Ondersteuning van de bewaking van het freesproces met geautomatiseerde afwijkingsdetectie
De uitdaging
Freesprocessen worden geconfronteerd met aanzienlijke uitdagingen als gevolg van gereedschapslijtage, overmatige trillingen, materiaalinconsistenties en andere factoren die kunnen leiden tot een lagere productkwaliteit, dimensionale onnauwkeurigheden, oppervlaktedefecten, kostbare herstelwerkzaamheden, afval of onverwachte stilstand.
Daarom bewaken machineoperators continu machines op onverwachte geluiden, ongebruikelijke trillingen en andere tekenen van afwijkend gedrag.
Deze demonstratieopstelling vult handmatige afwijkingsdetectie aan met een geautomatiseerd waarschuwingssysteem voor afwijkingen, waardoor de efficiëntie en consistentie worden verbeterd en de risico’s als gevolg van onopgemerkte problemen worden verminderd.
Wat deze demonstratie doet
Fase 0: Gegevensverzameling en -analyse. In de eerste fase worden machinesignalen tijdens het frezen van producten verzameld en geanalyseerd. Idealiter vereist dit het opzetten van de CRM-sensorbox en het verzamelen van gegevens over de productkwaliteit. Het is ook mogelijk om vergelijkbare sensoren te gebruiken.
Fase 1: Leren. Zodra de gegevens beschikbaar zijn, wordt een (AI) model van normaal gedrag getraind.
Fase 2: Geautomatiseerde afwijkingsdetectie. Na de trainingsfase wordt het getrainde model toegepast om afwijkingen van normaal gedrag te detecteren die kunnen leiden tot een slechte productkwaliteit.
De signalen worden continu gemonitord en er worden waarschuwingen geactiveerd als een afwijking wordt gedetecteerd.
Fase 2.1 (optioneel): Aanpassing. Gedurende fase 2 wordt feedback verzameld (bijv. van machineoperators of via zelfcorrigerende lussen) en worden de modellen indien nodig aangepast.
Wat je ermee wint
- Verminderd risico op afvalproductie
- Minder behoefte aan tijdrovende productkwaliteitscontroles
- Minder risico op onverwachte stilstand
- Datagestuurde inzichten in freesprocessen
Voor wie is dit bedoeld?
Deze demonstratieopstelling is ideaal voor bedrijven in de maalindustrie die de risico’s als gevolg van onopgemerkte afwijkingen (afval, onverwachte stilstand, enz.) willen minimaliseren en hun personeel willen ondersteunen bij hun dagelijkse monitoringtaken. Het ideale bedrijf staat open voor datagedreven benaderingen en beschikt over de mogelijkheid om real-time sensorgegevens te verzamelen (bijvoorbeeld met behulp van de CRM-sensorbox).
Geschatte implementatiekosten
Totale geschatte investering: €0 – €1.000 voor een basisopstelling (+ kosten voor sensorbox)
- Sensorbox
- Afhankelijk van wat er bij het bedrijf beschikbaar is
- Hardware voor het opslaan en verwerken van sensorgegevens en het uitvoeren van modellen
- Apparaat voor het weergeven/melden van afwijkingen
Pilotprogramma
Hoe ziet een pilot voor deze demonstratie eruit?
Tijdens de pilotfase (2-4 weken) implementeren we een systeem voor anomaliedetectie dat operators waarschuwt voor afwijkend machinegedrag in bijna real-time.
- Training: Het systeem wordt eerst getraind om normaal gedrag te herkennen.
- Toepassing: Na de training bewaakt het systeem de freesprocessen en geeft het waarschuwingen af voor elk gedrag dat afwijkt van de vastgestelde norm.
- Feedback: Gedurende de toepassingsfase en aan het einde van de pilot verzamelen we feedback om het systeem te verbeteren.
Diensten tijdens de pilot:
- Installatie en configuratie op locatie door het projectteam
- Training en introductiesessie voor operators (halve dag)
- Monitoring op afstand en technische ondersteuning gedurende de pilotperiode
- Exploratieve data-analyse van de sensorgegevens van het MKB
- Training van een anomaliedetectiesysteem op basis van de gegevens van het MKB
- Tussentijds controlebezoek tijdens de pilot
- Eindrapport van de pilot met bevindingen en aanbevelingen
Wat u nodig heeft/aanlevert:
- Een compatibele CNC-freesmachine met toegankelijke sensorgegevens (bij voorkeur de CRM-sensorbox)
- Het frezen van meerdere (bij voorkeur dezelfde of vergelijkbare) producten op die machine tijdens de dagelijkse productie
- Netwerkverbinding (Wi-Fi of Ethernet) in de buurt van de machine
- Een vast contactpersoon beschikbaar tijdens de installatie en voor vragen
- Een vast contactpersoon beschikbaar voor feedback tijdens de pilotfase (bijv. door gedetecteerde afwijkingen te classificeren als “echte afwijking” of “valse afwijking”) en aan het einde van de pilotfase
- Een stopcontact binnen 2 meter van de machine en ruimte voor hardware (ongeveer de grootte van een computerkast) en een monitor