工業製造
産業用モノのインターネット | 工業材料 | 機器のメンテナンスと修理 | 産業プログラミング |
home  MfgRobots >> 工業製造 >  >> Manufacturing Technology >> 産業技術

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

原文:Towards Data Science掲載

過去数ヶ月、私たちは予知加工製品の新ユースケースを静かに監視・発見してきました。ストリームライン化されたオペレーターインターフェースが、便利なことに「裏側でのラベル付きデータ収集プラットフォーム」も兼ねているおかげで、これまでに数百件の工具故障、ベアリング故障、その他機械故障シナリオを観測しています。

お客様と共に、モーターデータ視点から見た典型的機械故障の大規模カタログを作成しました。これを今日は共有します。複数顧客サイトで繰り返し観測された6シナリオについて、「グラフ上のポイント」視点と、ショップフロアでの物理的顕在化の両面からレビューします。これらは以下の通りです。

  1. エンドミル故障による仕上げ不良とスクラップ部品発生
  2. ボールベアリング故障によるスピンドルハウジング損傷
  3. 荒加工工具故障による、仕上げ工具への連鎖的故障
  4. 不正オフセットによるガイドブッシング芯出し狂い
  5. 工具故障による不完全切断
  6. 工具寿命誤推定による工具の過剰・過少使用

本題に入る前に、予知加工サービスのテーゼを確認しましょう。

機械の埋め込みセンサからリッチデータを抽出し、コスト高になり得るさまざまなシナリオを予測・防止する。

  1. リッチデータ:1ミリ秒サンプリング → モーター1台あたり1日1.7億観測値、スピンドル回転数精度0.001 RPM、出力/負荷の連続定格精度0.01%
  2. 埋め込みセンサ:追加センサ不要。データはすべて最新CNC機械が内部制御フィードバックループで使用するもの。すべてのシナリオはCOVID-19パンデミック中に導入され、MachineMetrics担当者が一度も工場床を踏まずに展開
  3. 高コストシナリオの予測・防止:記載シナリオは顧客にコストを与え、防止すれば節約になる。その節約分の一部を収益化

エンドミル故障

復習ですが、すべてのMachineMetrics導入機械にはオペレータータブレットがあり、これは基本的にSamsung GalaxyタブレットまたはiPadを、当社SaaS製品の当該機械ページに向けたものです。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

お客様がオペレータータブレットを使用。

オペレータータブレットはプラットフォームと直接接続されているため、機械が停止すると信号が機械からエッジデバイスへ送られ、クラウドへ集約・ダッシュボード化されます。タブレットはこの新情報を反映し、機械ウェブページにポップアップを表示してオペレーターへ停止理由入力を促します。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

機械停止時にポップアップが表示され、オペレーターに理由コード入力を促します。

時間経過とともにこれらアノテーションが蓄積し、機械がいつ、なぜ故障したかの豊富で詳細なビューが得られます。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

黒線はアノテーションされた故障、赤点は異常負荷。一部赤点が黒線と合わないのは、アノテーションがオペレーターにより漏れるためです。

時間経過とともに、故障タイプごとのパターンが浮かび上がります。上記プロットの黒線はすべてエンドミル故障を表し、特定エンドミルが破損し、部品完成に必要な仕事ができなくなった時点です。エンドミルの後に入る工具は、切削に追加エネルギーを要し、プロット上の赤い高負荷シグネチャを生み出します。これが繰り返し観測されるため、最初の高負荷シグネチャを検知した時点で機械を即座に停止(フィードホールド)するシンプルな閾値アルゴリズムを構築できました。

物理的顕在化では、良好なエンドミルで切削された良品はスロットに綺麗で光沢のある仕上げを持ちます。破損エンドミルで切削された不良品は、エンドミルがスムーズな仕上げを作れず、後続工具も正しく機能できないため、粗いスロットになります。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

当社製品では、これら不良スロット部品が作られる前に、この機械の負荷を監視しフィードホールドを発行しています。過去4ヶ月で複数機械上で60回のフィードホールドを実行、偽陽性3件、見逃し2件(精度95%、再現率96%)、2,000個以上のスクラップ部品製造を防止し、機械再設定の膨大な工数を節約しました。補足ですが、これらは小型部品・小型工具での話です。非常にセンシティブなモーターデータを取得する際、サイズはほぼ制約になりません。これら機械から出るすべての部品は、かつて抱えていた欠陥のない、光沢ある新品同様の状態です。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

かなり面白いでしょう? これは多数のユースケースの一つに過ぎません。私たちをワンパターンだと思わなかったでしょう?

