Im Bereich der Automatisierung von Verbraucherproduktverpackungen stehen automatische Kartonmaschinen als wichtige Ausrüstung am Ende der Produktionslinie derzeit mit zwei wichtigen Widersprüchen: Aufgrund der schnellen Veränderungen der Marktnachfrage werden die Bestellungen immer mehr verstreut und die Arten von Produktspezifikationen, die verpackt werden müssen, steigen ebenfalls stark an. Beispielsweise hatte ein Pharmaunternehmen ursprünglich nur 5 Arten von Verpackungskästen, muss sich jedoch jetzt mit 32 verschiedenen Spezifikationen befassen, was zu einer Erhöhung von mehr als fünfmal bei der Arbeitsbelastung der Ausrüstungswechsel und -anpassung führt. Andererseits entspricht die Effizienz des Gerätebetriebs nicht den Erwartungen, und die Gesamteffizienz herkömmlicher Modelle beträgt normalerweise nur 65% bis 75%, von denen unerwartete Ausfallzeiten etwa 20% der gesamten Arbeitszeit ausmachen können, was einen direkten Einfluss auf die Produktionskosten hat. Laut Statistiken von Lebensmittelunternehmen wird jede Stunde der Ausfallzeit von Geräten einen Verlust von etwa 10 verursachen, 000 yuan, und jeder prozentuale Punkterhöhung der Produktfehlerrate senkt den Jahresgewinn um fast 10%.
Als Reaktion auf diese Schmerzpunkte muss die Geräteoptimierung eine systematische Verbesserung in drei Schlüsselindikatoren erzielen: Erstens muss die effektive Auslastungsrate von Geräten auf mehr als 95%erhöht werden und ungeplante Ausfallzeiten müssen innerhalb von 5%kontrolliert werden. Zweitens muss die Glätte des Betriebs Geschwindigkeitsverluste wie Leerlaufförderbänder oder nutzlose Arbeit von Roboterarmen beseitigen. Schließlich muss die Produktkonformitätsrate von den ursprünglichen 3%-5%auf weniger als 0. 5%reduziert werden. Das gesamte Verbesserungsrahmen kann als geschlossene Schleife von drei Verbindungen verstanden werden: Festlegen eines Vorwartungsmechanismus, um die Ausfallwahrscheinlichkeit zu verringern, dann die Parameter in Echtzeit so anzupassen, dass die aktuellen Arbeitsbedingungen angepasst werden, und schließlich die Kombination von Personaloperationen, um die Reaktionszeit von Notfällen zu verkürzen. Kurz gesagt, es ist notwendig, Probleme zu verhindern, sich dynamisch anzupassen und zwischen Menschen und Maschinen zu kooperieren.
2. Verbesserung der mechanischen Struktur: Verbesserung der Betriebsstabilität und -geschwindigkeit
Aus dem tatsächlichen Anwendungsszenario gibt es im Betrieb viele Geräte im Übertragungssystem vieler Geräte. Zum Beispiel besteht eine Lücke zwischen den Zahnrädern, so Ein weiteres Beispiel ist das Problem des Gürtelschlauches, das häufig Geschwindigkeitsschwankungen von mehr als 5%verursacht. In Bezug auf das modulare Design erfordert jede Änderung der traditionellen mechanischen Struktur 6 bis 8 Stunden Debugging. Eine solche lange Vorbereitungszeit führt dazu, dass die Gerätekapazität nicht vollständig genutzt wird.
Bei der Auswahl der Verbesserungspläne ist das Material -Upgrade ein direkterer Durchbruch. Zum Beispiel wurde das Gewicht im Vergleich zum Original um etwa 4 0% reduziert, nachdem eine tägliche chemische Fabrik das Material der Transmissionswelle durch Aluminiumlegierung ersetzt hatte, und die Reaktionsgeschwindigkeit wurde um ein Viertel erhöht. Jetzt gibt es auch Unternehmen, die versuchen, Kohlefaserverbundwerkstoffe für Roboterarmgelenke zu verwenden, und die Griffgenauigkeit kann im Bereich von ± 0. 1 mm gesteuert werden. In Bezug auf die dynamische Lastanpassung ist die Lösung des Servomotors mit elastischer Kopplung relativ typisch. Einfach ausgedrückt, der Lastzustand wird jederzeit durch den Drehmomentsensor überwacht, und die Ausgangsleistung wird dynamisch eingestellt, sodass die Aufprallkraft um 6 0%reduziert werden kann. Nach einer Fabrik, in der elektronische Produkte verwendet werden, wurde der Schwingungswert der Geräte bei hoher Geschwindigkeit von 0,8 mm pro Sekunde auf 0,2 mm pro Sekunde reduziert.
