રબર ડિફ્લેશિંગ સિસ્ટમ્સમાં AI અને IoT એકીકરણ

By માઇક ચેન, પ્રોડક્શન ડિરેક્ટર | રબર ઉત્પાદનમાં ૧૨+ વર્ષ |લિંક્ડઇન

કી ટેકવેઝ

• એક XCJ-G600 બેરલ દર 20-40 સેકન્ડે 15 કિલોગ્રામ બેચનું ચક્ર ચલાવે છે - IoT કેપ્ચર માટે 8-કલાકની શિફ્ટમાં 1,300 થી વધુ ડેટા-સમૃદ્ધ ચક્ર પહેલેથી જ ઉપલબ્ધ છે.
• ક્રાયોજેનિક ડિફ્લેશિંગ યુનિટ્સ −150 °C સુધીના તાપમાને 20-70 RPM ની રોલર ગતિ સાથે ચાલે છે, અને બંને ચલોને લોગ કરવાથી નાઇટ્રોજન કચરો અને ઇન્સ્યુલેશન ડ્રિફ્ટનો સીધો ખુલાસો થાય છે.
• કનેક્ટેડ મશીનો પ્રક્રિયાના પ્રવાહને વહેલા જાહેર કરે છે, તેથી આગાહીયુક્ત જાળવણી સામાન્ય રીતે બિનઆયોજિત સ્ટોપેજને 30 મિનિટથી ઓછા સમયના સુનિશ્ચિત હસ્તક્ષેપોમાં રૂપાંતરિત કરે છે (અમારા ગ્રાહક પ્રોજેક્ટ્સમાંથી લાક્ષણિક મૂલ્યો).
• રેટ્રોફિટિંગ બીટ્સ રિપ્લેસિંગ: 7.5 kW XCJ-G600 જેવા ઇન્વર્ટર-સંચાલિત ઉપકરણોને સામાન્ય રીતે નવી ખરીદીને બદલે સેન્સર અને એજ ગેટવે સાથે કનેક્ટ કરી શકાય છે.

અમે જે મોટાભાગના ઉત્પાદકો સાથે કામ કરીએ છીએ તેમની પાસે પહેલાથી જ ડિફ્લેશિંગ સાધનો છે જે મશીન સ્તરે બુદ્ધિશાળી છે અને ફેક્ટરી સ્તરે સંપૂર્ણપણે શાંત છે. કંટ્રોલર રોલર સ્પીડ જાણે છે; ઓપરેટર બેચ વજન જાણે છે; ગુણવત્તા ટીમ રિજેક્શન રેટ જાણે છે - પરંતુ કોઈ આ ત્રણેયને કનેક્ટ કરતું નથી. તે ડિસ્કનેક્શન એ જ છે જેને AI અને IoT પ્રોજેક્ટ્સ ઠીક કરવા માટે ડિઝાઇન કરવામાં આવ્યા છે.

આ લેખ સમજાવે છે કે ડિફ્લેશિંગ સંદર્ભમાં એકીકરણનો ખરેખર અર્થ શું છે, કયા ડેટા પોઇન્ટ્સને પહેલા કનેક્ટ કરવા યોગ્ય છે, અને એક તબક્કાવાર રોડમેપ જે હાઇપરસ્કેલ સ્માર્ટ ફેક્ટરીઓને બદલે નાના અને મધ્યમ કદના રબર પ્લાન્ટ્સ માટે કામ કરે છે.

ડિફ્લેશિંગ સંદર્ભમાં AI અને IoTનો ખરેખર શું અર્થ થાય છે?

