AI价值落地,展湾智慧通助力工程机械巨头提升核心竞争力

2019-09-16

本期导读:中国制造业在过去二十多年经历飞速发展,自动化产线的引入,机器人的协同工作,让生产制造管理水平、生产效率和生产工艺都有质的飞跃。在新的市场环境下,中国制造型企业将如何进一步提升核心竞争力?


新一代信息技术和制造业深度融合推动智能制造发展,制造业逐步开始部署工业互联网,通过数据采集分析来提高设备和生产环节效率,改进生产工艺,提高产品质量,从而不断提升其核心竞争力。

如果说工厂自动化是制造业迈向数字化的第一步,工业互联网则是制造业数字化升级的大数据应用基础,人工智能技术在工业互联网平台上的应用,使得设备生产数据的潜在价值得以释放——通过大数据挖掘分析,机器学习和深度学习,生成人工智能算法应用模版,释放生产制造过程的潜能,显著提升效率和质量,有效降低成本。


然而,制造型企业在数字化升级的过程中却面临着几大挑战:

01

首先, 智能工厂设备联网建设周期过长。工厂普遍拥有种类繁多的设备和通讯协议,设备接入需要多厂家的网关,但仍然无法保证设备顺利接入。缺少工厂设备数据就缺失了最重要的数字工厂的内容。

02

其次,实现了设备联网的工厂还面临着数据采集和分析能力不足的挑战。传统SCADA主要提供数据监控,却无法满足增效提质的数据采集和分析需求。

03

已经实现设备联网和高频海量数据采集的企业,由于缺乏专门的数据科学家,而无法对设备采集上来的数据进行处理建模,数据价值难以兑现。


针对制造业所面临的挑战,展湾科技耗时5年自主研发了人工智能化的工业互联网平台——展湾智慧通®,帮助制造业实现数字化升级,进一步提升核心竞争力。

展湾智慧通®基于工业互联网的架构设计,由边缘计算网关,数据分析平台和场景化算法应用三部分组成,能够快速响应客户对质量缺陷预测(PDQ)和设备效率(OEE)提升的要求,为工程机械、汽车零部件、汽车整车制造等行业数百家企业提供设备联网、数据采集分析、智能场景化应用提供整体的解决方案。


举例来说,国内工程机械行业某龙头企业近期部署的工业互联网项目仅用了5个月时间就实现数百台设备的连接和数千个数据项监测,还部署了十多个个人工智能场景化应用为生产质量提供检测和工艺优化的服务。

该项目采用展湾智慧通®人工智能互联网平台,从设备接入、数据采集分析到到可视化方案、领先的AI场景化应用,从设备管理、信息管理和生产管理三个方面带来根本性改进。

试运行后,该企业反馈,以单条产线计算,OEE平均提高5%,故障停机时间降低10%,质量缺陷减少5%。与MES系统对接后,实现联网设备实现100%自动报工。

该项目部署了内置数百种通讯协议的三种边缘计算网关,对工厂内PLC设备、变频器设备、数控机床设备及工业机器人实现快速、全覆盖采集,完成数百台设备接入和数据采集部署。考虑到工厂网络环境可能不稳定的场景,这些网关设备还支持网关数据缓存和断点续传,确保设备数据采集不中断。

数据分析平台是一套基于大数据平台的数据分析和算法管理系统,不仅拥有强大的设备接入监控能力,更具为工厂输出决策数据的能力。

设备采集上来的参数通过数据分析平台的清洗、存储和分析后展现在秒级刷新的看板系统中,看板系统与MES及EPR系统数据对接,支持自动化产线数据接入平台配置,实现机床和机器人全生命周期程序管理。企业用户只需要登录页面,即可掌握当前生产情况、数据峰谷值及优化效率等数据。

除了看板系统,该企业还在对多个焊接、机加工工段部署展湾智慧通®独有的AI场景化应用,做到实时预测设备故障、工件质量缺陷。操作人员只需选择对应的算法包,即可生成各种应用模型并下发至设备,比如机加工场景算法,包含焊接缺陷预测、机床刀具故障和寿命预测、告警知识库、设备预测性维修等。


image.png


展湾算法模型


以焊接中最常见偏焊问题为例。焊接中经常会出现寻位误差造成的焊缝纠正偏差或者电弧追踪故障造成的追踪轨迹偏差。

通过展湾边缘计算网关采集工业机器人操作数据,实时监测焊缝轨迹,建立起基于神经网络的深度学习模型。根据参数配置,对算法模型进行训练,生成应用模型下发至展湾边缘计算网关进行实时监测,当出现超出置信区间的异常点时,即时发出偏焊预测告警。


image.png


偏焊轨迹监测


本案例中焊接工段采用了展湾焊接轨迹监测算法应用后,对铲斗上长约3米的主刀板关键焊缝进行焊接过程的焊接轨迹监测,目前已实现2mm以内焊接偏离的实时报警,刀板焊偏控制在5%以内(基本可控制在0%)。

与传统的质检或费用高昂的视觉传感监测方式相比,展湾AI场景化算法应用能够实时监测,事前或事中发现问题并预警,以可控成本换取大幅质效提升。

整个制造业想要获得核心竞争力提升,搭上人工智能工业互联网的高速增长列车势必成为企业持续投入的方向。AI技术带给制造业的不是革命性的颠覆,而是对于未知领域的挖掘——挖掘数据价值,为生产制造赋能。



更多资讯,敬请扫码关注:

image.png