U području automatizacije pakiranja potrošačkih proizvoda, automatske strojeve za kartoniranje, kao važna oprema na kraju proizvodne linije, trenutno se suočavaju s dvije važne kontradikcije: s jedne strane, zbog brzih promjena u potražnji na tržištu, narudžbe se sve raspršuju, a vrste specifikacija proizvoda koje trebaju biti pakirane također se sve povećavaju. Na primjer, farmaceutska tvrtka izvorno je imala samo 5 vrsta ambalažnih kutija, ali sada se mora baviti 32 različite specifikacije, što je rezultiralo povećanjem više od pet puta u radnom opterećenju opreme za promjenu i prilagodbu; S druge strane, učinkovitost operacije opreme nije očekivanja, a ukupna učinkovitost tradicionalnih modela obično je samo 65% do 75%, od čega neočekivani prekid može činiti oko 20% ukupnog radnog vremena, što ima izravan utjecaj na troškove proizvodnje. Prema statistikama prehrambenih kompanija, svaki sat zastoja opreme uzrokovat će gubitak od oko 10, 000 yuan, a svaki porast stope oštećenja proizvoda od 1 postotni bod smanjit će godišnji profit za gotovo 10%.
Kao odgovor na ove točke boli, optimizacija opreme mora postići sustavno poboljšanje u tri ključna pokazatelja: Prvo, efektivna stopa korištenja opreme mora se povećati na više od 95%, a neplanirani prekid vremena mora se kontrolirati unutar 5%; Drugo, glatkoća rada mora eliminirati gubitke brzine kao što su traci za praznu traku ili beskorisni rad robotskih oružja; Konačno, stopa usklađenosti proizvoda mora se smanjiti s izvornog 3%-5%na manje od 0. 5%. Čitav okvir za poboljšanje može se shvatiti kao zatvorena petlja od tri veze: uspostavljanje mehanizma unaprijed održavanja radi smanjenja vjerojatnosti kvara, a zatim prilagođavanje parametara u stvarnom vremenu kako bi se uskladili s trenutnim radnim uvjetima i konačno kombinirali operacije osoblja kako bi se skratilo vrijeme odziva hitnih slučajeva. Ukratko, potrebno je spriječiti probleme, dinamički prilagoditi se i surađivati između ljudi i strojeva.
2. Poboljšanje mehaničke strukture: Poboljšanje stabilnosti i brzine rada
Iz stvarnog scenarija primjene postoje očigledni gubici u sustavu prijenosa mnogih uređaja tijekom rada. Na primjer, postoji jaz između zupčanika, pa je raspon pogreške generiran tijekom postupka prijenosa oko {{0}}. 2 do 0,5 mm. Drugi primjer je problem proklizavanja pojasa, koji često uzrokuje fluktuacije brzine veće od 5%. U smislu modularnog dizajna, svaka promjena tradicionalne mehaničke strukture zahtijeva 6 do 8 sati uklanjanja pogrešaka. Takvo dugo vrijeme pripreme rezultirat će da se kapacitet opreme ne koristi u potpunosti.
U odabiru planova za poboljšanje, nadogradnja materijala je izravniji proboj. Na primjer, nakon što je dnevna kemijska tvornica zamijenila materijal prijenosnog osovine aluminijskom legurom, težina je smanjena za oko 4 0% u usporedbi s originalom, a brzina odgovora povećana je za četvrtinu. Sada postoje i tvrtke koje pokušavaju koristiti kompozitne materijale od ugljičnih vlakana za zglobove ruku robota, a točnost hvatanja može se kontrolirati u rasponu od ± 0. 1 mm. U pogledu dinamičkog podešavanja opterećenja, otopina servo motora s elastičnim spajanjem je relativno tipična. Jednostavno rečeno, uvjet opterećenja nadgleda se u bilo kojem trenutku kroz senzor okretnog momenta, a izlazna snaga je dinamički podešena, tako da se sila udara može smanjiti za 6 0%. Nakon tvornice koja proizvodi elektroničke proizvode korištene magnetske ležajeve, vibracijska vrijednost opreme pri velikoj brzini smanjena je s 0,8 mm u sekundi na 0,2 mm u sekundi.
