기계에서 배우기:일부 기계 부품이 절대 고장나지 않는다면?

기계 부품이 너무 좋다고 생각한 적이 있습니까? 그럴 가능성이 높습니다. 이 새로운 비즈니스 모델을 활용하고 현장의 기계를 통해 많은 비용을 절감할 수 있습니다.

데이터 기반 의사 결정 AI 기반 머신 러닝, 신경망, 자가 학습 머신 등은 경쟁에서 뒤처지지 않으려는 기업에게 불가피합니다. 그러나 기계 학습은 까다롭고 상당한 투자 없이는 내 자동화 플랫폼에서 지원되지 않는다는 생각을 듣습니다. 그 외에도 일부 기계와 장비는 이러한 접근 방식을 실제로 활용하지 못합니다.

기계에서 배우기는 어떻습니까? 새로운 수익원을 창출하려면?

머신 데이터를 수집하고 분석하여 머신에서 학습하십시오.

기계에서 학습 vs 기계 학습

언급했듯이 AI 및 신경망을 기반으로 하는 자체 최적화 알고리즘은 아직 모든 기계 제작업체에 적합하지 않습니다. 소규모 기계 제조업체에게는 현실이 아니며 대부분의 경우 이는 기껏해야 미래 계획입니다. 대부분의 기계 제작자(및 고객)는 OEE가 높은 부드럽고 빠르게 실행되는 기계를 만드는 데 중점을 둡니다. 또한 최적화된 장비 및 기계에서 PLC 소프트웨어를 만지는 것은 대부분의 모토가 '실행 중인 시스템을 만지지 마십시오'이므로 금기 사항으로 간주됩니다. .

그러나 모든 기계 제작자에게 현실적인 단계는 기계에서 배우는 것입니다. 새 기계는 새 차와 같아서 처음에는 고장이 나서 최적화해야 합니다. 현장의 기계에서 배우면 결국 부품이 고장나는 것을 방지하거나 다른 흥미로운 통찰력을 발견할 수 있습니다. 대부분의 기계 제조업체는 매우 효과적인 품질 보증 시스템을 갖추고 있으며 근본 원인 분석을 기반으로 장비의 고장 및 약점을 찾아 수정합니다.

현장에서 기계를 학습하여 기계 부품을 절약하십시오.

기존 기계에서 배울 수 있는 것

기계 제조업체는 고장 및 시정 조치를 기반으로 수명 주기 동안 기계의 품질을 개선하기 위한 시스템을 갖추고 있습니다. 이는 또한 R&D 부서로 전달되므로 미래 장비에서 유사한 결함을 피할 수 있습니다. 그러나 기계의 데이터를 수집 및 분석하고 여러 기계를 벤치마킹하여 일부 부품은 절대 고장나지 않음을 발견하면 어떻게 될까요? 또는 예상된 설계 기준보다 잘 실행되고 있습니까?

현장에서 실패를 피하기 위해 설계 기준과 안전 여유가 너무 높은 경우가 많습니다. 그러나 '잘 작동하면 고치지 마십시오'라는 모토에 따라 머신 데이터를 살펴보지 않고는 이 피드백을 받을 수 없습니다.

이 통찰력을 통해 재설계에서 '너무' 좋고 설계 기준이나 안전 여유가 더 낮은 기계 부품을 다운그레이드할 수 있습니다. 이는 큰 비용 절감으로 이어질 수 있습니다. 품질 손실의 위험이 없습니다. 당신이 적응하지 않고 경쟁자가 적응하면 어떻게 될까요? 확실히 모든 기계 제작자가 고려할 가치가 있는 비즈니스 모델입니다.

새로운 설계에서 설계 기준이나 안전 여유를 낮출 수 있는지 알아보십시오.

사용 사례:컨베이어 벨트 재설계

컨베이어 벨트를 설계할 때 부하, 마찰 등에 기반한 올바른 작동을 위해 4Nm @ 200RPM을 전달할 수 있는 드라이브 패키지가 필요하다는 계산을 했습니다. 안전 여유를 20%로 설정하고 크기 조정을 위한 구성 요소를 4.8로 설정했습니다. Nm @ 200RPM. 이제 실행 중이므로 더 오랜 기간 동안 특정 구성 요소 및 프로세스에서 데이터 수집을 시작할 수 있습니다.

전 세계의 모든 기계를 살펴보고 PLC를 모니터링하고 클라우드에서 수집된 데이터로 고급 분석을 수행하십시오. 부하가 실제로 모든 기계에 대해 3.8Nm RMS이고 4Nm를 넘지 않는다고 상상해 보십시오. 그런 다음 그에 따라 드라이브 패키지에 대한 요구 사항을 낮추고 비용을 절감하고 얻은 지식을 사용하여 안전 여유를 재고할 수 있습니다. 당신의 컨베이어 디자인을 위해.

특정 부품을 절약할 수 있는지 확인할 준비가 되셨습니까?

요구 사항을 낮추고 비용을 절감하여 컨베이어 벨트를 재설계하십시오.

자신만의 '머신 러닝' 전략을 구축하는 방법

매우 제한된 투자와 빠른 ROI로 실용적이고 효과적인 방식으로 현장 기계의 과거 데이터에서 배우고 이 새로운 비즈니스 기회에 대한 자신의 전략을 수립하십시오. 다음 목록은 영감을 줄 수 있습니다.

1) 시작점 - 현재 장비 성능 - 필요한 데이터
첫 번째 단계는 머신 파크의 현재 부품 사례를 분석하는 것입니다. 정기적으로 교체되는 부품과 교체되지 않는 부품을 확인합니다. 주어진 값과 해당 부품의 상태 사이에 명확한 통계적 관계가 있는 데이터가 캡처되고 있는지 확인합니다.

일부 데이터는 표준 PLC 변수와 부품 간에 명확한 상관 관계가 있고, 다른 데이터는 추가 변수를 정의 및 수집해야 하거나 추가 센서를 사용해야 할 수도 있습니다. 에지 게이트웨이를 통해 PLC 데이터를 현장의 기계에서 클라우드로 대량으로 전송할 수 있습니다.

2) 프로토타이핑 - 테스트
다음 단계는 안전 여유에 대한 최소값과 최대값을 찾는 것입니다. 기계 부품의 성능을 분석하고 개선이 필요한 부품과 다운그레이드할 수 있는 부품을 결정합니다.

가설을 강화하거나 반박하기 위해 문제가 되는 부분에 대해 자체 테스트를 수행합니다. 다음 머신을 설계할 때 이러한 통찰력을 사용하십시오.

3) 비즈니스 모델 출시
안전 마진을 낮추는 방법을 정의하고 다음 재설계에서 이를 구현하여 비용을 크게 절감하십시오.

머신 러닝 전략에 대한 자신의 비즈니스 모델을 구축하십시오.

'너무' 좋은 기계 부품 비용 절감

기계 설계 비용을 절감하고 싶으십니까? 현장의 기계에서 배우고 안전 여유가 너무 높은 부품을 재설계하면 더 많은 이익과 경쟁 우위를 확보할 수 있습니다. .

기계에서 학습을 시작하는 방법에 대한 조언이 필요하면 부담 없이 업계 전문가에게 문의하십시오.

[[무료 전문가 상담]]