Optimierung des Schleifprozesses mit einer Lösung zur Überwachung von Maschinengeräuschen

Von Pavel Konečný, CEO & Mitbegründer von Neuron Soundware

Die Neuron Soundware-Technologie, die auf der Bewertung des Zustands der Maschine anhand ihrer Geräusche mit Hilfe von KI und Algorithmen des maschinellen Lernens basiert, ist nicht nur zur Vermeidung von Produktionsausfällen, sondern auch zur Prozesskontrolle innerhalb von Produktionsprozessen, wie z. B. zur Überprüfung der Qualität des Materials im Schleifprozess, geeignet. Lassen Sie uns in einen aktuellen Anwendungsfall eintauchen.

Die Herausforderung: Optimierung des Schleifprozesses und Steigerung seiner Effizienz

Während die Zustandsüberwachung ein natürlicher Bereich ist, in dem die Neuron Soundware-Technologie zum Einsatz kommt, können auch andere Bereiche leicht davon profitieren. In diesem Fall war das Mahlen von Bauxit in einer industriellen Mühle das Thema von Interesse.

Der Kunde, ein großes Chemieunternehmen, muss bei jeder hergestellten Charge die gleiche Konsistenz des gemahlenen Bauxits liefern. Um dies zu erreichen, hat der Kunde einen 18-stündigen Mahlzyklus eingeführt. Warum 18 Stunden? Der Kunde hat die Erfahrung gemacht, dass diese Zeit unabhängig von der Qualität und der Konsistenz des Eingangsmaterials benötigt wird, um die gleiche Qualität des Produktionsergebnisses zu erreichen. Die Länge des Mahlzyklus stellt daher sicher, dass das Ergebnis stets die Mindestanforderungen erfüllt. Da die Mühle während des Zyklus geschlossen ist, hatte der Kunde keine praktische Möglichkeit, vor Ort zu überprüfen, ob das Material bereits nach einem kürzeren Zeitraum, sagen wir 16 Stunden, fertig ist.

Die Situation: Die vorgegebene Schleifzykluslänge ist möglicherweise nicht optimal

Definitionsgemäß bedeutete der feste Schleifzyklus in diesem Fall, auf Nummer sicher zu gehen. Aber hat er auch effektiv gespielt? Nicht wirklich. Die Praxistests haben bewiesen und gezeigt, dass 18 Stunden zwar immer das Erreichen der gewünschten Qualität bedeuteten, das Material aber sehr oft in 14-17 Stunden fertig war, was zu einer Prozessineffizienz von 5% bis 22% führte.

Die Lösung: IoT-Lösung zur Prozessüberwachung

Neuron Soundware setzte eine mit IoT-Sensoren ausgestattete nGuard-Lösung ein, um die Mühle zu überwachen und die Daten zu verarbeiten. Die nicht-invasiven Sensoren sind an Mühlenkomponenten (Lager, Trommel) installiert. Die gesammelten Daten wurden von einem maßgeschneiderten Modell mit künstlicher Intelligenz ausgewertet, um eine hohe 95%+ Genauigkeit bei der Definition jedes Teils des Prozesszyklus einschließlich der endgültigen Produktreife zu erreichen.

Während es in der lauten Produktionsumgebung viele Variablen gibt, die die Schallmessung und -bewertung erschweren, hat das Neuron Soundware-Team, das wiederholt am globalen Top-5-Wettbewerb zur Erkennung von KI-Anomalien - DCASE - teilgenommen hat, zusammen mit dem Kunden ein hervorragendes Ergebnis erzielt.

nGuard-Dashboard mit Anzeige der möglichen Einsparungen

Schlussfolgerung: Neuron Soundware Prozessüberwachung kann die Produktionseffizienz um 11% steigern

Der Übergang von einem definierten Zyklus zu einem produktgesteuerten Zyklus hat folgende Auswirkungen eine durchschnittliche Einsparung von 1 bis 2 Stunden pro Produktionslos und können Steigerung der Produktionseffizienz um 11% durch eine bessere Organisation des Produktflusses. Außerdem spart der Kunde Energiekosten, reduziert die Wartungsintervalle und verlängert die Lebensdauer der Maschine.

Die Neuron Soundware-Lösung 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 der Materialgeräusche mittels KI-Algorithmus hat sich als das richtige Werkzeug für die Prozessüberwachung erwiesen, bei der die Qualität des Endprodukts das Hauptkriterium ist.