maszyn do gięcia blach generuje bardzo wysokie koszty – zarówno bezpośrednie, związane z utratą produkcji i interwencjami serwisowymi, jak i pośrednie, takie jak opóźnienia w realizacji zamówień, kary umowne czy spadek jakości produkcji.
  
  
• Dlatego celem projektu było opracowanie rozwiązania, które pozwoliłoby na wczesne wykrywanie symptomów narastającego zużycia komponentów lub potencjalnych usterek – zanim doprowadzą one do awarii i przestoju. Projekt zakładał wykorzystanie zaawansowanej analizy danych i uczenia maszynowego oraz stworzenie rozwiązania możliwego do skalowania i wdrożenia na wielu maszynach oraz instalacjach.
  

Predykcyjne utrzymanie maszyn do gięcia blach – ROLA POLTEKNIK

• Przede wszystkim, jako Polteknik Sp. z o.o., odpowiadaliśmy za obszar danych procesowych.Co więcej, od początku skupiliśmy się na bezpośrednim dostępie do sygnałów z maszyn. W pierwszej kolejności przeprowadziliśmy szczegółową analizę procesu technologicznego. Następnie zidentyfikowaliśmy kluczowe punkty pomiarowe w maszynach do gięcia blach. Dzięki temu mogliśmy określić, które parametry realnie odzwierciedlają stan techniczny.
  
• Co istotne, analiza objęła zarówno aspekty mechaniczne, jak i elektryczne. Równocześnie uwzględniliśmy charakterystyczne tryby pracy maszyn. W rezultacie powstała spójna koncepcja systemu monitorowania. Na tej podstawie nasz doświadczony zespół serwisowy dobrał odpowiednie czujniki. Następnie przeprowadziliśmy ich montaż oraz konfigurację. Jednocześnie zadbaliśmy o poprawność kalibracji i stabilność sygnałów. Dzięki temu zapewniliśmy wiarygodność oraz powtarzalność pomiarów. Kolejno dane z czujników zintegrowaliśmy z systemem analitycznym. Co więcej, powiązaliśmy odchylenia sygnałów z rzeczywistym stanem maszyn. W efekcie możliwe stało się wykrywanie subtelnych zmian pracy urządzeń.
  
• Ponadto zapewniliśmy ciągły i uporządkowany dostęp do danych procesowych. Równocześnie aktywnie wspieraliśmy zespół analityczny w interpretacji wyników. Z jednej strony przekazaliśmy wiedzę o procesie gięcia blach. Z drugiej strony wyjaśniliśmy typowe mechanizmy zużycia komponentów. Dzięki temu modele predykcyjne oparto na realnych zjawiskach technicznych.

zADANIA W PROJEKCIE PRZYPADAJĄCE NA PARTNERÓW

• Firma StatSoft Polska odpowiadała za kompleksową warstwę analityczną projektu. W pierwszym etapie przygotowała oraz oczyściła dane z maszyn. Następnie zespół opracował i wyselekcjonował odpowiednie modele predykcyjne. Kolejno modele wdrożono w środowisku produkcyjnym.
  
• Co więcej, na podstawie danych z wielu maszyn powstał system ostrzegawczy. System oparto na zaawansowanych metodach uczenia maszynowego. W szczególności zastosowano podejście nienadzorowane do wykrywania anomalii. Wykorzystano metody PCA, kNN oraz autoenkodery.
  
• Dzięki temu rozwiązanie identyfikowało zmiany w charakterystyce pracy maszyn. Co więcej, prognozowało przyszłe wartości wskaźników anomalii. W rezultacie system sygnalizował rosnące ryzyko nieprawidłowości. Jednocześnie architekturę zaprojektowano jako elastyczną i skalowalną. Dlatego możliwa stała się adaptacja do kolejnych maszyn i czujników. Co równie ważne, system można było rozszerzać o nowe źródła danych.
  
• Na bazie modeli predykcyjnych firma STIGO przygotowała dedykowaną aplikację. Aplikacja otrzymała intuicyjny oraz przejrzysty interfejs użytkownika. Dzięki temu użytkownicy zyskali szybki dostęp do wyników analiz.
  
• Ponadto system umożliwił ciągłe monitorowanie stanu technicznego maszyn. Równocześnie realizował automatyczny odczyt danych procesowych. Co więcej, generował prognozy oraz sygnały ostrzegawcze. W efekcie utrzymanie ruchu mogły reagować z wyprzedzeniem.

Rezultaty wdrożenia systemu predykcyjnego:

• Przede wszystkim użytkownicy otrzymali narzędzie do świadomego planowania przeglądów. Dzięki temu działania serwisowe stały się bardziej przewidywalne. Co więcej, system wykrywał zużycie komponentów na wczesnym etapie. W rezultacie możliwa była wymiana części przed wystąpieniem awarii. Ponadto znacząco ograniczono ryzyko nieplanowanych przestojów produkcyjnych. Jednocześnie służby utrzymania ruchu zyskały pełniejszą widoczność stanu maszyn. Z jednej strony producenci, w tym Polteknik, wzmocnili przewagę konkurencyjną. Z drugiej strony klienci otrzymali rozwiązanie zwiększające niezawodność. Co równie ważne, poprawiło się bezpieczeństwo pracy i stabilność procesów.

#Polteknik #UtrzymanieRuchu #PredictiveMaintenance #Przemysł40 #SmartFactory #GięcieBlach #PrzyszłośćProdukcji