Innenfor forbrukerproduktemballasjeautomatisering står automatiske kartoneringsmaskiner, som viktig utstyr på slutten av produksjonslinjen, for tiden over to viktige motsetninger: på den ene siden, på grunn av de raske endringene i etterspørselen, blir også ordre mer og mer spredt, og hvilke typer produktspesifikasjoner som må pakkes, øker også skarpt. For eksempel hadde et farmasøytisk selskap opprinnelig bare 5 typer emballasjekasser, men trenger nå å håndtere 32 forskjellige spesifikasjoner, noe som resulterte i en økning på mer enn fem ganger i arbeidsmengden med utstyrsovergang og justering; På den annen side er ikke utstyrets driftseffektivitet opp til forventningene, og den generelle effektiviteten til tradisjonelle modeller er vanligvis bare 65% til 75%, hvorav uventede driftsstans kan utgjøre omtrent 20% av den totale arbeidstiden, noe som har en direkte innvirkning på produksjonskostnadene. I følge statistikk fra matselskaper vil hver times driftsstans føre til et tap på rundt 10, 000 yuan, og hver 1 prosentpoeng økning i produktdefektrate vil redusere årlig fortjeneste med nesten 10%.
Som svar på disse smertepunktene, må optimalisering av utstyrsoptimalisering oppnå en systematisk forbedring i tre viktige indikatorer: For det første må den effektive utnyttelsesgraden for utstyr økes til mer enn 95%, og uplanlagt driftsstans må kontrolleres innen 5%; For det andre må operasjonens glatthet eliminere hastighetstap som tomgangstransportbånd eller ubrukelig arbeid med robotarmer; Endelig må produktets samsvarsrate reduseres fra den opprinnelige 3%-5%til mindre enn 0. 5%. Hele forbedringsrammen kan forstås som en lukket sløyfe på tre lenker: å etablere en forhåndsvedlikeholdsmekanisme for å redusere sannsynligheten for feil, deretter justere parametere i sanntid for å matche nåværende arbeidsforhold, og til slutt kombinere personelloperasjoner for å forkorte responstiden for nødhjelp. Kort sagt er det nødvendig å forhindre problemer, tilpasse seg dynamisk og samarbeide mellom mennesker og maskiner.
2. Forbedring av mekanisk struktur: Forbedring av driftsstabilitet og hastighet
Fra det faktiske applikasjonsscenariet er det åpenbare tap i overføringssystemet til mange enheter under drift. For eksempel er det et gap mellom girene, så feilområdet som genereres under overføringsprosessen handler om {{0}}. 2 til 0,5 mm. Et annet eksempel er problemet med slipping av belte, som ofte forårsaker hastighetssvingninger på mer enn 5%. Når det gjelder modulær design, krever hver endring av den tradisjonelle mekaniske strukturen 6 til 8 timers feilsøking. En så lang forberedelsestid vil føre til at utstyrskapasiteten ikke blir brukt fullt ut.
I valg av forbedringsplaner er materialoppgradering et mer direkte gjennombrudd. For eksempel, etter at en daglig kjemisk fabrikk erstattet materialet i transmisjonsakselen med aluminiumslegering, ble vekten redusert med omtrent 4 0% sammenlignet med originalen, og responshastigheten ble økt med et kvarter. Nå er det også selskaper som prøver å bruke karbonfiberkomposittmaterialer for robotarmskjøter, og den grepende nøyaktigheten kan kontrolleres innenfor området ± 0. 1 mm. Når det gjelder dynamisk belastningsjustering, er løsningen av servomotor med elastisk kobling relativt typisk. Enkelt sagt overvåkes lasttilstanden når som helst gjennom dreiemomentsensoren, og utgangseffekten justeres dynamisk, slik at påvirkningskraften kan reduseres med 6 0%. Etter en fabrikk som lager elektroniske produkter som ble brukt magnetiske lagre, ble vibrasjonsverdien til utstyret med høy hastighet redusert fra 0,8 mm per sekund til 0,2 mm per sekund.
For situasjoner der det er nødvendig med hyppige modellendringer, er standardisert grensesnittdesign en gjennomførbar idé. Gjennom pneumatiske hurtigkoblingskontakter og forhåndstilkoblede elektriske moduler, kan modellendringstiden komprimeres til mindre enn to timer. Nå vil noen selskaper først bygge en virtuell modell i datamaskinen for å feilsøke parametere, og deretter direkte importere konfigurasjonsparametrene til den virkelige maskinen for bruk. Det er et tilfelle av et farmasøytisk selskap som kan brukes som referanse. De erstattet den tradisjonelle girkassen med en Servo Motor Direct Drive -metode, og eliminerer den mellomliggende transmisjonslenken. Som et resultat økte lasthastigheten fra boksen fra 120 bokser per minutt til 156 bokser, og antallet girkassefeil gikk ned fra 18 ganger per år til 3 ganger.
