Vedi traduzione automatica
Questa è una traduzione automatica. Per vedere il testo originale in inglese cliccare qui
#Tendenze
{{{sourceTextContent.title}}}
Trasparenza del processo inclusa
{{{sourceTextContent.subTitle}}}
Dispositivi di serraggio intelligenti e sistemi di presa
{{{sourceTextContent.description}}}
I sistemi di monitoraggio delle condizioni (CMS) rilevano i cambiamenti e le anomalie nel processo di produzione. Essi forniscono un allarme tempestivo dei danni incipienti, rilevano le deviazioni della qualità, monitorano la stabilità di un processo di produzione e garantiscono un controllo di qualità costante in tutte le fasi della produzione e della creazione di valore. In questo contesto, i sistemi di presa e i dispositivi di serraggio diventano sempre più importanti grazie alla loro posizione più vicina al pezzo.
La richiesta da parte degli utenti di maggiore produttività, disponibilità di sistemi automatizzati e affidabilità dei processi ha un impatto sulle macchine e sui sistemi automatizzati utilizzati nella produzione moderna. La capacità di effettuare un monitoraggio continuo delle condizioni sta diventando sempre più un criterio chiave nella selezione dei componenti. La capacità di analizzare i dati di produzione e di qualità cronometrati con la produzione offre il potenziale per un significativo risparmio sui costi, una maggiore efficienza operativa e una migliore qualità della produzione. La cosa più importante è che la maggiore disponibilità di sistemi automatizzati e la manutenzione just-in-time hanno dimostrato di migliorare l'efficienza operativa. Idealmente, i tempi di fermo macchina non pianificati per i sistemi automatizzati possono essere completamente eliminati. A sua volta, la qualità del prodotto può essere aumentata incorporando i dati sull'usura delle macchine nei controlli di processo e prevedendo le deviazioni dalla qualità standard in modo da poter intraprendere tempestivamente le azioni necessarie.
Non solo la lettura dei dati, ma anche l'analisi dei dati
Esiste già un'enorme quantità di dati generati dalle macchine e dai sistemi automatizzati, dagli utensili intelligenti e dai componenti che si trovano nelle fabbriche delle aziende manifatturiere. Tuttavia, solo una piccolissima parte di questi dati viene effettivamente utilizzata - le stime suggeriscono solo il cinque per cento circa. Ai valori registrati dai sensori è stata data finora pochissima importanza, al massimo in caso di danni o per la risoluzione dei problemi. Utilizzando questi dati esistenti in modo completo, sistematico e soprattutto in tempo reale, si possono ottenere scenari di produzione intelligente che promettono vantaggi sostanziali. Allo stesso tempo, il grado di collegamento in rete e di digitalizzazione è anche associato a un rapido aumento della quantità di dati generati, il che significa che può sussistere il rischio che le connessioni ai data center del cloud non siano in grado di far fronte agli immensi flussi di dati in rapida crescita e che si verifichino tempi di inattività e periodi di latenza elevati. Ecco perché gli attuali progetti di ricerca si stanno concentrando su un cambiamento fondamentale nel modo in cui i dati vengono intesi. Non ruota più intorno alla semplice raccolta di dati come avveniva in precedenza, ma all'analisi dei dati in loco e alla loro conversione in informazioni preziose. L'attenzione principale è incentrata su come affinare i grandi dati in dati intelligenti. Ad esempio, è necessario preparare informazioni sul corretto funzionamento di un sistema automatizzato e sul fatto che esso sia idealmente collegato ad azioni appropriate raccomandate
Test integrato dei componenti
Ciò consente di controllare le caratteristiche di qualità dei componenti durante la manipolazione e di prendere decisioni OK/NOK direttamente nella pinza. I dati registrati nella pinza vengono pre-processati e analizzati nei componenti in tempo reale, in modo che vengano attivate le risposte appropriate. Ciò riduce il volume di dati da trasferire a ciò che è veramente necessario, cioè un'abbondanza di dati un po' sconcertante viene trasmessa come parametri significativi o indicatori di prestazione chiave (KPI). Oltre alle statistiche standard sui tempi di inattività, i KPI più importanti sono gli indici di capacità di processo (Cp) derivanti dall'analisi statistica del processo e l'efficienza di utilizzo del sistema automatizzato nel suo complesso. Questo misura tre tipi di dati di performance e utilizza metodi moltiplicativi per fonderli in un indicatore di produttività completo, l'efficienza totale del sistema automatizzato o l'efficacia complessiva delle apparecchiature (OEE).
