Optimalizace procesu mletí s využitím řešení monitoringu kondice strojů a umělé inteligence

Technologie Neuron soundware, založená na vyhodnocování kondice stroje podle jeho zvuků pomocí algoritmů umělé inteligence a strojového učení, je použitelná nejen pro prevenci prostojů ve výrobě, ale také pro řízení procesů v rámci výroby, jako je ověřování kvality materiálu v procesu mletí. Pojďme se podívat na nedávný případ využití.

Výzva: optimalizace procesu mletí a zvyšení jeho efektivity

Zatímco monitoring zdraví strojů je hlavní oblastí využití technologie Neuron soundware, mohou z ní snadno těžit i jiné oblasti. V tomto případě optimalizace procesu mletí bauxitu v průmyslovém mlýně.

Náš zákazník, významná chemická společnost, musí dodat stejnou konzistenci mletého bauxitu z každé výrobní šarže. K dosažení tohoto cíle zákazník nasadil 18ti hodinový brusný cyklus. Proč o délce 18 hodin? Zkušenost zákazníka je taková, že je to potřebný čas, bez ohledu na kvalitu a konzistenci vstupního materiálu, aby bylo dosaženo stejné kvality výrobního výstupu. Pevně stanovená délka brusného cyklu má zajistit, že výsledek bude vždy stejný. Protože je mlýn během cyklu uzavřen, zákazník neměl praktickou šanci ověřit na místě, zda je materiál již připraven v kratším období, řekněme za 16 hodin.

Situace: předem stanovená délka mlecího cyklu nemusí být optimální

Pevně stanovená délka cyklu mletí v tomto případě znamenala sázku na jistotu. Je to však také sázka na efektivitu? Ne tak docela. Nasazení technologie Neuron soundware ukázalo, že zatímco 18 hodin vždy znamenalo dosažení požadované kvality, velmi často byl materiál připraven za 14-17 hodin, což vedlo k neefektivitě procesu ve výši 5% až 22%.

Řešení: Vzdálené monitorování stroje s využitím IoT technologie a umělé inteligence

Neuron soundware nasadil řešení nGuard vybavené senzory, které sbírají zvuková data ze stroje. Shromážděná data byla zpracována prostřednictvím přizpůsobeného modelu umělé inteligence, který poskytuje přesnost 95% + při definování každé části procesního cyklu včetně finální připravenosti produktu.

I když v hlučném prostředí výroby působí mnoho proměnných, které komplikují měření a hodnocení zvuku, tým Neuron soundware, který se opakovaně umístil v TOP 5 AI v globální soutěži DCASE v oblasti detekce anomálií, dosáhl společně se zákazníkem vynikajícího výsledku.

Závěr: Monitorování procesu řešením od Neuron soundware může zvýšit efektivitu výroby o 11 %

Přechod z pevně definovaného cyklu na cyklus řízený hotovým výrobkem vede k průměrné úspoře 2 hodin na výrobní šarži a ke zvýšení efektivity výroby o 11 % lepší organizací toku produktů. Kromě toho zákazník ušetří náklady na energii, zkrátí servisní intervaly a prodlouží životnost strojů. Díky řešení Neuron soundware má tým údržby informace o stavu stroje a nastavení materiálu online a může na přehledných dashboardech zkontrolovat stav stroje z libovolného zařízení. Pokud se stav stroje zhorší, tým údržby je okamžitě varován.

Řešení Neuron soundware je jediným řešením na trhu, které dokáže zjistit kvalitu materiálu během procesu mletí. Interpretace zvuku materiálu pomocí algoritmu umělé inteligence se osvědčila jako správný nástroj pro monitorování procesu, kde je hlavním kritériem kvalita konečného výrobku.

---

Sdílet článek