3. Optimalisering av bokselastingsprosessen: Reduksjon av materialblokkering og feil i boksen syltetøy
Når man analyserte spesifikke problemer, ble det funnet at den mer vanlige situasjonen er at det er feil i utformingen av den materielle overføringsveien. For eksempel, hvis for eksempel svingradiusen til emballasjekassen er for liten (for eksempel mindre enn 3 ganger lengden på materialet), vil muligheten for fastkjøring øke betydelig. En annen ting å ta hensyn til er vinkelkontrollen av foldingsprosessen. Når avviket overstiger omtrent 2 grader, vil det i utgangspunktet føre til problemet med løs forsegling.
For disse situasjonene kan ideen om segmentert prosessering tas i bruk: For det første er en bufferstruktur installert i transportbåndområdet. For eksempel er en segmentert transportbånddesign adoptert av en snack -fabrikk, hver transportbåndseksjon utstyrt med en uavhengig motorisk stasjon. Denne løsningen kan redusere sannsynligheten for materialakkumulering til under 2%. Det andre er forbedring av kvalitetsinspeksjonskoblingen, for eksempel å bruke et kamera for å oppdage med en pneumatisk enhet. Når papirboksen blir funnet å være deformert, blir den umiddelbart blåst ut med en nøyaktighet på mer enn 99%.
Når det gjelder parameterjustering, er det nødvendig å ta hensyn til koordinasjonen mellom utstyr, for eksempel hastighetskoordineringsløsningen, det vil si at overføringshastigheten automatisk justeres gjennom PLC -kontrollsystemet for å sikre at tidsforskjellen mellom papirboksen som utspiller seg og materialet skyver ikke overstiger 0. 1 sekunder. Det er også en automatisk korreksjonsfunksjon for foldingsvinkelen, som justeres i sanntid i henhold til trykksensormataene, slik at den kvalifiserte hastigheten kan økes fra omtrent 90% til nesten 99%.
I den faktiske applikasjonen fant en meierifabrikk at etter å ha optimalisert buen på overføringsbanen og installert et kvalitetsinspeksjonssystem som overvåker skjermen, ble kortboksen feil redusert med mer enn 80%, og produksjonseffektiviteten ble økt med omtrent en fem
4. Parameterpresisjonsjustering: Fra erfaringsdrevet til datadrevet
For det første må vi finne ut hvilke parametere som er spesielt kritiske. For eksempel er parameteren for Conveyor Belt løpshastighet. Eksperimentelle data viser at når hastigheten svinger med mer enn 5%, vil sannsynligheten for materialavvik tredobles. Et annet eksempel er styrken til robotarmen til å ta tak i ting. Hvis styrkefeilen overstiger 10%, kan det hende at den ikke kan ta tak i pakken, eller tvert imot, det kan trykke merker på overflaten av produktet.
Når det gjelder feilsøkingsmetoder, kan de mer effektive deles inn i to kategorier. Den første kategorien er å bruke eksperimentell designmetode, for eksempel å bruke L9, en tre-nivå fire-faktor ortogonal tabell, for å lage permutasjoner og kombinasjoner, og ordne de forskjellige girene til parametere som transportbåndshastighet og robotarmstyrke. En elektronikkfabrikk fant den optimale parameterkombinasjonen gjennom denne metoden, for eksempel den beste effekten når transportbåndet er justert til 1,2 m\/s og robotarmstyrken styres til 15 Newtons. Fordelen med denne metoden er at den kan komprimere feilsøkingssyklusen som opprinnelig krevde en måned til omtrent en uke.
Den andre typen sanntids kontrollmetode er hovedsakelig avhengig av sensorer og algoritmer. For eksempel ved å installere en trykksensor på den mekaniske klo og kombinere den med PID -kontrollalgoritmen, reduserte et farmasøytisk selskap kraftsvingningen fra den opprinnelige 3 Newton -feilen til 0. 5 Newton. Et annet eksempel er å bruke et visuelt system som en guide og kombinere bildegjenkjenningsteknologi for å dynamisk korrigere avviket. I faktiske tester ble det funnet at posisjonsnøyaktigheten kan nå pluss eller minus 0. 3 mm.
Nå har mange selskaper begynt å bruke virtuelle simuleringsplattformer for å hjelpe til med feilsøking. Enkelt sagt er det å bygge en virtuell fabrikk i datamaskinen og observere endringene i produksjonseffektiviteten ved å endre parametere. Et produksjonsselskap brukte denne metoden for å redusere feilsøkingstid med 60%, og de relaterte verifiseringskostnadene ble også kuttet med nesten halvparten. Det som er spesielt interessant er at denne digitale modellen også kan simulere noen ekstreme parameterkombinasjoner som ikke er våget å bli prøvd tilfeldig i virkeligheten, og gi ingeniører flere muligheter.
V. Forebyggende vedlikehold: Fra passivt vedlikehold til aktiv helsestyring
1. Tradisjonelle smertepunkter for vedlikehold
· Overdreven vedlikehold er vanlig: For eksempel må noen fabrikker gjøre regelmessig vedlikehold hver måned, noe som resulterer i at omtrent 30% av lagrene blir erstattet før levetiden deres har gått ut. Dette kan forårsake mer enn 500, 000 yuan i avfall hvert år;
· Plutselige feil forårsaket av tapte inspeksjoner: I henhold til statistikk er omtrent 60% av utstyrssvikt faktisk forårsaket av tidlig slitasje som ikke ble oppdaget i tide. Dette er som en lege som ikke ser de tidlige tegnene på lesjoner på røntgenbilder, og når pasienten viser symptomer, har den beste tiden for behandling ofte blitt savnet.
