Ujumuishaji wa AI na IoT katika Mifumo ya Kuondoa Mpira

By Mike Chen, Mkurugenzi wa Uzalishaji | Miaka 12+ katika Utengenezaji wa Mpira |LinkedIn

Mambo Muhimu ya Kuzingatia

• Pipa moja la XCJ-G600 huzunguka kundi la kilo 15 kila baada ya sekunde 20-40 — zaidi ya mizunguko 1,300 yenye data nyingi kwa kila zamu ya saa 8 tayari inapatikana kwa ajili ya kunasa IoT.
• Vitengo vya kutolea nje vya cryogenic huendeshwa kwa halijoto iliyo chini hadi -150 °C kwa kasi ya roller ya 20-70 RPM, na kuweka kumbukumbu kwa vigezo vyote viwili hufichua moja kwa moja taka za nitrojeni na mkondo wa insulation.
• Kwa sababu mashine zilizounganishwa huonyesha kubadilika kwa michakato mapema, matengenezo ya utabiri kwa kawaida hubadilisha kusimama bila kupangwa kuwa hatua zilizopangwa za chini ya dakika 30 (thamani za kawaida kutoka kwa miradi ya wateja wetu).
• Midundo ya kurekebisha inayobadilisha: vifaa vinavyoendeshwa na inverter kama vile XCJ-G600 ya 7.5 kW kwa kawaida vinaweza kuunganishwa na vitambuzi na lango la pembeni badala ya ununuzi mpya.

Watengenezaji wengi tunafanya kazi na vifaa vya kuondoa umeme ambavyo tayari vina akili katika kiwango cha mashine na kimya kabisa katika kiwango cha kiwanda. Kidhibiti kinajua kasi ya roller; mwendeshaji anajua uzito wa kundi; timu ya ubora inajua kiwango cha kukataliwa - lakini hakuna anayeunganisha hizo tatu. Muunganisho huo ndio hasa miradi ya AI na IoT imeundwa kurekebisha.

Makala haya yanaelezea maana halisi ya ujumuishaji katika muktadha wa kuondoa mabadiliko, ni pointi gani za data zinazofaa kuunganishwa kwanza, na ramani ya hatua kwa hatua inayofanya kazi kwa viwanda vidogo na vya kati vya mpira badala ya viwanda mahiri vya hali ya juu.

AI na IoT zinamaanisha nini hasa katika muktadha wa kufifia?

Intaneti ya Vitu (IoT) ni utaratibu wa kuunganisha vifaa vya viwandani kwenye mtandao ili data yake ya uendeshaji iweze kukusanywa, kuhifadhiwa, na kupitiwa; akili bandia (AI) ni safu ya programu inayopata ruwaza katika data hiyo na kupendekeza au kutekeleza maamuzi.Katika kuzima umeme, hizo mbili hufanya kazi kama jozi: IoT hutoa ishara mbichi, na AI hubadilisha ishara kuwa kitendo — kupunguza kasi ya roller, kuashiria mkanda uliochakaa, au kuweka karantini kundi linaloshukiwa kabla ya kusafirishwa.

Inasaidia kufikiria mashine ya kuondoa uchafu kama chanzo cha data kwanza na kifaa cha kuondoa uchafu pili. Kila mzunguko wa kuondoa uchafu kwa mitambo na kila mzunguko wa cryogenic chini ya −120 °C hutoa alama ya vidole inayoweza kufuatiliwa ya kasi, wakati, halijoto, na mzigo. Mara alama hizo za vidole zinapohifadhiwa, maswali ambayo yalikuwa yakihitaji mhandisi wa mchakato kusimama kwenye pipa kwa zamu kamili — "wakati wa mzunguko ulianza kuongezeka lini?" — huwa swali la dashibodi la sekunde kumi.

Ni Pointi Zipi za Data za Kuondoa Uchafuzi Zinafaa Kuunganishwa Kwanza?

Anza na vigezo vinne ambavyo tayari vinaamua ubora wa kuondoa uchafuzi wa hewa: muda wa mzunguko, kasi ya roller, halijoto ya mchakato, na mzigo wa kundi.Zipo kwenye kila mashine, hubadilika wakati kitu kinapoenda vibaya, na huunganishwa moja kwa moja na matokeo ya bidhaa. Jedwali lililo hapa chini linaunganisha kila kigezo na thamani halisi za vifaa na uboreshaji unaofungua.