ઇન્ટરનેટ ઓફ થિંગ્સ (IoT) એ ઔદ્યોગિક ઉપકરણોને નેટવર્ક સાથે જોડવાની પ્રથા છે જેથી તેનો ઓપરેટિંગ ડેટા એકત્રિત, સંગ્રહિત અને સમીક્ષા કરી શકાય; કૃત્રિમ બુદ્ધિ (AI) એ સોફ્ટવેર સ્તર છે જે તે ડેટામાં પેટર્ન શોધે છે અને નિર્ણયોની ભલામણ કરે છે અથવા અમલમાં મૂકે છે.ડિફ્લેશિંગમાં, બંને એક જોડી તરીકે કામ કરે છે: IoT કાચો સિગ્નલ પૂરો પાડે છે, અને AI સિગ્નલને ક્રિયામાં ફેરવે છે - રોલરને ધીમો કરે છે, ઘસાઈ ગયેલા બેલ્ટને ચિહ્નિત કરે છે, અથવા શંકાસ્પદ બેચને મોકલતા પહેલા તેને ક્વોરેન્ટાઇન કરે છે.

ડિફ્લેશિંગ મશીનને પહેલા ડેટા સ્ત્રોત તરીકે અને પછી ડિબરિંગ ટૂલ તરીકે વિચારવામાં મદદ મળે છે. દરેક યાંત્રિક ડિફ્લેશિંગ ચક્ર અને -120 °C થી નીચે ચાલતું દરેક ક્રાયોજેનિક ચક્ર ગતિ, સમય, તાપમાન અને લોડનું ટ્રેસેબલ ફિંગરપ્રિન્ટ ઉત્પન્ન કરે છે. એકવાર તે ફિંગરપ્રિન્ટ્સ સંગ્રહિત થઈ જાય, પછી જે પ્રશ્નો માટે પ્રોસેસ એન્જિનિયરને બેરલ પર સંપૂર્ણ શિફ્ટ માટે ઊભા રહેવાની જરૂર પડતી હતી - "ચક્રનો સમય ક્યારે વધવા લાગ્યો?" - તે દસ-સેકન્ડની ડેશબોર્ડ ક્વેરી બની જાય છે.

કયા ડિફ્લેશિંગ ડેટા પોઈન્ટ્સને પહેલા કનેક્ટ કરવા યોગ્ય છે?

ડિફ્લેશિંગ ગુણવત્તા નક્કી કરતા ચાર ચલોથી શરૂઆત કરો: સાયકલ સમય, રોલર સ્પીડ, પ્રોસેસ તાપમાન અને બેચ લોડ.તેઓ દરેક મશીન પર અસ્તિત્વ ધરાવે છે, જ્યારે કંઈક ખોટું થાય છે ત્યારે તેઓ બદલાય છે, અને તેઓ સીધા ઉત્પાદન પરિણામો પર મેપ કરે છે. નીચે આપેલ કોષ્ટક દરેક ચલને વાસ્તવિક સાધન મૂલ્યો અને તે અનલૉક કરે છે તે ઑપ્ટિમાઇઝેશન સાથે જોડે છે.

સાધનોના મૂલ્યો માંથી મેળવેલ છેXCJ-G600 ઉત્પાદન પૃષ્ઠઅનેલિક્વિડ નાઇટ્રોજન ક્રાયોજેનિક ડિફ્લેશિંગ મશીન સ્પષ્ટીકરણો.

ક્રાયોજેનિક એમ્બ્રિટલમેન્ટ એ તાપમાન અને સમય વચ્ચેની સ્પર્ધા હોવાથી, લોગ કરેલા કૂલિંગ કર્વ્સ ક્રાયોજેનિક લાઇન પર એકમાત્ર સૌથી મૂલ્યવાન ડેટાસેટ છે.8 મિનિટને બદલે 5 મિનિટમાં લક્ષ્ય સુધી પહોંચતી દોડે તેના ચક્રનો 37% બચાવ કર્યો છે - એક એવી બચત જે સ્ટોપવોચ પર અદ્રશ્ય છે પરંતુ ડેટામાં સ્પષ્ટ છે.

આગાહીયુક્ત જાળવણી ડિફ્લેશિંગ અર્થશાસ્ત્રને કેવી રીતે બદલી નાખે છે?