ボールベアリング故障

エンドミル故障と同様、ベアリング故障も材料と人員の両面で高コストになり得ます。

エンドミル故障と異なり、ベアリング故障はパターン面から全く異なる様相を呈します。

エンドミル故障と同様、同じタイプのリッチモーターデータと収集手法を使用します。

エンドミル故障と異なり、ベアリング故障は長期間(数日〜数週間)にわたり顕在化し、かなり前もって予防可能です。

まず、ベアリング故障直前の機械負荷を、故障2時間前のデータスナップショットで調査しましょう。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

[フルサイズ画像を見る]

各ラインは特定工具の負荷です。ロケット科学者でなくても、ここで何が起きているかは明らかです。実際のベアリング故障の約15分前から、すべての工具で負荷が急上昇しています。これは、機械が徐々に損なわれるキー コンポーネントからの追加応力を経験しているためと考えられます。

故障前15分の部品ごとの進行を見ると、もう一つ興味深いパターンが現れます。負荷が時間とともに変性(デジェネレート)していくのです。各切削で、指数関数的にスペックアウト方向へ負荷が外れていきます。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

同じ部品を作る別機械の別ベアリング故障と比較しても、パターンは驚くほど類似しています。これがベアリング故障固有のシグネチャだからです。後続工具で負荷ジャンプを見せるエンドミル故障とは異なり、ベアリング故障ではすべての工具で著しい変性的負荷増加を示します。

時間経過で見ると、この変性は実際の故障数日前から始まっています。2台の機械で2回ずつ観測されたが、最終的な急激な上昇(故障直前15分)のずっと前から負荷上昇が見られます。ベアリングは突然壊れるものではなく、最終的な自滅の数日前から、誤用やメンテナンス不足で見逃されてきた緩みや亀裂があるはずです。このケースでは、故障ベアリングがスピンドルハウジングも損傷させ、さらに数千ドルの修理費が発生しました。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

11月ベアリング故障、故障約2日前から負荷上昇。[フルサイズ画像を見る]

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

2月ベアリング故障、故障約1週間前から負荷上昇。[フルサイズ画像を見る]

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

類似故障タイプで見られるこの驚くべき一貫性は、私たちが物理現象を見ており、それが物理法則に支配されているからです。したがって、故障は十分高フィデリティデータから識別可能な決定論的パターンに従います。コツは、このデータを取得し、有用な形にクリーニングすることです。これは我々のIPの大部分を占めます。

このイノベーションは、MachineMetricsチームの特定スキルセットミックスによるものと確信しています。熟練機械オペレーター、サイバーフィジカルプロトコル専門家、CERN出身物理学者、グローバルシンクタンク出身データサイエンティスト、そして「我々が産業の新時代を切り開く」と信じる投資家たちが裏付ける、そんなチームは典型的ではないと。

連鎖的工具故障

工具一列がすべて折損するのは、あらゆるマシニストにとってフラストレーションな経験です。残念ながら、これは業界で非常に一般的です。最初の工具が折れた瞬間を検知し、後続工具が巻き込まれる前に即座に機械を止められたらどうでしょう。

実は可能です。最初の工具が折れた後、後続工具の負荷シグネチャ変化は、まさに「盆に乗って差し出される」レベルで明確です。

ある事例では、最初の工具が機械自体が何か壊滅的な事態を検知して自動停止するより、多くの部品サイクル前に折れていました。自動停止時には他の工具も巻き込まれ、数百ドルの不必要な工具交換コストが発生。最初の工具は摩耗しきって寿命だったため、おそらく救えませんでした。しかしその後の工具、中には新品交換したばかりのものまで巻き込まれる理由はありません。

以下アニメーションで確認できます。オペレーター据え置きの故障部品と機械自動停止がPart 40でしたが、実際にはPart 37あたりからシグネチャが変性し始め、機械自動検知より3サイクル早かったです。この3サイクルで、折れた工具の後続工具が破損しました。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

工具使用期間でも分解してみましょう。工具は異なる線種で区別されます。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

問題領域をズームイン。少し見にくいですが、T101が折れた工具、T117が直後に高負荷を経験してフラットライン(死亡)しているようです。工具交換後、負荷シグネチャは概ね交換前へ戻ります(新品工具によるわずかなスリッページを考慮)。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

このケースのアノテーションは「H1t1 198/200 rougher broke, took out seat.」— 「ヘッド1、工具1、荒加工工具がジョブ中に折れ、200個中198個目で、シート(後続)工具を巻き込んだ」を意味します。

予知加工で信頼性を高める:MachineMetricsの実ユースケース6選

[フルサイズ画像を見る]

まさに、これが起きていたのです。

パート2では、工具寿命推定、不正オフセットの帰結、工具故障による不完全切断をレビューします。お楽しみに。

産業技術

  1. 資産信頼性の革新:予知保全における機械学習の活用
  2. NASA技術が生んだ日常生活を変える30の発明
  3. CNC工作機械完全ガイド:種類、プログラミング、用途を徹底解説
  4. NC工作機械(数値制御):定義、仕組み、メリット・デメリット
  5. Fusion 360マスター:サーフェスモデリングを活用した複雑形状加工
  6. AIと機械学習がCNC機械加工に革命をもたらす
  7. 製造業における予測分析の活用:実証済みユースケースと具体的メリット
  8. クーラントが加工成功に不可欠な理由:工具寿命、仕上げ、効率
  9. 精密加工における切削液の重要な役割
  10. CNC加工が変革する軍事・防衛生産
  11. 精密プロジェクトのための適切なCNC工作機械工場の選び方