Case study: proces spawania karoserii
Identyfikacja przyczyn usterek powstających w procesie spawania

Identyfikacja przyczyn usterek powstających w procesie spawania

Cel
Określenie przyczyn wad powstających w procesie spawania dachu z pozostałymi elementami karoserii
Wskazanie zestawu parametrów, które są bezpośrednio lub pośrednio związane z występowaniem poszczególnych wad nadwozia
Rezultat
Identyfikacja zakresu poszczególnych warunków środowiskowych odnoszących się do występowania problemów jakościowych
Wyzwanie
Wyzwanie stanowiło znalezienie przyczyn powstawania wad podczas procesu spawania, określenie parametrów pracy, dla których wady stanowią mniej niż 10% wszystkich próbek oraz minimalizacja problemów jakościowych poprzez optymalizację procesu sterowania w zamkniętej pętli.
Jeśli wady stanowią zbyt duży ułamek wszystkich elementów, pojawiają się następujące problemy związane z: ręcznym usuwaniem wad, dodatkowymi zasobami ludzkimi, opóźnieniami w produkcji. Prawidłowo przeprowadzona analiza przyczyn nie tylko wyeliminuje problem, ale również zmniejszy liczbę defektów.
Rozwiązanie
Ze względu na występowanie wielu typów defektów, w pierwszym kroku analizy zdecydowano się na analizę dwóch typów. Zastosowano metodę grupowania, gdzie analizowanym parametrem jest częstotliwość występowania defektu w zależności od parametrów procesu. Taka informacja pozwoliła na oszacowanie optymalnych wartości poszczególnych parametrów w celu zminimalizowania liczby występujących awarii.
CASE 1 / analiza statystyczna danych
Przykład analizy statystycznej wyników analizowanych danych, na podstawie których udało się określić:

- Rodzaje defektów, które występują najczęściej. Następnie, dla najczęściej występujących usterek, przeprowadzić analizę opartą na grupowaniu.
- Określenie optymalnych parametrów pracy pozwalających na zminimalizowanie liczby defektów do zadanego poziomu
- Obszary występowania optymalnych parametrów rozruchu dla procesu, dla którego frakcja defektów jest na akceptowalnym poziomie
- Wyznaczone parametry zależały od temperatury otoczenia - przy zmianie pory roku zaobserwowano spadek defektów
- Interpretacja wyników wymaga dalszych konsultacji technicznych i kalibracji z innymi rodzajami defektów
KORZYŚCI
Na podstawie szczegółowej analizy postawionego problemu okazało się, że przyczyny defektu były bardzo złożone. Wyniki projektu pozwoliły na wskazanie niekompletnych informacji na temat zestawów parametrów/warunków, przy których częstość występowania wady jest znacząco niższa/wyższa od średniej w całej próbie. Wyniki pozwoliły na wyznaczenie optymalnego obszaru parametrów dla procesów poszczególnych maszyn, w których prawdopodobieństwo uszkodzenia spoiny było znikome. Taki dobór parametrów wyeliminował niską jakość spoin.
Szansa na całkowite uniknięcie problemów jakościowych w procesie spawania
Wyznaczenie optymalnego obszaru parametrów dla procesów poszczególnych maszyn, w których prawdopodobieństwo uszkodzenia spoiny było znikome
Wskazanie niekompletnych informacji na temat zestawów parametrów/warunków
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
  • Branża motoryzacyjna
  • Maszyny CNC
  • Spawanie
Other
Case study: Wczesna detekcja awarii napędów robotów

Case study: Wczesna detekcja awarii napędów robotów

Dowiedź się jak rozwiązanie RSIMS pozwala na wczesne wykrycie awarii napędów robotów oraz redukcję kosztów przestojów i remontów urządzeń.

Czytaj case study
Case study: układnica magazynowa

Case study: układnica magazynowa

Dowiedz się, jak przebiegało wdrożenie rozwiązania PdM dla układnicy magazynowej, w magazynie wysokiego składowania w firmie M-Logistic.

Czytaj case study
Case study: detekcja awarii układnicy magazynowej

Case study: detekcja awarii układnicy magazynowej

Zobacz, jak wykryliśmy awarię układnicy magazynowej przy wykorzystaniu rozwiązania RSIMS. Case study układnicy magazynowej.

Czytaj case study