Za situacije u kojima su potrebne česte promjene modela, standardizirani dizajn sučelja je izvediva ideja. Kroz pneumatske konektore za brzo povezivanje i unaprijed povezane električne module, vrijeme promjene modela može se komprimirati na manje od dva sata. Sada će neke tvrtke prvo izgraditi virtualni model na računalu za uklanjanje pogrešaka parametara, a zatim izravno uvesti parametre konfiguracije u pravi stroj za upotrebu. Postoji slučaj farmaceutske tvrtke koja se može koristiti kao referenca. Zamijenili su tradicionalni mjenjač metodom izravnog pogona servo motora, eliminirajući vezu intermedijarnog prijenosa. Kao rezultat toga, brzina opterećenja kutija povećala se sa 120 okvira u minuti na 156 kutija, a broj kvarova mjenjača smanjio se s 18 puta godišnje na godinu na 3 puta.
3. Optimizacija postupka učitavanja okvira: smanjenje začepljenja materijala i kvar džema
Prilikom analize specifičnih problema, otkriveno je da je češća situacija da postoje nedostaci u dizajnu puta prijenosa materijala. Na primjer, ako je polumjer okretanja pakiranja prelazi (na primjer, manje od 3 puta veće od duljine materijala), mogućnost zaglavlja značajno će se povećati. Još jedna stvar na koju treba obratiti pažnju je kontrola kuta prema procesu savijanja. Kad odstupanje prelazi oko 2 stupnja, to će u osnovi dovesti do problema labavog brtvljenja.
Za ove se situacije može usvojiti ideja o segmentiranoj obradi: prvo se u području transportnog traka instalira struktura međuspremnika. Na primjer, segmentirani dizajn transportnih traka koji je usvojila tvornica grickalica, svaki dio transportera opremljen je neovisnim motornim pogonom. Ovo rješenje može smanjiti vjerojatnost akumulacije materijala na manje od 2%. Drugo je poboljšanje veze za inspekciju kvalitete, poput korištenja kamere za otkrivanje pneumatskog uređaja. Kad se utvrdi da je papirnati okvir deformiran, ona se odmah puše s točnošću veće od 99%.
U pogledu prilagodbe parametara, potrebno je obratiti pažnju na koordinaciju između opreme, poput rješenja za koordinaciju brzine, odnosno brzina prijenosa automatski se podešava putem upravljačkog sustava PLC kako bi se osiguralo da vremenska razlika između odvijanja papira i materijala koji gura ne prelazi 0. 1 sekundi. Postoji i funkcija automatske korekcije za kut savijanja, koja se u stvarnom vremenu podešava prema podacima senzora tlaka, tako da se kvalificirana stopa može povećati s oko 90% na gotovo 99%.
U stvarnoj primjeni, tvornica mlijeka utvrdila je da je nakon optimizacije luka prijenosnog puta i instaliranja sustava za inspekciju kvalitete koji nadzire zaslon, kvarovi u okviru kartice smanjeni za više od 80%, a učinkovitost proizvodnje povećana je za oko jedne peft
4. Prilagođavanje preciznosti parametara: od iskustva s vođenim do podataka
Prvo, moramo shvatiti koji su parametri posebno kritični. Na primjer, parametar brzine pokretanja transportnih traka. Eksperimentalni podaci pokazuju da će se, kada brzina varira za više od 5%, vjerojatnost odstupanja od materijala utrostručena. Drugi primjer je snaga ruke robota kako bi zgrabila stvari. Ako pogreška čvrstoće prelazi 10%, možda neće moći zgrabiti paket ili naprotiv, može pritisnuti tragove na površini proizvoda.