Thamani za vifaa vinavyotokana naUkurasa wa bidhaa wa XCJ-G600navipimo vya mashine ya kuondoa uchafuzi wa nitrojeni kioevu.

Kwa sababu upotevu wa cryogenic ni mbio kati ya halijoto na wakati, mikondo ya kupoeza iliyorekodiwa ndiyo seti moja ya data yenye thamani zaidi kwenye mstari wa cryogenic.Mbio zinazofikia lengo lililolengwa katika dakika 5 badala ya 8 zimeokoa 37% ya mzunguko wake — akiba ambayo haionekani kwenye saa ya kupimia lakini inaonekana wazi katika data.

Je, Matengenezo ya Utabiri Hubadilishaje Uchumi wa Kupunguza Uchumi?

Matengenezo ya utabiri hutumia data ya mwenendo — kuongezeka kwa muda wa mzunguko, mabadiliko ya mkondo wa injini, kutokuwa na utulivu wa halijoto — ili kupanga huduma kabla ya sehemu kushindwa kufanya kazi, badala ya baada.Tofauti ya kiuchumi ni kubwa: injini ya kuendesha gari iliyoshindwa katikati ya zamu husimamisha mstari, huharibu ratiba, na inaweza kuondoa kundi kamili la kazi, huku ubadilishaji uliopangwa kutambuliwa wiki mbili mapema ukitokea kati ya zamu.

Katika uzoefu wetu wa kusaidia mistari ya kuondoa uchafuzi kwenye mitambo ya wateja, ufuatiliaji uliounganishwa kwa kawaida huonyesha mitetemo mitatu hadi mitano ya mchakato inayoweza kutekelezwa kwa robo kwenye mashine moja - ambayo mara nyingi hupanuliwa polepole kwa muda wa mzunguko na upoevu usiobadilika wa cryogenic - na kila moja inaweza kurekebishwa katika dirisha lililopangwa chini ya dakika 30 (thamani za kawaida kutoka kwa miradi yetu ya wateja; takwimu halisi hutofautiana kulingana na mchanganyiko wa mchanganyiko na muundo wa mabadiliko).Kwa sababu kibadilishaji cha 7.5 kW kwenye mashine kama XCJ-G600 tayari kinaripoti mzigo wa injini kidijitali, gharama ya kuingia kwa kiwango hiki cha ufuatiliaji ni lango na usanidi, si vifaa vipya.

Pia kuna pembe ya kufuata sheria. Mimea imeidhinishwaISO 9001wanaombwa kuonyesha uboreshaji endelevu; ufuatiliaji wa data ya vigezo vya mashine kwa kila kundi ni mojawapo ya ushahidi safi zaidi ambao mkaguzi atakubali.

Maono ya Mashine Yanaendana Wapi na Kitanzi cha Ubora?

Maono ya mashine hufunga kitanzi ambacho data ya kitambuzi pekee huacha wazi: kamera hukagua sehemu zilizoondolewa mwanga, na safu ya AI hufuatilia kila sehemu iliyokataliwa kurudi kwenye mzunguko, kasi, na halijoto halisi iliyoizalisha.Hii hubadilisha udhibiti wa ubora kutoka kwa shughuli ya kutazama nyuma hadi kuingiza usukani.

Mnyororo wa vitendo unaonekana hivi: sehemu zinatoka kwenye pipa linalotoa hewa, hupitia ukaguzi wa kuona unaoonyesha mabaki yanawaka, na sehemu safi huendelea kuwamashine ya kutenganisha mpiraambayo hupanga bidhaa nzuri kutoka kwa taka za trim. Wakati mfumo wa kuona unapoandika kundi la kukataliwa, AI hulinganisha mihuri ya muda na data ya pipa na kujibu swali muhimu: je, hii ilikuwa kiwanja kibaya, kasi isiyo sahihi ya roller, au kundi ambalo lilikuwa na uzito wa kilo 2 zaidi ya vipimo?

Mistari ya cryogenic hupata faida zaidi kutokana na uunganishaji huu. Uondoaji wa cryogenic hufikia viwango vya upitishaji wa bidhaa iliyokamilishwa zaidi ya 98% wakati vigezo ni thabiti, kwa hivyo hata mkengeuko mdogo uliorekodiwa — mkunjo wa kupoeza unaotumia joto la nyuzi joto 10°C kuliko msingi — unafaa kugunduliwa kabla haujagharimu pointi tatu za mavuno.

