bedrijfsnieuws
0102030405
Westerse AI versterkt Beijing Benz: de wijsheid van vooruitziende blik op de productielijn
08-12-2023
De eindeloze stroom auto's op de weg is het meest voorkomende decor tijdens het woon-werkverkeer van mensen. Weet je wat? Meer dan 60% van de onderdelen van een snel rijdende auto zijn stansonderdelen. Het zogenaamde stempelen is het uitoefenen van externe kracht op stalen platen en andere materialen om ze te vervormen, om zo de vereiste lichaamsvorm en -grootte te verkrijgen. Als eerste schakel in de autoproductie speelt het stempelproces, net als de voorkant van de auto, een belangrijke rol bij het "trekken van één haar en het bewegen van het hele lichaam". Zodra de ongeplande stillegging van de stempellijn wordt veroorzaakt door een accidentele storing, heeft dit directe gevolgen voor alle daaropvolgende productieschakels. De productiebasis voor personenauto's van Beijing Benz Automobile Co., Ltd. (Beijing Benz) bevindt zich in de economische en technologische ontwikkelingszone in Yizhuang, Beijing. De basis beschikt over de allernieuwste productietechnologie van Mercedes Benz en 's werelds toonaangevende stempelapparatuur en -lijnen. Volgens officiële gegevens zal de productie van Beijing Benz in 2020 de 600.000 voertuigen overschrijden, een stijging voor elf opeenvolgende jaren. Met de voortdurende verbetering van de productiecapaciteit hoopt Beijing Benz het concept van lean production verder te verdiepen. Onder hen is het verbeteren van de beschikbaarheid van productieapparatuur door het upgraden van het exploitatie- en onderhoudsbeheer de belangrijkste focus geworden. Samen met Siemens heeft Beijing Benz met succes het slimme voorspellende onderhoud voor de perslijn van de pers op de Miller Wanjiadun mechanische stempellijn van de stempelwerkplaats (fase I) van zijn MRA-fabriek ingezet om intelligent bedienings- en onderhoudsbeheer te realiseren. 
Verander ‘onverwacht’ in ‘verwacht’
In een drukke productielijn kan het enkele uren stilleggen van de productie tientallen miljoenen verliezen veroorzaken. Daarom is het onderhoud van apparatuur hetzelfde als het genezen van de ziekte en het redden van mensen. We moeten het vanuit een klein perspectief weten, ernstige ziekten vroegtijdig behandelen en voorkomen, en goed zijn in het ‘voorkomen van ziekten’. De traditionele bedienings- en onderhoudsmodus is 'preventief onderhoud', dat wil zeggen dat er regelmatig uitgebreid onderhoud wordt uitgevoerd met een bepaald tijdsinterval, ongeacht de feitelijke werking en gezondheidsstatus van specifieke apparatuur. Onder hen is het instellen van de lengte van het onderhoudsinterval een kennis. Een te kort interval kost veel arbeidskosten en reserveonderdelen, wat resulteert in overmatig onderhoud; Het interval is te lang om het risico uit te sluiten. In het eigenlijke productieproces regelen veel fabrieken vaak tijdelijk bedienings- en onderhoudspersoneel om hiermee om te gaan nadat er plotselinge fouten zijn opgetreden, waardoor de verliezen onherstelbaar zijn. Vooral in de stempelwerkplaats is de stempelapparatuur groot en duur, wat betekent dat de voorbereiding van reserveonderdelen en het onderhoud van de apparatuur tijdrovend en arbeidsintensief zijn en zelfs de algehele productiesnelheid ernstig beïnvloeden. Als dit van tevoren vóór de storing kan worden afgehandeld of als er een klein teken is dat ongeplande stillegging kan worden voorkomen, kan dit uiteraard op effectieve wijze de stabiele en efficiënte productie van de fabriek garanderen en de exploitatie- en onderhoudskosten verlagen. Zo ontstond ‘predictief onderhoud’. Het kan worden omschreven als een subversieve verandering van de traditionele bedienings- en onderhoudsmodus. Het kan de status monitoren en de verborgen problemen voorspellen van productieapparatuur op basis van het internet der dingen en kunstmatige intelligentietechnologie, en ‘onverwacht’ in ‘verwacht’ veranderen.