2. Oppgradering av vedlikeholdssystemer
· Når det gjelder tilstandsovervåkingsteknologi: Vibrasjonssensorer brukes nå hovedsakelig i forbindelse med spektrumanalyseteknologi (det vil si FFT -analyse). For eksempel brukte et daglig kjemisk selskap denne metoden for å oppdage de unormale slitasjeegenskapene til girkassen to uker i forveien; Det er også metoder som infrarød termisk avbildning. Når motoren er overbelastet, ledsages den vanligvis av en unormal temperaturøkning på 8-12 grad, og systemet vil automatisk utløse en vedlikeholdsalarm.
· Om tilstandsbasert vedlikehold (CBM): Mange selskaper bygger nå helseindeksmodeller, som kan integrere mer enn ti parametere som vibrasjonsdata, temperaturendringer, nåværende svingninger, etc., og dynamisk beregne hvilket utstyr som trenger prioritert vedlikehold. Samtidig vil det også være koblet til reservedelselagersystemet. I henhold til prediksjonsresultatene kan nøkkeldeler for eksempel utarbeides tre dager i forveien, slik at effektiviteten til reservedeler varelager økes med omtrent 40%.
Personal Empowerment: Fra operatører til effektivitetsforbedringspartnere
1. Analyse av gjeldende status for personellegenskaper
· Ferdighets mangel: For tiden holder operatørene hovedsakelig på det grunnleggende driftsnivået som utstyrsstart og stopp, for eksempel har de ikke en dyp forståelse av driftslogikken bak parametrene;
· Responsmekanisme: Når de møter unormale situasjoner, må de ofte vente på at ingeniører skal gi fjernstøtte. Spesielt tar det i gjennomsnitt mer enn 40 minutter å løse problemet.
Kapasitetstreningsplan
Ferdighetstrening:
· VR -simuleringstreningssystem: Ved å la operatører gjentatte ganger øve på å håndtere forskjellige utstyrsfeil -scenarier i et virtuelt miljø, har arbeidere på bilmonteringslinjen for eksempel blitt trent på denne måten, og hastigheten på å identifisere transportbåndsyltetøy har økt med 3 ganger;
· Visualisering av driftsprosessen: Etter å ha konvertert eksperimentelle data til driftsinstruksjoner med ikoner, viser applikasjonssaken til et kjemisk anlegg at nøyaktigheten til operatørene som justerer reaktorparametere har økt fra mer enn 60% til mer enn 90%.
Insentivmekanismenivå:
· Performance Improvement Award: For eksempel satte en elektronikkfabrikk opp et månedlig bonusbasseng, og teamet vil bli belønnet 5, 000 yuan for hver 1 prosentpoengsøkning i produksjonslinjeffektiviteten;
· Samarbeidsmodus: Når operatører bruker AR -briller for å samarbeide eksternt med ingeniører, ble tiden for å løse den siste motoriske overopphetingsfeilen forkortet fra to timer til 25 minutter.
Konklusjon: Å bygge en lukket sløyfe med optimalisering av full kobling
Generelt krever det å danne en komplett lukket sløyfe av effektivitetsforbedring flerdimensjonalt samarbeid. Når det gjelder modifisering av utstyr, for eksempel, kan modifisering av transportbåndslager redusere sannsynligheten for at utstyrsretting av utstyr med 20% til 30% (ca. 20% -40% reduksjon i sviktfrekvens). Prosessoptimalisering refererer hovedsakelig til overvåkning av sanntid av monteringslinjehastigheten og dynamisk justering av driftsparametere, som kan spare omtrent 15% til en fjerdedel av materialavfall. Når det gjelder personellopplæring, er et typisk eksempel organisering av erfaring med å dele økter for gamle mestere å lede nykommere. Gjennom denne typen trening kan driftseffektivitet vanligvis forbedres med mer enn 10 prosentpoeng. Tre viktige punkter kan vurderes for påfølgende utviklingsretninger: Først må du installere nettverksmoduler på utstyret for å oppnå intelligent styring. For eksempel vil emballasjemaskinen automatisk justere temperaturparametrene basert på dataene de siste tre månedene. Det andre er å distribuere Edge Computing Boxes ved siden av utstyret. Denne løsningen kan diagnostisere og korrigere 90% av feilene lokalt, og responshastigheten er flere størrelsesordener raskere enn skybehandling. Enda viktigere er at det er å etablere et selvutviklende system, slik at maskiner kan optimalisere arbeidsparametere gjennom kontinuerlig læring, akkurat som mennesker akkumulerer opplevelsen og gradvis oppnår autonom beslutningstaking, og utvikler seg mot en intelligent produksjonsmodell av "selvopplevende problemer, selvjusterende omgivelser og selvutviklende planer."