​
Case study: Wykrywanie wykroczeń poza optymalne warunki pracy w młynach spożywczych
  1. Home
  2. /
  3. Case Studies
    4. /
  4. Case study: Wykrywanie wykroczeń poza optymalne warunki pracy w młynach spożywczych

Case study: Wykrywanie wykroczeń poza optymalne warunki pracy w młynach spożywczych

Cel
Opracowanie metodologii określania zakresu prawidłowej temperatury pracy urządzenia w zależności od aktualnego punktu pracy
Rezultaty
Szeroka analiza potencjalnych przyczyn oraz wykrycie wielu rodzajów
anomalii
Opracowanie systemu detekcji temperatur poza zakresem optymalnej
pracy wraz ze wskazaniem potencjalnych przyczyn (preskrypcja)
Wyzwanie
Przedmiot projektu stanowiły 4- i 8-rolkowe młyny spożywcze. Do głównych zadań należało stworzenie metodologii dynamicznego wyznaczania optymalnego zakresu temperaturowego pracy rolek młyna dla danych warunków pracy oraz metod wykrywania ich przekroczenia.
Rozwiązanie
Na podstawie dostarczonych danych historycznych oraz wiedzy eksperckiej przeanalizowano szeroki zakres czynników mających wpływ na warunki produkcji oraz zachowanie młynów spożywczych. Wśród głównych czynników zidentyfikowano między innymi temperatury panujące aktualnie na hali produkcyjnej, aktualny przepis mielonego produktu oraz ustawienia młyna wprowadzane przez operatora. Dla każdego ze zidentyfikowanych czynników wyznaczono jego wpływ na zmianę optymalnego zakresu temperatur względem uśrednionego optymalnego zakresu oraz czas tranzycji wymagany do ustabilizowania się pracy w nowych warunkach. Na podstawie tak skonstruowanej metodologii zbudowano system automatycznie analizujący aktualne temperatury i wykrywający odstępstwa. W przypadku wykrycia niepożądanej sytuacji system automatycznie analizował potencjalne przyczyny na podstawie wcześniejszych analiz.
CASE 1: Analiza przykładowych zgłoszeń z systemu
W toku analizy danych historycznych system wykrył oraz poprawnie zidentyfikował wystąpienie różnych sytuacji niepożądanych na różnych młynach z analizowanej lokacji.

Poniżej zaznaczono przykładowe sytuacje wykryte przez system na jednym z młynów wraz ze wskazaniem przez system potencjalnych czynników mogących stać za wystąpieniem tej sytuacji jako informacja ułatwiająca operatorowi podjęcie odpowiednich działań.
Korzyści
Realizując postawione warunki i wyzwania opracowano system automatycznie analizujący aktualne temperatury i wykrywający odstępstwa. W przypadku wykrycia niepożądanej sytuacji system automatycznie analizował potencjalne przyczyny na podstawie wcześniejszych analiz oraz wzbogacał powiadomienie wysyłane do operatora o potencjalne przyczyny zgłoszenia. Do pozostałych korzyści wynikających z realizacji projektu zaliczyć możemy:
Rozwiązanie umożliwiające wykrycie problemów związanych z temperaturą
Możliwość monitorowania stanu urządzeń w czasie rzeczywistym i poznania źródła przyczyny występującej anomalii
Wsparcie operatorów maszyn w reagowaniu poprzez wskazanie potencjalnych przyczyn
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
  • Produkcja żywności
  • Przetwarzanie żywności
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