Zvyšování efektivity ve výrobě: Monitorování CNC strojů pomocí umělé inteligence od společnosti Neuron Soundware

V oblasti moderní výroby jsou stroje s číslicovým řízením (CNC stroje) nepostradatelnými nástroji. Udržování jejich výkonu však představuje značnou výzvu vzhledem k nevyhnutelnému opotřebení obráběcích hlavic. Pojďme prozkoumat, jak inovativní využití umělé inteligence a strojového učení společnosti Neuron Soundware výrazně zlepšilo monitorování CNC strojů a zahájilo novou éru efektivity a spolehlivosti.

Významný výrobce originálního vybavení (OEM) CNC strojů se potýkal s klesajícím výkonem, který byl způsoben opotřebením obráběcích komponent. Běžné monitorovací metody nedokázaly předvídat poruchy a zajistit optimální výkon. Společnost Neuron Soundware řešila tuto výzvu přímo pomocí průlomové technologie, které je založené na umělé inteligenci a strojovém učení. Řešení společnosti Neuron Soundware využívá odborné znalosti v oblasti analýzy zvuku a zpracování signálu a nejenže identifikuje potenciální problémy obráběcích strojů, ale také poskytuje informace o povaze a závažnosti problému.

Náš přístup zahrnoval různé metody a algoritmy, se zaměřením především na hluboké učení pro klasifikaci v kombinaci s regresní analýzou. Tato metoda usnadnila vytvoření spolehlivého systému včasného varování v reálném čase, který účinně odhaluje odchylky v opotřebení obráběcích hlavic.

Společnost Neuron Soundware provedla analýzu zahrnující různé typy nástrojů, přičemž zjistila, že soubor dat má určité nevyváženosti a omezené vzorky pro některé nástroje. Vyvinuli jsme různé modely pro konkrétní úlohy, přičemž nejlepší model pro detekci anomálií dosáhl přesnosti velmi blízké 80% při identifikaci neočekávaných dat. V klasifikačních úlohách, které zahrnovaly rozlišení mezi vzorky OK (přijatelné) a NOK (nepřijatelné), dosáhl systém pomocí rozhodovacích stromů a technik hlubokého učení přesnosti přes 95%. V regresních úlohách zaměřených na určení počtu zubů nástrojů dosáhl nejlepší model působivé přesnosti více než 95%. 

Řešení zahrnovalo nasazení námi vyvinutého algoritmu v online panelu a jeho ověření v reálných podmínkách za použití edgové infrastruktury a serverů Neuron Soundware.

První testy odhalily působivou přesnost přesahující 95%, což znamená podstatné zlepšení efektivity výroby. Tato úroveň přesnosti zůstala konzistentní napříč různými modely, zahrnujícími detekci anomálií, klasifikaci rozhodovacích stromů, hluboké učení a regresní neuronové sítě. Systém si udržel minimální poměr falešných výstrah menší než 7% a nezaznamenaných poruch výrazně pod 2%, což zajišťuje spolehlivou detekci opotřebení nástroje, aniž by uživatele zahlcoval falešně pozitivními výsledky. S postupným vývojem modelů se očekávají ještě lepší výsledky.

Přestože bylo dosaženo působivé míry přesnosti, je třeba poznamenat, že průmyslové standardy a normy pro monitorování CNC strojů v nárocích na přesnost se liší. Například typické průmyslové standardy pro přesnost klasifikace u podobných systémů monitorování strojů se často pohybují v rozmezí 85% až 90%. Modely Neuron Soundware již dosahují přesnosti vyšší než 95% v klasifikačních úlohách a přesnosti přes 95% v regresních úlohách, což svědčí o výrazném zlepšení oproti těmto referenčním hodnotám. Implementace řešení přinesla významné provozní výhody, včetně nulového odpadu, výrazného poklesu časových ztrát, snížení provozních nákladů, zvýšení produktivity a ziskovosti.

Inovativní řešení společnosti Neuron Soundware podtrhuje transformační potenciál umělé inteligence a strojového učení v průmyslovém prostředí. Revoluční změnou v monitorování CNC strojů společnost nejen zvyšuje efektivitu a snižuje náklady, ale také pokládá základy pro pokročilejší výrobní procesy založené na datech.