Zhang Jie is een uitstekende onderhoudsingenieur op de afdeling technisch onderhoud en bediening van Beijing Benz. Volgens hem is een voorspellend onderhoudssysteem een succesvolle praktijk in de digitale ontwikkeling van Beijing Benz, en ook de algemene trend van de industrie in de toekomst. Zhang Jie zei: "Terwijl Beijing Benz lean manufacturing blijft bevorderen, moeten we de kosten verder verlagen en de efficiëntie verhogen. Door de toepassing van digitale technologie moeten we bijvoorbeeld meer gemak en begeleiding bieden voor het dagelijkse werk op het gebied van bediening en onderhoud personeel, hun werklast verminderen en de efficiëntie en nauwkeurigheid van bediening en onderhoud verbeteren. Dit is de oorspronkelijke bedoeling van onze samenwerking met het Siemens-team om voorspellende onderhoudsprojecten uit te voeren.
Expertteams van de klantenserviceafdeling van de Siemens Digital Industry Group, Siemens China Research Institute en Beijing Benz hebben gezamenlijk een intelligent voorspellend onderhoudssysteem gecreëerd voor de persproductielijn van de stempelwerkplaats van Beijing Benz, waarbij voorspellend onderhoud wordt gerealiseerd op basis van gegevens over de werking van de apparatuur (met name trillingen gegevens) analyse. Dankzij het systeem is de dagelijkse werkstroom van de afdeling technisch onderhoud en bediening van Zhang Jie aanzienlijk veranderd. In het verleden moest het bedienings- en onderhoudspersoneel de belangrijkste uitrusting, zoals de hoofdmotor, de hoofdaandrijving en het hydraulisch station, regelmatig één voor één inspecteren om te zien of er sprake was van abnormale trillingen en geluiden. Met behulp van dit systeem kan Beijing Benz nu in realtime informatie over de werking van apparatuur verzamelen, de potentiële risico's van belangrijke apparatuur voorspellen en op wetenschappelijke wijze het optimale onderhoudsplan formuleren. 
Sinds de officiële lancering in december 2019 heeft het systeem Beijing Benz geholpen bij het succesvol voorspellen van veel potentiële apparatuurstoringen. In mei 2020 ontdekte het systeem bijvoorbeeld dat de motortrillingen van het hydraulische station van het rekkussen abnormaal zijn. Als het zich mag ontwikkelen, zal de algehele productielijn worden stilgelegd zodra het rekkussen niet meer werkt, en kan het vier tot vijf uur duren om reserveonderdelen te vervangen. Na ontvangst van de systeemwaarschuwing voerde Beijing Benz op tijd onderhoud uit, spoorde snel de oorzaak van het probleem op en verving de reserveonderdelen zonder de productie te beïnvloeden. Zo wordt een lastige ongeplande uitval een korte geplande uitval. Zhou Linfei, senior onderzoeker van het Siemens China Research Institute, zei: "Neem voorzorgsmaatregelen, waardoor iedereen echt de waarde van industriële kunstmatige intelligentie gaat voelen." Geef de apparatuur een "gezondheidscontrole" Je bent vast benieuwd hoe het onvoorspelbare magische vermogen van "voorspellend onderhoud" wordt gerealiseerd? In feite is dit vergelijkbaar met het proces waarbij mensen naar het ziekenhuis gaan voor gezondheidsonderzoek. Na registratie moeten we over het algemeen temperatuurmetingen, bloedafname, CT en andere onderzoeken ondergaan om verschillende gezondheidsindicatoren van het lichaam te verkrijgen. Daarna zal het medische instrument automatisch een lichamelijk onderzoeksrapport afgeven dat voor iedereen gemakkelijk te begrijpen is, waarbij wordt beoordeeld of verschillende indicatoren van het lichaam normaal zijn volgens het vooraf