In Situationen, in denen häufige Modelländerungen erforderlich sind, ist das standardisierte Schnittstellendesign eine praktikable Idee. Durch pneumatische Schnellverbindungsanschlüsse und vorgezogene elektrische Module kann die Modelländerungszeit auf weniger als zwei Stunden komprimiert werden. Jetzt erstellen einige Unternehmen zuerst ein virtuelles Modell im Computer, um Parameter zu debuggen, und importieren dann die Konfigurationsparameter direkt in die reale Maschine. Es gibt einen Fall eines Pharmaunternehmens, das als Referenz verwendet werden kann. Sie ersetzten das herkömmliche Getriebe durch eine Direktantriebsmethode des Servo -Motors und beseitigten die Zwischenverbindung. Infolgedessen stieg die Box -Ladegeschwindigkeit von 120 Boxen pro Minute auf 156 Boxen, und die Anzahl der Getriebefehler sank von 18 -mal pro Jahr auf dreimal.
3. Optimierung des Box -Ladungsprozesses: Verringerung der Materialblockade und Box -Maulerfehler
Bei der Analyse spezifischer Probleme wurde festgestellt, dass die häufigere Situation in der Gestaltung des Materialübertragungsweges Fehler gibt. Wenn beispielsweise der Drehradius der Verpackungsbox zu klein ist (z. B. weniger als das Dreifache der Länge des Materials), steigt die Möglichkeit einer Jamming erheblich an. Eine andere Sache, auf die Sie achten müssen, ist die Winkelkontrolle des Faltprozesses. Wenn die Abweichung etwa 2 Grad überschreitet, führt sie im Grunde zum Problem der losen Versiegelung.
Für diese Situationen kann die Idee der segmentierten Verarbeitung übernommen werden: Erstens wird eine Pufferstruktur im Förderbandbereich installiert. Zum Beispiel ist ein segmentiertes Förderbanddesign von einer Snackfabrik, jeder Förderabschnitt mit einem unabhängigen Motorantrieb ausgestattet. Diese Lösung kann die Wahrscheinlichkeit einer Materialakkumulation auf weniger als 2%reduzieren. Die zweite ist die Verbesserung der Qualitätsprüfungsverbindung, z. B. die Verwendung einer Kamera zum Erkennen eines pneumatischen Geräts. Wenn festgestellt wird, dass die Papierkiste deformiert ist, wird sie sofort mit einer Genauigkeit von mehr als 99%ausgeblasen.
In Bezug auf die Anpassung der Parameter ist es erforderlich, auf die Koordination zwischen Geräten wie der Geschwindigkeitskoordinationslösung zu achten, dh die Übertragungsgeschwindigkeit wird automatisch über das SPS -Steuerungssystem eingestellt, um sicherzustellen, dass der Zeitunterschied zwischen der Entfaltung des Papierboxs und des Materialsdrucks {0. 1 Sekunden nicht überschreitet. Es gibt auch eine automatische Korrekturfunktion für den Faltwinkel, der in Echtzeit gemäß den Drucksensordaten angepasst wird, so dass die qualifizierte Rate von etwa 90% auf fast 99% erhöht werden kann.
In der tatsächlichen Anwendung stellte eine Milchfabrik fest, dass nach der Optimierung des ARC des Übertragungsweges und der Installation eines Qualitätsinspektionssystems, das den Bildschirm überwacht
4. Parameter-Präzisionsanpassung: Von Erfahrung zu datengetriebenen Erfahrung
Zunächst müssen wir herausfinden, welche Parameter besonders kritisch sind. Zum Beispiel der Parameter des Förderbands Laufgeschwindigkeit. Experimentelle Daten zeigen, dass die Geschwindigkeit, die um mehr als 5%schwankt, die Wahrscheinlichkeit einer Materialabweichung verdreifacht. Ein weiteres Beispiel ist die Stärke des Roboterarms, um Dinge zu greifen. Wenn der Festigkeitsfehler 10%überschreitet, kann es möglicherweise nicht in der Lage sein, das Paket zu greifen, oder im Gegenteil kann er Markierungen auf der Oberfläche des Produkts drücken.
