Jak sztuczna inteligencja zmniejsza awarie maszyn

Sztuczna inteligencja wykrywa zakłócenia i błędy. Dzięki powiązaniu z modelem przepływu pracy pracownik otrzymuje zalecenia dotyczące działań bezpośrednio na swój smartfon. © Fraunhofer IPA/zdjęcie: Rainer Bez

Inteligentne algorytmy wykrywają błędy i oznaki zużycia, a smartwatch podpowiada operatorowi maszyny, jak usunąć awarie: Zespół badawczy z Fraunhofer IPA opracował wraz z partnerami z przemysłu metodę integracji sztucznej inteligencji w utrzymaniu ruchu.

Tak wygląda to często w przemyśle do dziś: Niepostrzeżenie pojawia się awaria maszyny. Produkuje ona wtedy odpadki, aż do momentu, gdy uważny pracownik zauważy wady jakościowe i zatrzyma maszynę. Rozpoczyna się wtedy wielka zagadka. Dlaczego wystąpił błąd? Jak można go naprawić? Całkowicie niesystematycznie zmienia się ustawienia maszyny i testowo produkuje kolejne wyroby – aż w końcu jakość znów będzie odpowiednia. Szczęśliwy jest ten, kto ma doświadczoną koleżankę, która zna problem i od razu wie, jak go naprawić.

Niż takimi specjalistami są niestety rzadko. Wkrótce sztuczna inteligencja (SI) może ich zastąpić. Zespół badawczy pod kierunkiem Jonasa Krauß z grupy projektowej Procesinnovation w Instytucie Fraunhofer ds. Technologii Produkcji i Automatyzacji IPA opracował wraz z firmami Maincor Rohrsysteme i Maxsyma metodę integracji SI w utrzymaniu ruchu.

Algorytm wykrywa wadliwe spoiny

Firma Maincor Rohrsysteme produkuje w Knetzgau w Bawarii m.in. aluminiowe rury z powłoką z tworzywa sztucznego do ogrzewania podłogowego. Mogą się w nich pojawić wadliwe spoiny, jak również odchylenia w grubości powłoki z tworzywa sztucznego. Oba te przypadki dotąd oznaczały odpadki i prowadziły do zatrzymania maszyny, aż do wykrycia i naprawy błędu.

Zespół badawczy pod kierunkiem Krauß opracował demonstrator, w którym ultradźwiękowe zgrzewanie jest nadzorowane kamerą i SI. Inteligentny algorytm analizuje obrazy z kamery i natychmiast wykrywa wadliwe spoiny, gdy się pojawią. Aby wytrenować SI, naukowcy z Fraunhofer IPA dostarczyli jej zdjęcia dobrych i wadliwych spoin, aż rozpoznała wzór. Ponieważ jednak szczególnie od wadliwych spoin nie było wystarczająco dużo zdjęć, zespół musiał je częściowo sztucznie wygenerować, aby lepiej wspierać proces uczenia swojego modelu SI.

Sonotrode zgrzewarki ultradźwiękowej jest elementem zużywającym się. Zużycie zwiększa opór i tym samym zużycie energii. Naukowcy z Kraußem zamocowali na przewodach amperomierze. Kolejny algorytm analizuje odczyty. Średnicę wyprodukowanych rur mierzy zespół za pomocą rentgenowskiego urządzenia pomiarowego. Odchylenia w górę wskazują, że na przykład ciśnienie w ekstruderze, który nakłada powłokę z tworzywa, jest zbyt wysokie. Zbyt mała średnica oznacza zbyt niskie ciśnienie.

Smartwatch podpowiada działania

„Gdy SI wykryje wadliwą spoinę, zwiększone zużycie energii sonotrode lub odchylenia w średnicy, na smartwatchu odpowiedzialnego operatora pojawi się odpowiednie powiadomienie”, wyjaśnia Krauß. „Jest ona połączona z zaleceniem działania, aby szybko i bez niesystematycznego eksperymentowania usunąć awarię lub na czas zamówić nową sonotrode.” Zalecenia opierają się na tzw. modelach workflow, które zespół badawczy wcześniej opracował wspólnie z ekspertami od procesów. Odzwierciedlają one kroki pracy, które SI zaleca wykonać. Ta przewidująca konserwacja nie tylko poprawia konkretne prace serwisowe, ale także planowanie i sterowanie produkcją. Bo jeśli z wyprzedzeniem wiadomo, kiedy wymienić sonotrode, można odpowiednio zorganizować realizację zamówień i zaopatrzenie.

Firma Maxsyma, producent oprogramowania z Floß w Oberpfalz, zamierza teraz zintegrować nowe funkcje i biblioteki programowe z istniejącą aplikacją „iot2flow” i dostosować ją tak, aby była przydatna także dla firm z innych branż. W Maincor zakłada się, że gotowe narzędzie po wdrożeniu w całej produkcji skróci czas przestojów maszyn o około 15 do 20 procent i obniży odsetek odpadów o około 0,5 procent. Dodatkowo przewiduje się spadek kosztów konserwacji i napraw oraz zyski z efektywności dzięki zoptymalizowanemu planowaniu i sterowaniu produkcją.