આગાહીત્મક જાળવણી ટ્રેન્ડ ડેટાનો ઉપયોગ કરે છે - ચક્ર સમયનો વધારો, મોટર વર્તમાનમાં વધઘટ, તાપમાનમાં અસ્થિરતા - ઘટક નિષ્ફળ જાય તે પહેલાં સેવા સુનિશ્ચિત કરવા માટે, પછી નહીં.આર્થિક તફાવત સ્પષ્ટ છે: શિફ્ટ દરમિયાન નિષ્ફળ ડ્રાઇવ મોટર લાઇનને રોકે છે, સમયપત્રકને ખોરવી નાખે છે અને સંપૂર્ણ પ્રક્રિયામાં બેચને રદ કરી શકે છે, જ્યારે બે અઠવાડિયા પહેલા ઓળખાયેલ આયોજિત સ્વેપ શિફ્ટ વચ્ચે થાય છે.

ગ્રાહક પ્લાન્ટ્સ પર ડિફ્લેશિંગ લાઇન્સને ટેકો આપતા અમારા અનુભવમાં, કનેક્ટેડ મોનિટરિંગ સામાન્ય રીતે એક જ મશીન પર દર ક્વાર્ટરમાં ત્રણથી પાંચ કાર્યવાહીયોગ્ય પ્રક્રિયા ડ્રિફ્ટ્સ દર્શાવે છે - સામાન્ય રીતે ક્રમિક ચક્ર-સમય વિસ્તરણ અને અસંગત ક્રાયોજેનિક કૂલડાઉન - અને દરેક 30 મિનિટથી ઓછી સમયમર્યાદામાં સુધારી શકાય છે (અમારા ગ્રાહક પ્રોજેક્ટ્સમાંથી લાક્ષણિક મૂલ્યો; ચોક્કસ આંકડા સંયોજન મિશ્રણ અને શિફ્ટ પેટર્ન સાથે બદલાય છે).XCJ-G600 જેવા મશીન પર 7.5 kW ઇન્વર્ટર પહેલાથી જ મોટર લોડને ડિજિટલ રીતે રિપોર્ટ કરે છે, તેથી આ સ્તરના મોનિટરિંગ માટે પ્રવેશ ખર્ચ ગેટવે અને ગોઠવણી છે, નવા હાર્ડવેર નહીં.

એક પાલનનો મુદ્દો પણ છે. છોડ પ્રમાણિતઆઇએસઓ 9001સતત સુધારો દર્શાવવાનું કહેવામાં આવે છે; બેચ દીઠ મશીન પરિમાણોનો ડેટા ટ્રેઇલ એ ઓડિટર સ્વીકારશે તે સૌથી સ્વચ્છ પુરાવાઓમાંનો એક છે.

મશીન વિઝન ગુણવત્તા લૂપમાં ક્યાં બંધબેસે છે?

મશીન વિઝન એ લૂપને બંધ કરે છે જે સેન્સર ડેટા ફક્ત ખુલ્લું છોડી દે છે: કેમેરા ડિફ્લેશ થયેલા ભાગોનું નિરીક્ષણ કરે છે, અને AI સ્તર દરેક નકારાયેલા ભાગને ચોક્કસ ચક્ર, ગતિ અને તાપમાન પર ટ્રેસ કરે છે જેણે તેને ઉત્પન્ન કર્યું હતું.આ રીઅર-વ્યૂ પ્રવૃત્તિમાંથી ગુણવત્તા નિયંત્રણને સ્ટીયરિંગ ઇનપુટમાં ફેરવે છે.