U smislu metoda uklanjanja pogrešaka, učinkovitije se mogu podijeliti u dvije kategorije. Prva kategorija je korištenje eksperimentalne metode dizajna, kao što je upotreba L9, troslojne ortogonalne tablice s četvero-faktorom, za izradu permutacija i kombinacija, te raspoređivanje različitih zupčanika parametara kao što su brzina pokreta i čvrstoće ruku robota. Tvornica elektronike pronašla je optimalnu kombinaciju parametara kroz ovu metodu, poput najboljeg učinka kada se transportni remen prilagodi na 1,2 m\/s, a čvrstoća ruke robota kontrolira se na 15 newtona. Prednost ove metode je u tome što ona može komprimirati ciklus uklanjanja pogrešaka koji je prvotno zahtijevao mjesec dana do otprilike tjedan dana.
Druga vrsta metode kontrole u stvarnom vremenu uglavnom se oslanja na senzore i algoritme. Na primjer, instaliranjem senzora tlaka na mehaničku kandžu i kombinirajući ga s algoritmom PID kontrole, farmaceutska tvrtka smanjila je fluktuaciju sile s izvorne 3 Newtonove pogreške na 0. 5 Newton. Drugi primjer je korištenje vizualnog sustava kao vodiča i kombiniranje tehnologije prepoznavanja slike za dinamički ispravljanje odstupanja. U stvarnim testovima utvrđeno je da točnost pozicioniranja može doseći plus ili minus 0. 3 mm.
Sada su mnoge tvrtke počele koristiti virtualne simulacijske platforme za pomoć u uklanjanju pogrešaka. Jednostavno rečeno, to je izgradnja virtualne tvornice u računalu i promatrati promjene u učinkovitosti proizvodnje promjenom parametara. Proizvodna tvrtka koristila je ovu metodu za smanjenje vremena uklanjanja pogrešaka za 60%, a povezani troškovi provjere također su smanjeni za gotovo polovicu. Ono što je posebno zanimljivo jest da ovaj digitalni model također može simulirati neke ekstremne kombinacije parametara koje se ne usuđuju pokušati ležerno u stvarnosti, pružajući inženjerima više mogućnosti.
V. Preventivno održavanje: od pasivnog održavanja do aktivnog upravljanja zdravljem
1. Tradicionalne točke boli u održavanju
· Prekomjerno održavanje je uobičajeno: na primjer, neke tvornice moraju redovito održavati svaki mjesec, što je rezultiralo zamjenom oko 30% ležajeva prije isteka trajanja životnog vijeka. To može uzrokovati više od 500, 000 yuan u otpadu svake godine;
· Iznenadni neuspjesi uzrokovani propuštenim inspekcijama: Prema statistikama, oko 60% kvarova opreme zapravo je uzrokovano ranim habanjem koje nije otkriveno na vrijeme. To je poput liječnika koji ne vidi rane znakove lezija na rendgenskim zrakama, a kada pacijent pokazuje simptome, najbolje je vrijeme za liječenje.
2. Nadogradnja sustava održavanja
· U smislu tehnologije praćenja stanja: senzori vibracija sada se uglavnom koriste u kombinaciji s tehnologijom analize spektra (to jest FFT analiza). Na primjer, dnevna kemijska tvrtka koristila je ovu metodu kako bi otkrila nenormalne karakteristike trošenja mjenjača dva tjedna unaprijed; Postoje i metode poput infracrvenog termičkog snimanja. Kad je motor preopterećen, obično ga prati nenormalno povećanje temperature od 8-12 stupnja, a sustav će automatski pokrenuti alarm za održavanje.
· O održavanju temeljenom na stanju (CBM): Mnoge tvrtke sada grade modele zdravlja opreme, koji mogu integrirati više od deset parametara kao što su podaci o vibracijama, promjene temperature, trenutne fluktuacije itd., I dinamički izračunavaju koja opremi treba prioritetno održavanje. Istodobno, bit će povezan i sa sustavom zaliha rezervnih dijelova. Na primjer, prema rezultatima predviđanja, ključni dijelovi se mogu pripremiti tri dana unaprijed, tako da se učinkovitost prometa zaliha rezervnih dijelova povećava za oko 40%.
