Optimierung des Schleifprozesses mit einer Maschinenklangüberwachungslösung

Die Neuron-Soundware-Technologie, die auf der Bewertung des Maschinenzustands anhand von Geräuschen mit Hilfe künstlicher Intelligenz und Algorithmen des maschinellen Lernens beruht, ist nicht nur zur Verhinderung von Produktionsausfällen, sondern auch zur Prozesskontrolle innerhalb der Produktion, beispielsweise zur Überprüfung der Materialqualität beim Schleifen, geeignet. Schauen wir uns einen aktuellen Anwendungsfall an.

Die Herausforderung: Die Optimierung des Schleifprozesses und Steigerung seiner Effizienz

Obwohl die Überwachung von Maschinenzuständen der häufigste Anwendungsbereich für die Neuron-Soundware-Technologie ist, können auch andere Bereiche leicht davon profitieren. In diesem Fall lag der Schwerpunkt auf der Bauxitvermahlung in einer Industriemühle.

Der Kunde, ein großes Chemieunternehmen, muss bei jeder produzierten Charge die gleiche Konsistenz des gemahlenen Bauxits erhalten. Zu diesem Zweck richtete der Kunde einen 18-stündigen Schleifzyklus ein. Warum 18 Stunden? Nach den Erfahrungen des Kunden ist dies die Zeit, die erforderlich ist, um unabhängig von der Qualität und Konsistenz des Ausgangsmaterials die gleiche Qualität des Produktionsergebnisses zu erreichen. Die Länge des Schleifzyklus soll sicherstellen, dass das Ergebnis immer den Mindestanforderungen entspricht. Da das Werk während des Produktionsprozesses geschlossen ist, hat der Kunde keine praktische Möglichkeit, vor Ort zu prüfen, ob das Material in einer kürzeren Zeit, z. B. 16 Stunden, fertig ist.

Die Situation: Die vorgegebene Länge des Schleifzyklus ist möglicherweise nicht optimal

In diesem Fall war die vorbestimmte Länge des Schleifzyklus eine sichere Sache. Aber war sie auch wirksam? Nicht ganz. Tests in der Praxis zeigten, dass 18 Stunden zwar immer das Erreichen der gewünschten Qualität bedeuteten, das Material aber sehr oft in nur 14-17 Stunden fertiggestellt wurde, was zu einer Prozessineffizienz von 5-22 % führte.

Die Lösung: IoT Überwachung des Produktionsprozesses

Neuron Soundware hat eine nGuard-Lösung auf der mit IoT-Sensoren ausgestatteten Maschine eingesetzt, die Audiodaten sammelt und verarbeitet. Die nicht-invasiven Sensoren werden an den Mühlenkomponenten (Lager, Trommel) installiert. Die gesammelten Daten werden von einem benutzerdefinierten KI-Modell mit einer Genauigkeit von über 95 % bei der Definition jedes Teils des Prozesszyklus, einschließlich der Bereitschaft des Endprodukts, ausgewertet.

Obwohl es in einer lauten Produktionsumgebung viele Variablen gibt, die die Messung und Bewertung von Geräuschen erschweren, hat das Neuron-Soundware-Team, das sich beim weltweiten DCASE-Wettbewerb in der Kategorie der KI-gestützten Erkennung von Abweichungen wiederholt unter den Top 5 platzieren konnte, gemeinsam mit dem Kunden ein hervorragendes Ergebnis erzielt.

Fazit: Die Prozessüberwachung mit Ton von Neuron Soundware kann die Produktionseffizienz um 11 % steigern

Die Umstellung von einem vordefinierten Zyklus auf einen Zyklus, der sich nach der Produktbereitschaft richtet, führt zu einer durchschnittlichen Einsparung von 1 bis 2 Stunden pro Produktionsauftrag und kann die Produktionseffizienz durch eine bessere Organisation des Produktionsflusses um 11 % steigern. Darüber hinaus spart der Kunde Energiekosten, verkürzt die Wartungsintervalle und verlängert die Lebensdauer der Maschine.

Neuron Soundware ist die einzige Lösung auf dem Markt, die die Qualität des Materials während des Schleifprozesses erkennen kann, was mit Standardmethoden nicht möglich ist. Die Interpretation des Materialklangs mit Hilfe eines Algorithmus der künstlichen Intelligenz hat sich als geeignetes Werkzeug für die Prozessüberwachung erwiesen, bei der die Qualität des Endprodukts das Hauptkriterium ist.a.

---

Teile diesen artikel