વ્યવહારુ સાંકળ આના જેવી દેખાય છે: ભાગો ડિફ્લેશિંગ બેરલ છોડી દે છે, એક વિઝન ચેકમાંથી પસાર થાય છે જે શેષ ફ્લેશને ચિહ્નિત કરે છે, અને સ્વચ્છ ભાગો એક સુધી ચાલુ રહે છેરબર વિભાજક મશીનજે ટ્રીમ વેસ્ટમાંથી સારા ઉત્પાદનને અલગ પાડે છે. જ્યારે વિઝન સિસ્ટમ રિજેક્શન ક્લસ્ટરને લોગ કરે છે, ત્યારે AI ટાઇમસ્ટેમ્પ્સને બેરલ ડેટા સાથે સરખાવે છે અને મહત્વના પ્રશ્નનો જવાબ આપે છે: શું આ ખરાબ સંયોજન હતું, ખોટી રોલર સ્પીડ હતી, કે બેચ જે સ્પેક કરતાં 2 કિલો વધારે હતું?

આ જોડીમાંથી ક્રાયોજેનિક રેખાઓ સૌથી વધુ લાભ મેળવે છે. જ્યારે પરિમાણો સ્થિર હોય છે ત્યારે ક્રાયોજેનિક ડિફ્લેશિંગ 98% થી ઉપર ફિનિશ્ડ-પ્રોડક્ટ પાસ રેટ પ્રાપ્ત કરે છે, તેથી એક નાનો લોગ કરેલ વિચલન - બેઝલાઇન કરતા 10 °C વધુ ગરમ ચાલતો કૂલિંગ કર્વ - પણ ઉપજના ત્રણ પોઇન્ટ ખર્ચ થાય તે પહેલાં તેને પકડવા યોગ્ય છે.

વાસ્તવિક એકીકરણ રોડમેપ કેવો દેખાય છે?

મોટાભાગના રબર પ્લાન્ટ માટે કાર્યક્ષમ અભિગમ ત્રણ તબક્કાઓનો છે: કનેક્ટ કરો, વિશ્લેષણ કરો, પછી ઑપ્ટિમાઇઝ કરો - તે ક્રમમાં, આખી લાઇન પહેલાં એક મશીન પર.ડેટા અસ્તિત્વમાં આવે તે પહેલાં નિર્ણયોને સ્વચાલિત કરવાનો પ્રયાસ કરવો એ ઇન્ડસ્ટ્રી 4.0 પ્રોજેક્ટ્સમાં જોવા મળતી સૌથી સામાન્ય નિષ્ફળતા છે.

1. એક મશીન જોડો અને બેઝલાઇન વ્યાખ્યાયિત કરો.સિંગલ ડિફ્લેશિંગ યુનિટ - સૌથી નવું, સૌથી ઇન્વર્ટર-સંચાલિત - પર એજ ગેટવે ઇન્સ્ટોલ કરો અને 60 દિવસ માટે કંઈપણ બદલ્યા વિના ચક્ર સમય, ગતિ, તાપમાન અને લોડ લોગ કરો, જેથી "સામાન્ય" માપવામાં આવે, ધારવામાં ન આવે.
2. ગુણવત્તાયુક્ત પરિણામો સામે વિશ્લેષણ કરો.નિરીક્ષણમાંથી અસ્વીકાર રેકોર્ડ સાથે મશીન ડેટા મર્જ કરો, અને AI સ્તર (અથવા સારી સ્પ્રેડશીટ, પ્રામાણિકપણે) ને પેરામીટર ડ્રિફ્ટ અને ગુણવત્તા ઘટનાઓ વચ્ચેના સહસંબંધ શોધવા દો.
3. ક્લોઝ્ડ-લૂપ ચેતવણીઓ સાથે ઑપ્ટિમાઇઝ કરો.બેઝલાઇનથી ચેતવણી થ્રેશોલ્ડ સેટ કરો, તેમને ઓપરેટરોના ફોન અથવા પ્લાન્ટ ડેશબોર્ડ પર રૂટ કરો, અને પછી જ ઓટોમેટિક પેરામીટર કરેક્શનનો વિચાર કરો - એક પગલું જેમાં સૌથી વધુ શાસન અને ઓછામાં ઓછી તાકીદની જરૂર હોય છે.