Je, Ramani ya Ujumuishaji Halisi Inaonekanaje?

Mbinu inayoweza kufanyiwa kazi kwa mimea mingi ya mpira ni awamu tatu: kuunganisha, kuchanganua, kisha kuboresha — kwa mpangilio huo, kwenye mashine moja kabla ya mstari mzima.Kujaribu kufanya maamuzi kiotomatiki kabla data haijakuwepo ndiyo hali ya kawaida ya kushindwa tunayoiona katika miradi ya Viwanda 4.0.

1. Unganisha mashine moja na ueleze msingi.Sakinisha lango la pembeni kwenye kitengo kimoja cha kuondoa umeme — kile kipya zaidi, kinachoendeshwa na inverter — na uweke muda wa mzunguko wa kumbukumbu, kasi, halijoto, na mzigo kwa siku 60 bila kubadilisha chochote, kwa hivyo "kawaida" hupimwa badala ya kudhaniwa.
2. Changanua dhidi ya matokeo ya ubora.Unganisha data ya mashine na rekodi za kukataliwa kutoka kwa ukaguzi, na acha safu ya AI (au lahajedwali nzuri, kwa kweli) itafute uhusiano kati ya matukio ya kuteleza kwa vigezo na ubora.
3. Boresha kwa kutumia arifa za kitanzi kilichofungwa.Weka vizingiti vya tahadhari kutoka kwa msingi, vielekeze kwenye simu za waendeshaji au dashibodi ya kiwanda, na kisha tu fikiria urekebishaji wa vigezo kiotomatiki — hatua inayohitaji utawala zaidi na uharaka mdogo.

Je, ni Mapungufu Gani ya Uaminifu?

AI na IoT hazitarekebisha mchakato usio imara, pipa lililochakaa, au ukungu uliobainishwa vibaya - wataripoti tu matatizo hayo haraka na kwa usahihi zaidi.Ujumuishaji huongeza udhibiti mzuri wa mchakato; hauchukui nafasi yake.

Tahadhari mbili zaidi kutoka kwa uzoefu wetu wa mradi. Kwanza, uendeshaji mdogo wa kiwanja hutoa data nyembamba: modeli ya AI iliyofunzwa kwa mizunguko 300 ya ukubwa mmoja wa pete ya O haitahamishiwa kwa usahihi kwa familia ya vipuri 40 vya muda mfupi, kwa hivyo matarajio lazima yawekwe kwa kila mchanganyiko wa bidhaa. Pili, muunganisho una uso wa usalama - mwongozo kama vile rasilimali za utengenezaji wa usalama wa mtandao zilizochapishwa naNISTInafaa kusomwa kabla ya lango kuanza kutumika.Kwa sababu seli inayoondoa uchafuzi mara chache huwa haitumiki kwenye mtandao kwa muundo, mtandao wa kiwanda uliogawanywa vizuri huweka hatari iliyoongezwa kuwa ndogo, lakini "kawaida" si "sifuri" na inapaswa kupangiwa bajeti.

Hitimisho: Unganisha Data Uliyonayo Tayari

Uondoaji wa mpira unafaa sana kwa ujumuishaji wa AI na IoT, kwa sababu moja rahisi: mashine tayari zinaendeshwa kwa vigezo vinavyodhibitiwa kwa usahihi na vinavyoweza kupimwa. Kundi la kilo 15, mzunguko wa sekunde 20–40, dari ya -150 °C, safu ya roller ya 20–70 RPM — hizi ni sehemu za data zinazosubiri kukusanywa, na kila moja hubeba taarifa bora.

Ikiwa unapanga uwekezaji unaofuata wa vifaa, chagua mashine ambazo vidhibiti vyake hufichua data hiyo kwa usafi.mbalimbali kamili ya mashine ya kuondoa uchafuzi wa mpirakutoka Xiamen Xingchangjia, au tutumie michoro yako ya sehemu na matokeo lengwa — timu yetu ya uhandisi itapendekeza usanidi wa kuondoa umeme kwa kutumia chaguo za muunganisho zinazolingana na kiwango cha otomatiki cha kiwanda chako.