ingestelde model in het systeem, zoals of de bloedroutinetestgegevens binnen de drempelbereik, en suggesties geven voor het verbeteren van de persoonlijke gezondheid. Natuurlijk kunnen medische instrumenten niet alle ziekten direct beoordelen. Als de in het rapport aangegeven gezondheidsproblemen complex of onzeker zijn, zal de arts ingrijpen bij verder lichamelijk onderzoek en diagnose van de aandoening. Op dezelfde manier moet het voorspellende onderhoudssysteem ook de ‘gezondheidsgegevens’ van de apparatuur verzamelen via de sensoren die op de apparatuur zijn geïnstalleerd om de basis te leggen voor daaropvolgende voorspelling en diagnose. Met de Beijing Benz-stempellijn als voorbeeld heeft Siemens 62 trillingssensoren en 10 temperatuursensoren ingezet om de bedrijfsgegevens van belangrijke apparatuur, waaronder de gelijkstroommotor, versnellingsbak en lagerkast, in realtime te verzamelen. Elke sensor verzamelt meer dan 20.000 trillingsgegevens per seconde. Vervolgens analyseert het systeem zo’n enorme hoeveelheid gegevens op basis van machine learning-technologie. Verwijzend naar de historische gegevens heeft het systeem vooraf het apparatuurgezondheidsmodel, het anomaliedetectiemodel en het trendanalysemodel opgesteld. Wanneer de nieuw verzamelde gegevens abnormaal afwijken, zal het systeem tijdig alarm geven. Verschillende abnormale indicatoren duiden op verschillende potentiële "ziekten", en de resultaten van kunstmatige intelligentie-analyse kunnen ook richtinggevende onderhoudssuggesties geven "afhankelijk van het geval". 
Kunstmatige intelligentie is een verlengstuk van het menselijk vermogen. Het legt "onvermoeibaar" enorme hoeveelheden gegevens onmiddellijk vast en analyseert het, en realiseert real-time monitoring onder alle weersomstandigheden. Kunstmatige intelligentie is echter niet almachtig en kan de menselijke intelligentie niet volledig vervangen. Bij het stempelproces weerspiegelen trillingen rechtstreeks de gezondheidsstatus van de apparatuur in het bewerkingsproces, wat erg belangrijk maar uiterst complex is. De trillingen van verschillende apparatuur en componenten op de productielijn beïnvloeden elkaar en overlappen elkaar, waardoor een grote "samengestelde" trillingssymfonie ontstaat. Vaak kunnen alleen ervaren domeinexperts ‘begrijpen’ welke ‘lettergreep’ afwijkt. Daarom zal Siemens naast oplossingen voor kunstmatige intelligentie ook deskundige analysediensten leveren. Ten slotte worden de resultaten van de data-analyse in combinatie met kunstmatige intelligentie en expertervaring aan klanten gepresenteerd, en zijn de werkingsstatus van de apparatuur en trendvoorspelling in één oogopslag duidelijk. Fang Wei, directeur van de fabrieksautomatiseringsservice van de Siemens Digital Industry Group, zei: "vertrouwend op rijke ervaring en expertise op het gebied van trillingsanalyse kunnen gezaghebbende experts van Siemens Beijing Benz helpen beoordelen of de gegevens geldig zijn en of de fout zich werkelijk voordoet , om de nauwkeurigheid van de voorspellingsresultaten verder te verbeteren." Vooruitziendheid wint de toekomst Als een 'killer'-toepassing op het gebied van het industriële internet der dingen kan voorspellend onderhoud duidelijke voordelen opleveren voor productiebedrijven, waaronder Beijing Benz: intern kan het bedrijven helpen ongeplande stilstand te verminderen, de exploitatie- en onderhoudskosten te verlagen en de productie-efficiëntie te verbeteren; Extern kunnen ondernemingen gedifferentieerde concurrentievoordelen behalen, om