L'efficienza totale del sistema automatizzato come indicatore chiave
Tre fattori sono rilevanti per la determinazione dell'OEE:
Grado di prestazione (LG): Il grado di prestazione è una misura della velocità di elaborazione di un sistema di produzione. Si basa sui tempi ciclo/ciclo per l'intervallo di uscita dei pezzi buoni o sulla capacità produttiva (M). Il grado di prestazione è indicato sotto forma di tempi di ciclo e quantità.
Tempi di ciclo
LG = tplan/treal x 100%
Quantità:
LG = Mreal/Mplan x 100%
Grado di utilizzo (NG, disponibilità): Il grado di utilizzo è una misura della capacità di un sistema di produzione di eseguire con successo una funzione richiesta al momento richiesto. Questo è determinato sulla base dei tempi di funzionamento, del tasso di fermo macchina λ, del tempo medio tra i guasti (MTBF) e del tempo medio di fermo macchina (MDT). Quest'ultimo include diversi fattori come il tempo di manutenzione TW e il tempo di riparazione (tempo medio di riparazione, MTTR).
NG = ∑ tempi di funzionamento / (∑operating volte + ∑ tempi di inattività) = MTBF/(MTBF+MDT)
L'affidabilità indica la probabilità di non avere tempi di fermo macchina che influenzeranno la funzionalità di un'unità durante un certo periodo. Ciò è determinato dal tasso di tempo di inattività per gli elementi tecnici e quantificato dal periodo medio senza tempi di inattività (tempo di funzionamento), il "Tempo medio tra i guasti" (MTBF).
MTBF=1/λ con tasso di inattività λ
Prestazioni di qualità (resa, ...): La prestazione di qualità è una misura della capacità di un sistema di produzione di assemblare/verificare entro le specifiche prescritte. I metodi di valutazione statistica della qualità sono utilizzati per analizzare e valutare il comportamento qualitativo dei processi di produzione. Le informazioni di campionamento sono utilizzate per cercare di ottenere informazioni sul comportamento dei tempi di distribuzione, ad esempio nel processo di assemblaggio. I risultati di questa analisi sono i calcoli della "capacità della macchina a breve termine" (potenziale macchina Cm, Cmk), della "capacità di processo preliminare" (potenziale processo preliminare Pp, Ppk) e della "capacità di processo a lungo termine" (potenziale processo a lungo termine Cp, Cpk)
La capacità della macchina è una misura della variazione caratteristica a breve termine proveniente dalla macchina.
La capacità di processo è una misura significativa della stabilità di un processo. Indica se un processo è in grado di soddisfare i requisiti stabiliti. In questi casi, si parla di processi di produzione gestibili. Allo stesso tempo, fornisce anche una visione del comportamento a lungo termine del sistema complessivo nelle condizioni generali prevalenti (persone, macchine, metodi, ambienti di lavoro). La capacità di processo identifica la capacità di una macchina o di un processo di raggiungere determinate caratteristiche con una distribuzione di frequenza che rientra nelle tolleranze richieste. A questo scopo, viene creata la relazione tra la distribuzione statistica di una caratteristica di qualità misurabile e il campo di tolleranza specificato per questa caratteristica. I parametri di capacità del processo sono molto sensibili ai cambiamenti e agli sviluppi delle tendenze. Ciò significa che sono particolarmente adatti per previsioni a medio termine e manutenzione predittiva.
La pinza come abilitatore universale per una produzione intelligente e flessibile
I moduli di gestione intelligente creano facilmente le precondizioni necessarie per la completa integrazione dei sistemi di produzione automatizzata negli ambienti di produzione e aprono la possibilità di connessioni ad ecosistemi basati su cloud per determinare l'efficacia complessiva del sistema automatizzato (OEE), le statistiche dei tempi di inattività (MTBF, MTTR) e la stabilità di processo a medio termine utilizzando i parametri di capacità determinati. Uno di questi tipi di componenti chiave è la pinza parallela SCHUNK EGL, un modulo di presa standard intelligente che include funzioni standard integrate, un'interfaccia Profinet certificata e un'elettronica integrata con corsa variabile e una forza di presa che può essere impostata tra 50 N e 600 N. Come sistema di misura in linea, quando "presa intelligente" la pinza intelligente utilizza la sua posizione esposta direttamente sul pezzo per ottenere dati e valutarli immediatamente utilizzando la tecnologia edge integrata nella pinza. Ogni singola fase del processo può essere monitorata in dettaglio e, ad esempio, trasmessa al sistema di controllo del sistema, al sistema ERP di livello superiore, ma anche alle banche dati di analisi e alle soluzioni cloud. In questo modo, la pinza intelligente è in grado di acquisire ed elaborare informazioni sistematiche sulla parte presa, il processo e i componenti ed esegue anche le reazioni appropriate. Ciò consente il controllo di qualità a circuito chiuso e il monitoraggio diretto del processo di produzione nel ciclo di produzione.