પ્રામાણિક મર્યાદાઓ શું છે?

AI અને IoT અસ્થિર પ્રક્રિયા, ઘસાઈ ગયેલી બેરલ અથવા ખરાબ રીતે ઉલ્લેખિત મોલ્ડને ઠીક કરશે નહીં - તેઓ ફક્ત તે સમસ્યાઓને ઝડપી અને વધુ ચોક્કસ રીતે રિપોર્ટ કરશે.એકીકરણ સારા પ્રક્રિયા નિયંત્રણને વધારે છે; તે તેનો વિકલ્પ નથી.

અમારા પ્રોજેક્ટ અનુભવમાંથી બે વધુ ચેતવણીઓ. પ્રથમ, નાના કમ્પાઉન્ડ રન પાતળા ડેટા ઉત્પન્ન કરે છે: એક ઓ-રિંગ કદના 300 ચક્ર પર તાલીમ પામેલ AI મોડેલ 40 ટૂંકા ગાળાના ભાગોના પરિવારમાં સ્વચ્છ રીતે ટ્રાન્સફર થશે નહીં, તેથી ઉત્પાદન મિશ્રણ દીઠ અપેક્ષાઓ સેટ કરવી આવશ્યક છે. બીજું, કનેક્ટિવિટીમાં સુરક્ષા સપાટી હોય છે - જેમ કે માર્ગદર્શિકા ઉત્પાદન સાયબર સુરક્ષા સંસાધનો દ્વારા પ્રકાશિતએનઆઈએસટીગેટવે લાઇવ થાય તે પહેલાં વાંચવા યોગ્ય છે.ડિફ્લેશિંગ સેલ ડિઝાઇન દ્વારા ભાગ્યે જ ઇન્ટરનેટ-ફેસિંગ હોવાથી, યોગ્ય રીતે વિભાજિત ફેક્ટરી નેટવર્ક વધારાના જોખમને સામાન્ય રાખે છે, પરંતુ "સાધારણ" "શૂન્ય" નથી અને તેના માટે બજેટ રાખવું જોઈએ.

નિષ્કર્ષ: તમારી પાસે પહેલાથી જ છે તે ડેટાને કનેક્ટ કરો

રબર ડિફ્લેશિંગ એઆઈ અને આઈઓટી એકીકરણ માટે અસામાન્ય રીતે યોગ્ય છે, એક સરળ કારણસર: મશીનો પહેલાથી જ ચોક્કસ રીતે નિયંત્રિત, પરિમાણીય ચલો પર ચાલે છે. 15 કિલો બેચ, 20-40 સેકન્ડ ચક્ર, −150 °C ટોચમર્યાદા, 20-70 RPM રોલર શ્રેણી - આ ડેટા પોઇન્ટ છે જે એકત્રિત થવાની રાહ જોઈ રહ્યા છે, અને તેમાંથી દરેક ગુણવત્તાયુક્ત માહિતી ધરાવે છે.

જો તમે આગામી સાધન રોકાણનું આયોજન કરી રહ્યા છો, તો એવા મશીનો પસંદ કરો કે જેના નિયંત્રકો તે ડેટાને સ્પષ્ટ રીતે પ્રદર્શિત કરે.રબર ડિફ્લેશિંગ મશીનની સંપૂર્ણ શ્રેણીઝિયામેન ઝિંગચાંગજિયાથી, અથવા અમને તમારા પાર્ટ ડ્રોઇંગ્સ અને ટાર્ગેટ આઉટપુટ મોકલો - અમારી એન્જિનિયરિંગ ટીમ તમારા પ્લાન્ટના ઓટોમેશન સ્તર સાથે મેળ ખાતા કનેક્ટિવિટી વિકલ્પો સાથે ડિફ્લેશિંગ કન્ફિગરેશનનો પ્રસ્તાવ મૂકશે.