zo het voortouw te nemen in de hevige concurrentie op de markt. De algemeen directeur van Beijing Benz zei: "met de snelle ontwikkeling van Beijing Benz en de jaarlijkse toename van de productiecapaciteit moeten we vertrouwen op een efficiënte exploitatie en onderhoud om de continuïteit van de productie te garanderen. Het intelligente voorspellende onderhoudssysteem van de pers, dat is gebouwd met de hulp van Siemens en kan ons helpen de transformatie van de traditionele bedienings- en onderhoudsmodus naar de digitale en intelligente bedienings- en onderhoudsmodus te bevorderen. We kijken ernaar uit om de samenwerking met Siemens in de toekomst te versterken en blijven samenwerken om een nieuwe blauwdruk te schrijven voor de digitale transformatie en modernisering van het depot.” De proactieve wijsheid van voorspellend onderhoud kan bedrijven in staat stellen het heden te begrijpen en de toekomst met meer vertrouwen tegemoet te treden.
Sinds de officiële lancering in december 2019 heeft het systeem Beijing Benz geholpen bij het succesvol voorspellen van veel potentiële apparatuurstoringen. In mei 2020 ontdekte het systeem bijvoorbeeld dat de motortrillingen van het hydraulische station van het rekkussen abnormaal zijn. Als het zich mag ontwikkelen, zal de algehele productielijn worden stilgelegd zodra het rekkussen niet meer werkt, en kan het vier tot vijf uur duren om reserveonderdelen te vervangen. Na ontvangst van de systeemwaarschuwing voerde Beijing Benz op tijd onderhoud uit, spoorde snel de oorzaak van het probleem op en verving de reserveonderdelen zonder de productie te beïnvloeden. Zo wordt een lastige ongeplande uitval een korte geplande uitval. Zhou Linfei, senior onderzoeker van het Siemens China Research Institute, zei: "Neem voorzorgsmaatregelen, waardoor iedereen echt de waarde van industriële kunstmatige intelligentie gaat voelen." Geef de apparatuur een "gezondheidscontrole" Je bent vast benieuwd hoe het onvoorspelbare magische vermogen van "voorspellend onderhoud" wordt gerealiseerd? In feite is dit vergelijkbaar met het proces waarbij mensen naar het ziekenhuis gaan voor gezondheidsonderzoek. Na registratie moeten we over het algemeen temperatuurmetingen, bloedafname, CT en andere onderzoeken ondergaan om verschillende gezondheidsindicatoren van het lichaam te verkrijgen. Daarna zal het medische instrument automatisch een lichamelijk onderzoeksrapport afgeven dat voor iedereen gemakkelijk te begrijpen is, waarbij wordt beoordeeld of verschillende indicatoren van het lichaam normaal zijn volgens het vooraf ingestelde model in het systeem, zoals of de bloedroutinetestgegevens binnen de drempelbereik, en suggesties geven voor het verbeteren van de persoonlijke gezondheid. Natuurlijk kunnen medische instrumenten niet alle ziekten direct beoordelen. Als de in het rapport aangegeven gezondheidsproblemen complex of onzeker zijn, zal de arts ingrijpen bij verder lichamelijk onderzoek en diagnose van de aandoening. Op dezelfde manier moet het voorspellende onderhoudssysteem ook de ‘gezondheidsgegevens’ van de apparatuur verzamelen via de sensoren die op de apparatuur zijn geïnstalleerd om de basis te leggen voor daaropvolgende voorspelling en diagnose. Met de Beijing Benz-stempellijn als voorbeeld heeft Siemens 62 trillingssensoren en 10 temperatuursensoren ingezet om de bedrijfsgegevens van belangrijke apparatuur, waaronder de gelijkstroommotor, versnellingsbak en lagerkast, in realtime te verzamelen. Elke sensor verzamelt meer dan 20.000 trillingsgegevens