Case study: analiza danych z procesu obróbki wałów korbowych
Analiza danych z procesu obróbki wałów korbowych

Analiza danych z procesu obróbki wałów korbowych

Cel
Znalezienie źródłowej przyczyny różnic w żywotności narzędzia skrawającego
Ograniczenie ilości wymian i przedłużenie żywotności płytek skrawających podczas obróbki powierzchni bazowej w bloku silnika
Rezultat
Wczesna detekcja zmian w sygnałach świadczących o postępujących zużyciu narzędzia skrawającego
Opracowanie wstępnych modeli analitycznych przygotowanych do wdrożenia monitorowania procesu online
Korzyści płynące z analizy danych systemem RSIMS
Identyfikacja przyczyn przyspieszonego zużycia narzędzia skrawającego
Ograniczenie przestojów związanych z awaryjnymi wymianami narzędzia
Ograniczenie problemów jakościowych obrabianego elementu w okresie bezpośrednio przed uszkodzeniem narzędzia
Wyzwanie analizy danych narzędzi skrawających
Określenie przyczyny różnic w żywotności narzędzi skrawających. Obecnie obserwowana żywotność płytek jest zauważalnie niższa od zakładanej (waha się w zakresie 1000-1500 cykli przy zakładanym limicie 2000 cykli).

Wymagało to przetworzenia dużego zbioru danych obejmującego dziesiątki tysięcy przebiegu z pojedynczych cykli rejestrowanych z precyzją do 1 ms, włącznie z wyodrębnianiem z nich konkretnej operacji w określonym interwale czasu, którego początek i koniec określają wartości rejestrowanych parametrów.
Rozwiązanie
Opracowane rozwiązania składało się z kilku kluczowych etapów. Na początku skupiliśmy się na opracowaniu jednolitego sposobu przetwarzania plików. Kolejnym krokiem była szczegółowa analiza statystyczna sygnałów, obejmująca analizę danych w długim horyzoncie czasowym, opracowanie odpowiednich transformat do przekształcania surowych sygnałów oraz ekstrakcję poszczególnych cech, które mogłyby pomóc w identyfikacji przyczyn degradacji narzędzia tnącego. Ostatnim elementem naszej pracy było zbudowanie wysoko-wymiarowego modelu, który miał za zadanie oszacować stopień degradacji narzędzia tnącego.
CASE STUDY – Założenia i opracowanie rozwiązania
Opracowanie rozwiązania obejmowało:
- przetworzenie surowych danych procesowych w długim horyzoncie czasowym,
- identyfikację trendu przyrostu momentu w czasie pracy narzędzia skrawającego ,
- identyfikację trendu interwałów czasu (przerw w działaniu urządzenia), po których następował stosunkowo szybki przyrost wartości momentów - mierzonych na wrzecionie narzędzia skrawającego.

Poza analizą statystyczną i opracowaniem transformat surowych sygnałów, opracowano wielowymiarowy model predykcyjny. Model ten uwzględnia zależności między wszystkimi monitorowanymi parametrami procesu co pozwoliło na:
- Wcześniejszą i pewną detekcję pogarszającego się stanu narzędzia skrawającego, co umożliwia szybszą reakcję zespołu utrzymania ruchu, planowanie wymiany narzędzia a przez to zapobieganie kosztownym problemom jakościowym obrabianego elementu.
- Wykrycie interwałów w czasie kiedy stan narzędzia skrawającego odzwierciedlony poprzez gwałtowny przyrost momentu pozwala na wstępną identyfikację przyczyn związanych z prawdopodobnym złym oddziaływaniem zmian temperatury narzędzia na jego żywotność.
O firmie
ReliaSol jest spółką, powstałą w odpowiedzi na rosnącą potrzebę zwiększania wydajności maszyn i instalacji w przemyśle.
Dostarczamy oprogramowanie i usługi, które przyspieszają proces transformacji cyfrowej. Aplikacje, które tworzymy łączą dane rzeczywiste z maszyn, sensorów, raportów ze zdarzeń oraz automatyzują wyciąganie wniosków. Efektem ich pracy jest wizualizacja danych, przewidywanie zdarzeń i monitorowanie optymalnego zakresu pracy maszyn, a także całych linii produkcyjnych.
Skontaktuj się z nami
Chętnie odpowiemy na Twoje pytania
Reliability Solutions Sp. z o. o.
ul. Królewska 57, 30-081 Kraków, Polska
icon phone+48 12 394 11 2 icon mailbiuro@reliasol.ai
Piotr Lipnicki
Chief Executive Officer
icon phone+48 605 241 056 icon mailpiotr.lipnicki@reliasol.ai
Dariusz Broda
Head of Engineering
icon phone+48 517 688 108 icon maildariusz.broda@reliasol.ai
Reliability Solutions Sp. z o. o.
ul. Królewska 57, 30-081 Kraków, Polska
+48 12 394 11 2 biuro@reliasol.ai
  • Automotive
  • Branża motoryzacyjna
  • Maszyny CNC
  • Wały korbowe
Other
<strong>Volkswagen Motor Polska – detekcja awarii osprzętu pneumatycznego robotów </strong>(aktualizacja case study)

Volkswagen Motor Polska – detekcja awarii osprzętu pneumatycznego robotów (aktualizacja case study)

CZYTAJ CASE STUDY
Grupa Azoty – opracowanie modelu optymalizacji

Grupa Azoty – opracowanie modelu optymalizacji

Zobacz, jak opracowaliśmy model optymalizacji instalacji reformingu w oparciu o głębokie sieci neuronowe w Grupa Azoty Tarnów.

CZYTAJ CASE STUDY
Case study: analiza powtarzających się problemów z bateriami pojazdów

Case study: analiza powtarzających się problemów z bateriami pojazdów

Dowiedz się, jak poznać przyczynę powtarzających się problemów z bateriami pojazdów.

CZYTAJ CASE STUDY