Rilevamento proattivo delle tendenze
La cosa più importante è che la determinazione continua in tempo reale della capacità di processo a lungo termine (Cpk) per il rilevamento proattivo delle tendenze e la diagnosi degli errori ha una comprovata esperienza con la pinza. Le correzioni di controllo introdotte hanno già avuto effetto prima di raggiungere i limiti delle specifiche e consentono un controllo di processo significativamente più stabile. I sensori sono fusi in modo che diversi sensori possano essere utilizzati in parallelo e i loro valori misurati possano essere successivamente analizzati per monitorare e valutare gli stati attuali del sistema della pinza e la situazione di accesso alla presa. Ciò consente di differenziare gli oggetti di presa e di rilevare i malfunzionamenti nella sequenza di produzione, come ad esempio le diverse qualità delle materie prime, l'usura degli utensili, le deviazioni di tolleranza o i colli di bottiglia dei materiali. Utilizzando l'analisi del processo in tempo reale, le tendenze possono essere valutate e incluse immediatamente nel controllo qualità del flusso di produzione, ad esempio sulla base dei valori caratteristici della competenza. Le analisi di correlazione consentono inoltre di rilevare contesti complessi e di eliminare più rapidamente i complessi modelli di errore.
Intelligenza artificiale
In futuro, SCHUNK prevede di automatizzare i compiti per il controllo dell'intera catena cinematica, che consiste di robot e pinze, nonché il monitoraggio del loro funzionamento, senza dover essere programmati per ogni singolo passo o dover impostare soglie e regolarle continuamente. L'uso di metodi di intelligenza artificiale (AI) e l'uso di diversi sensori saranno cruciali per questo tipo di presa autonoma. In un'applicazione pilota, ad esempio, sono stati utilizzati metodi di intelligenza cognitiva per identificare i pezzi disposti in modo casuale con una telecamera e poi afferrarli autonomamente da una cassa di trasporto e guidarli nel loro processo di lavorazione. Allo stesso tempo, le deviazioni da eventi normali (le cosiddette anomalie) e le tendenze, come la deriva di parametri di processo rilevanti, vengono apprese e utilizzate per affinare gli strumenti diagnostici nella pinza, senza la necessità di interruzioni operative o di un eccessivo addestramento durante l'impostazione del sistema. Lo scopo della pinza non è solo quello di afferrare, ma anche di prendere in mano la pianificazione totale della pinza, di monitorare l'intero processo utilizzando sensori e di analizzarlo continuamente. Qui, il edge e il cloud computing godono di un rapporto complementare e vantaggioso.
Portautensili sensoriali
Dotato di un sensore, di una batteria e di un'unità di trasmissione, il portautensili sensoriale SCHUNK iTENDO monitora il processo a 5.000 Hz direttamente sull'utensile. Un algoritmo determina continuamente un parametro per la stabilità del processo. Il cosiddetto valore IFT è stato sviluppato appositamente per l'iTENDO ed esprime la vibrazione misurata come valore numerico su una scala di intensità definita - simile alla scala Richter per i terremoti. Se il taglio diventa instabile, l'intelligenza integrata interviene direttamente in tempo reale con una latenza di circa 20 ms e senza l'intervento dell'operatore. A seconda della situazione, il processo viene poi fermato, ridotto o adattato ai parametri di base precedentemente definiti, l'ingresso di utensili modificati, gli utensili gemelli sostituiti o i messaggi inviati all'operatore. A seconda della particolare applicazione, un web service può essere utilizzato per definire sia i limiti esatti che le reazioni corrispondenti in caso di superamento dei limiti. A medio termine dovrebbero essere possibili anche valutazioni statistiche come l'Overall Equipment Effectiveness (OEE), la capacità di processo (Cpk), il Mean Time Between Failure (MTBF), o sviluppi di tendenza come la deriva dei parametri o gradienti per i tassi di guasto.
schunk.com/itendo
schunk.com/egl
schunk.com/ft-axia
{{medias[133874].description}}
{{medias[133875].description}}
{{medias[133876].description}}