per seconde. Vervolgens analyseert het systeem zo’n enorme hoeveelheid gegevens op basis van machine learning-technologie. Verwijzend naar de historische gegevens heeft het systeem vooraf het apparatuurgezondheidsmodel, het anomaliedetectiemodel en het trendanalysemodel opgesteld. Wanneer de nieuw verzamelde gegevens abnormaal afwijken, zal het systeem tijdig alarm geven. Verschillende abnormale indicatoren duiden op verschillende potentiële "ziekten", en de resultaten van kunstmatige intelligentie-analyse kunnen ook richtinggevende onderhoudssuggesties geven "afhankelijk van het geval". Kunstmatige intelligentie is een verlengstuk van het menselijk vermogen. Het legt "onvermoeibaar" enorme hoeveelheden gegevens onmiddellijk vast en analyseert het, en realiseert real-time monitoring onder alle weersomstandigheden. Kunstmatige intelligentie is echter niet almachtig en kan de menselijke intelligentie niet volledig vervangen. Bij het stempelproces weerspiegelen trillingen rechtstreeks de gezondheidsstatus van de apparatuur in het bewerkingsproces, wat erg belangrijk maar uiterst complex is. De trillingen van verschillende apparatuur en componenten op de productielijn beïnvloeden elkaar en overlappen elkaar, waardoor een grote "samengestelde" trillingssymfonie ontstaat. Vaak kunnen alleen ervaren domeinexperts ‘begrijpen’ welke ‘lettergreep’ afwijkt. Daarom zal Siemens naast oplossingen voor kunstmatige intelligentie ook deskundige analysediensten leveren. Ten slotte worden de resultaten van de data-analyse in combinatie met kunstmatige intelligentie en expertervaring aan klanten gepresenteerd, en zijn de werkingsstatus van de apparatuur en trendvoorspelling in één oogopslag duidelijk. Fang Wei, directeur van de fabrieksautomatiseringsservice van de Siemens Digital Industry Group, zei: "vertrouwend op rijke ervaring en expertise op het gebied van trillingsanalyse kunnen gezaghebbende experts van Siemens Beijing Benz helpen beoordelen of de gegevens geldig zijn en of de fout zich werkelijk voordoet , om de nauwkeurigheid van de voorspellingsresultaten verder te verbeteren." Vooruitziendheid wint de toekomst Als een 'killer'-toepassing op het gebied van het industriële internet der dingen kan voorspellend onderhoud duidelijke voordelen opleveren voor productiebedrijven, waaronder Beijing Benz: intern kan het bedrijven helpen ongeplande stilstand te verminderen, de exploitatie- en onderhoudskosten te verlagen en de productie-efficiëntie te verbeteren; Extern kunnen ondernemingen gedifferentieerde concurrentievoordelen behalen, om zo het voortouw te nemen in de hevige concurrentie op de markt. De algemeen directeur van Beijing Benz zei: "met de snelle ontwikkeling van Beijing Benz en de jaarlijkse toename van de productiecapaciteit moeten we vertrouwen op een efficiënte exploitatie en onderhoud om de continuïteit van de productie te garanderen. Het intelligente voorspellende onderhoudssysteem van de pers, dat is gebouwd met de hulp van Siemens en kan ons helpen de transformatie van de traditionele bedienings- en onderhoudsmodus naar de digitale en intelligente bedienings- en onderhoudsmodus te bevorderen. We kijken ernaar uit om de samenwerking met Siemens in de toekomst te versterken en blijven samenwerken om een nieuwe blauwdruk te schrijven voor de digitale transformatie en modernisering van het depot.” De proactieve wijsheid van voorspellend onderhoud kan bedrijven in staat stellen het heden te begrijpen en de toekomst met meer vertrouwen tegemoet te treden.