In Bezug auf Debugging -Methoden können die effektiveren in zwei Kategorien unterteilt werden. Die erste Kategorie besteht darin, die experimentelle Entwurfsmethode wie L9 zu verwenden, eine dreistufige vier-Faktor-orthogonale Tabelle, um Permutationen und Kombinationen vorzunehmen und die verschiedenen Parameter Zahnräder wie Förderbandgeschwindigkeit und Roboterarmstärke anzuordnen. Eine Elektronikfabrik fand die optimale Parameterkombination durch diese Methode, wie z. B. den besten Effekt, wenn der Förderband auf 1,2 m\/s eingestellt wird und die Roboterarmstärke bei 15 Newtons gesteuert wird. Der Vorteil dieser Methode besteht darin, dass sie den Debugging -Zyklus komprimieren kann, der ursprünglich einen Monat bis etwa eine Woche erforderte.
Die zweite Art der Echtzeit-Kontrollmethode basiert hauptsächlich auf Sensoren und Algorithmen. Durch die Installation eines Drucksensors auf der mechanischen Klaue und der Kombination mit dem PID -Kontrollalgorithmus reduzierte eine pharmazeutische Firma die Kraftschwankung durch den ursprünglichen 3 Newton -Fehler auf 0. 5 Newton. Ein weiteres Beispiel ist die Verwendung eines visuellen Systems als Leitfaden und Kombination der Bilderkennungstechnologie, um die Abweichung dynamisch zu korrigieren. In tatsächlichen Tests wurde festgestellt, dass die Positionierungsgenauigkeit plus oder minus 0. 3 mm erreichen kann.
Jetzt haben viele Unternehmen begonnen, virtuelle Simulationsplattformen zu nutzen, um das Debuggen zu unterstützen. Einfach ausgedrückt, es soll eine virtuelle Fabrik im Computer erstellen und die Änderungen der Produktionseffizienz durch Ändern der Parameter beobachten. Ein Produktionsunternehmen verwendete diese Methode, um die Debugging -Zeit um 60%zu verkürzen, und die damit verbundenen Überprüfungskosten wurden ebenfalls um fast die Hälfte gesenkt. Besonders interessant ist, dass dieses digitale Modell auch einige extreme Parameterkombinationen simulieren kann, die nicht in der Realität beiläufig ausprobiert werden können, was den Ingenieuren mehr Möglichkeiten bietet.
V. Vorbeugende Wartung: Von der passiven Aufrechterhaltung bis zum aktiven Gesundheitsmanagement
1. herkömmliche Erhaltspunkte
· Übermäßige Wartung ist häufig: Zum Beispiel müssen einige Fabriken jeden Monat regelmäßig gewartet werden, was dazu führt, dass etwa 30% der Lager ersetzt werden, bevor ihre Lebensdauer abgelaufen ist. Dies kann jedes Jahr mehr als 500, 000 Yuan in Abfall verursachen;
· Plötzliche Fehler, die durch verpasste Inspektionen verursacht werden: Laut Statistiken werden etwa 60% der Geräteausfälle tatsächlich durch frühe Verschleiß verursacht, die nicht rechtzeitig erkannt wurden. Dies ist wie ein Arzt, der die frühen Anzeichen von Läsionen bei Röntgenstrahlen nicht sieht, und wenn der Patient Symptome aufweist, wurde häufig die beste Zeit für die Behandlung übersehen.
2. Upgrade des Wartungssystems
· In Bezug auf die Bedingungsüberwachungstechnologie: Vibrationssensoren werden jetzt hauptsächlich in Verbindung mit der Spektrumanalysetechnologie (dh FFT -Analyse) verwendet. Zum Beispiel verwendete ein tägliches chemisches Unternehmen diese Methode, um die abnormalen Verschleißeigenschaften des Getriebe zwei Wochen im Voraus zu ermitteln. Es gibt auch Methoden wie die thermische Infrarot -Bildgebung. Wenn der Motor überlastet ist, wird er normalerweise von einem abnormalen Temperaturanstieg von 8-12 Grad begleitet, und das System löst automatisch einen Wartungsalarm aus.
· Über konditionsbasierte Wartung (CBM): Viele Unternehmen erstellen jetzt Geräte-Gesundheitsindexmodelle, mit denen mehr als zehn Parameter wie Schwingungsdaten, Temperaturänderungen, Stromschwankungen usw. integriert werden können, und berechnen dynamisch, welche Geräte vorrangige Wartung benötigt. Gleichzeitig wird es auch mit dem Inventarsystem für Ersatzteile verknüpft. Nach den Vorhersageergebnissen können beispielsweise drei Tage im Voraus wichtige Teile vorbereitet werden, so dass die Effizienz des Ersatzteile -Inventarumsatzes um etwa 40%erhöht wird.