Osnaživanje osoblja: Od operatera do partnera za poboljšanje učinkovitosti
1. Analiza trenutnog stanja osobnih sposobnosti
· Nedostatak vještina: Trenutno operateri uglavnom ostaju na osnovnoj razini operacije, kao što su početak i zaustavljanje opreme, na primjer, nemaju duboko razumijevanje operativne logike iza parametara;
· Mehanizam odgovora: Kada se susreću s nenormalnim situacijama, često trebaju čekati da inženjeri pruže daljinsku podršku. Konkretno, za rješavanje problema potrebno je prosječno više od 40 minuta.
Plan obuke kapaciteta
Trening vještina:
· VR simulacijski sustav treninga: omogućavajući operaterima da više puta prakticiraju rukovanje različitim scenarijima kvara opreme u virtualnom okruženju, na primjer, radnici na montažnoj liniji automobila obučeni su na ovaj način, a brzina identificiranja gužve za prometne trake povećala se za 3 puta;
· Vizualizacija procesa rada: Nakon pretvaranja eksperimentalnih podataka u upute za rad s ikonama, slučaj primjene kemijskog postrojenja pokazuje da se točnost operatora koji prilagođavaju parametre reaktora povećala s više od 60% na više od 90%.
Razina mehanizma poticaja:
· Nagrada za poboljšanje performansi: Na primjer, tvornica elektronike postavila je mjesečni bonus bazen, a tim će biti nagrađen 5, 000 Yuan za svaki 1 postotni porast učinkovitosti proizvodne linije;
· Način suradnje: Kada operateri nose AR naočale za daljinsko suradnju s inženjerima, vrijeme za rješavanje posljednje greške pregrijavanja motora skratilo je s dva sata na 25 minuta.
Zaključak: Izgradnja zatvorene petlje optimizacije učinkovitosti pune veze
Općenito, formiranje potpune zatvorene petlje poboljšanja učinkovitosti zahtijeva višedimenzionalnu suradnju. U pogledu izmjene opreme, na primjer, modificiranje ležajeva transportnih traka može smanjiti vjerojatnost zaglavljanja opreme za 20% na 30% (oko 20% -40% smanjenje stope neuspjeha). Optimizacija procesa uglavnom se odnosi na praćenje brzine montažne linije u stvarnom vremenu i dinamično podešavanje operativnih parametara, što može uštedjeti oko 15% na četvrtinu materijalnog otpada. U pogledu obuke za osoblje, tipičan primjer je organiziranje iskustava za dijeljenje sesija za stare majstore koji će voditi pridošlice. Kroz ovu vrstu treninga, operativna učinkovitost obično se može poboljšati za više od 10 postotnih bodova. Tri ključne točke mogu se razmotriti za naknadne upute za razvoj: prvo instalirajte mrežne module na opremu kako biste postigli inteligentno upravljanje. Na primjer, stroj za pakiranje automatski će prilagoditi temperaturne parametre na temelju podataka u posljednja tri mjeseca. Drugi je raspoređivanje rubnih računalnih kutija pored opreme. Ovo rješenje može lokalno dijagnosticirati i ispraviti 90% grešaka, a brzina odziva je nekoliko reda veličine brže od obrade u oblaku. Što je još važnije, to je uspostavljanje sustava samo-razvijanja, omogućavajući strojevima da optimiziraju radne parametre kontinuiranim učenjem, baš kao što ljudi akumuliraju iskustvo i postupno postižu autonomno donošenje odluka, i evoluiraju prema inteligentnom proizvodnom modelu "problemima sa samoprovjerama, samo-prilagodljivim postavkama i planovima za samo-iznos."