Как искусственный интеллект и машинное обучение влияют на обработку с ЧПУ

От цепочки поставок до готовой и установленной детали поэтапная оптимизация будет лежать в основе будущей производственной работы. Что нужно сделать, чтобы сделать оптимизацию более автоматизированной? Машинный интеллект и машинное обучение. Мы исследуем.

Двигатель современного производства лежит в области обработки с ЧПУ. Но куда движется ЧПУ? На пути к непрерывной автоматизированной оптимизации, считают отраслевые эксперты и ученые.

Оптимизация может показаться простой концепцией, но она сложна, особенно для автоматизации. Существует так много базовых технологий, включая программное обеспечение и данные, а также человеческую интерпретацию, которые необходимы для того, чтобы автоматизация производства стала реальностью.

Мы рассмотрим две области, которые, как ожидается, действительно окажут влияние на системы ЧПУ:машинное обучение и искусственный интеллект, или «ИИ». Искусственный интеллект — будь то программные алгоритмы, интеллектуальные датчики или голосовые команды — это половина задачи по оптимизации. Другая половина — машинное обучение.

Машинное обучение использует машинные данные и, теоретически, самооптимизируется или меняет курс, чтобы предпринять корректирующие действия. Это не означает, что нет участия человека. Напротив, это означает постоянное участие человека, который определяет и уточняет или обучает машину параметрам оптимизации — посредством аналитической оценки, моделирования, программирования и тестирования.

Представьте себе системы с более предсказуемой функциональностью, которые сообщают детализированную информацию о машинах и сборочных единицах и предварительно запрограммированы для корректировки и самостоятельного планирования времени простоя или запуска машин в более здоровой ячейке. Представьте себе операционные системы машин, которые могут общаться с машинистами и выполнять действия с ними с помощью голосовых команд.

Что делается сегодня, чтобы приблизить отрасль к этому будущему состоянию? Мы поговорили с соучредителем и генеральным директором MachineMetrics Биллом Битером и другими, чтобы выяснить это.

Искусственный интеллект и машинное обучение на станках с ЧПУ:ценность наглядности

Имея опыт работы в машиностроении и знание производства в аэрокосмической и оборонной промышленности, Битер осознал потребность в более точном программном обеспечении для производственных процессов в режиме реального времени. Битер провел пять лет в Hamilton Sundstrand, подразделении United Technologies, где он проектировал гидравлические системы.

«Существует возможность использовать данные, чтобы действительно понять, что происходит на заводе, и принять более взвешенные решения», — говорит Битер. «Проблема в том, что довольно сложно подключиться к машинам. Поэтому мы основали компанию чуть менее пяти лет назад, чтобы повысить наглядность производства за счет простого подключения к станкам с ЧПУ».

MachineMetrics обеспечивает визуализацию в режиме реального времени аналитики станков с ЧПУ — или того, что Bither называет «описательной аналитикой», которая позволяет компании видеть точные производственные показатели, такие как коэффициенты использования, и отслеживать их в соответствии с производственными целями. Он предоставляет информацию о нескольких других областях аналитики, включая диагностические, прогностические и предписывающие данные.

Результат:производительность и эффективность увеличиваются на 20 и более процентов для 100 клиентов, от средних до крупных производителей. Платформа MachineMetrics содержит большой набор данных о тысячах машин и включает в себя бенчмаркинг, который помогает компаниям сравнивать себя с аналогами и оставаться конкурентоспособными.

По словам Битер, принятие лучших решений заключается не только в инвестициях в оборудование. Благодаря более подробным производственным данным производители могут оценить, какие процессы необходимо оптимизировать. Диагностические данные могут помочь специалистам по техническому обслуживанию и производителям оборудования улучшить функции и создать реальную петлю обратной связи.

Прогнозные данные позволяют командам понять условия и понять, когда ЧПУ потребуется помощь. Предписывающая аналитика использует условия для предоставления своевременных указаний и указаний операторам.

Интеллектуальная обработка с ЧПУ:сигналы тревоги, триггеры и мониторинг шпинделя

«ИИ — это очень общий термин, — говорит Битер. "Если человеку не нужно выполнять вычисления в своей голове, а машина делает это, это можно считать "ИИ". С машинным обучением для этого есть несколько очень специфических вариантов использования... Существует контролируемое машинное обучение, которое требует обучение и обратная связь, а также неконтролируемое машинное обучение, которое не работает».

По словам Битер, для понимания неисправности шпинделя или автоматической классификации простоев может потребоваться машинное обучение. Оповещения, запускаемые простой логикой и уведомляющие оператора о том, что за сегодняшний день машина вышла из строя трижды, не обязательно являются машинным обучением как таковым, но представляют собой своего рода интеллектуальный алгоритм, основанный на правилах, который помогает операторам-людям легко отслеживать системы и управлять ими.

Интеллектуальные технологии делают работу оператора более активной. Своевременная информация может быть разницей между потерянными днями прибыли от ЧПУ и возможностью запланировать и организовать альтернативные пути к производственным целям.

Автоматизация и интеллектуальное интеллектуальное использование датчиков также коснулись решений для управления запасами и продажи инструментов. Узнайте, как взять под контроль и сократить количество отходов в расходах на поставку.

Искусственный интеллект и машинное обучение позволяют принимать более взвешенные решения и лучше понимать поломку инструмента, срок службы инструмента и качество деталей

Компания MachineMetrics не одинока. Инженеры Центра перспективных производственных исследований Factory 2050 в Шеффилде, Великобритания, также используют искусственный интеллект и машинное обучение для использования машин. Они используют периферийное вычислительное оборудование для отслеживания энергопотребления компонентов автомобильной подвески. Они также сотрудничают с Tinsley Bridge для мониторинга производственных процессов.

«Опрос коэффициентов использования наших машин означает, что мы лучше видим, что и когда производилось, а также можем оценить, насколько эффективно мы планируем», — говорит Рассел Кроу, технический директор Tinsley Bridge, в Metrology News статья.

Насколько болезненным для вас является процесс повторной калибровки машины? Расскажите об этом в форум <сильный>. [требуется регистрация]