Personal Empowerment: Von den Betreibern über Effizienzverbesserungspartner
1. Analyse des aktuellen Status der Personalfähigkeiten
· Skill -Mangel: Derzeit bleiben die Betreiber hauptsächlich auf grundlegender Betriebsebene, z. B. Gerätestart und Stopp, beispielsweise haben sie kein tiefes Verständnis der Betriebslogik hinter den Parametern.
· Reaktionsmechanismus: Wenn sie auf abnormale Situationen stoßen, müssen sie häufig darauf warten, dass Ingenieure eine Fernunterstützung bieten. Insbesondere dauert es durchschnittlich mehr als 40 Minuten, um das Problem zu lösen.
Kapazitätstrainingsplan
Fähigkeitstraining:
· VR -Simulationstrainingsystem: Indem die Bediener in einer virtuellen Umgebung wiederholt die Behandlung verschiedener Ausfallszenarien üben, wurden die Arbeiter auf der Automobilmontagelinie auf diese Weise trainiert, und die Geschwindigkeit der Identifizierung von Förderbandstaus ist um dreimal um 3 Mal gestiegen.
· Visualisierung des Betriebsprozesses: Nach Umwandlung experimenteller Daten in Betriebsanweisungen mit Symbole zeigt der Auftragsfall einer chemischen Anlage, dass die Genauigkeit der Anpassung der Reaktorparameter von Operatoren von mehr als 60% auf mehr als 90% gestiegen ist.
Anreizmechanismus -Ebene:
· Leistungsverbesserungspreis: Zum Beispiel wird ein Elektronikfabrik einen monatlichen Bonuspool eingerichtet, und das Team wird für jeden 1 -Prozentpunkt -Anstieg der Effizienz der Produktionslinie 5, 000} Yuan belohnt;
· Kollaborativer Arbeitsmodus: Wenn die Betreiber AR -Brillen tragen, um mit Ingenieuren aus der Ferne zusammenzuarbeiten, wurde die Zeit, um den letzten Motorüberhitzungsfehler zu lösen, von zwei Stunden auf 25 Minuten verkürzt.
Schlussfolgerung: Aufbau einer geschlossenen Schleife mit Effizienzoptimierung der Vollkämpfe
Im Allgemeinen erfordert eine vollständige geschlossene Schleife der Effizienzverbesserung eine mehrdimensionale Zusammenarbeit. In Bezug auf die Änderung der Geräte kann beispielsweise die Änderung der Förderbandlager die Wahrscheinlichkeit einer Ausrüstung von Geräten um 20% bis 30% verringern (ca. 20% -40% Reduzierung der Ausfallrate). Die Prozessoptimierung bezieht sich hauptsächlich auf die Echtzeitüberwachung der Montageliniengeschwindigkeit und die dynamische Einstellung der Betriebsparameter, die etwa 15% bis ein Viertel des Materialabfalls einsparen können. In Bezug auf das Personaltraining ist ein typisches Beispiel darin, Erfahrungen mit dem Austausch von Sitzungen alter Meister zu organisieren, um Neuankömmlinge zu leiten. Durch diese Art der Schulung kann die Betriebseffizienz normalerweise um mehr als 10 Prozentpunkte verbessert werden. Für nachfolgende Entwicklungsanweisungen können drei wichtige Punkte in Betracht gezogen werden: Installieren Sie zunächst Netzwerkmodule für die Geräte, um intelligentes Management zu erreichen. Beispielsweise passt die Verpackungsmaschine die Temperaturparameter automatisch anhand der Daten der letzten drei Monate an. Die zweite besteht darin, Edge -Computing -Boxen neben dem Gerät bereitzustellen. Diese Lösung kann 90% der Fehler vor Ort diagnostizieren und korrigieren, und die Reaktionsgeschwindigkeit ist mehrere Größenordnungen schneller als die Wolkenverarbeitung. Noch wichtiger ist, dass es darum geht, ein sich selbst entwickeltes System zu etablieren, damit Maschinen die Arbeitsparameter durch kontinuierliches Lernen optimieren können, genau wie der Menschen Erfahrung sammeln und allmählich autonome Entscheidungsfindung erzielen und sich zu einem intelligenten Produktionsmodell von "selbst wahrnehmenden Problemen, selbstverständlichen Einstellungen und Selbstversorgungsplänen" entwickeln.