Платформа развития корпоративной культуры
CaseStudy, Оценка уровня CaseStudy, Оценка уровня
Опрос: "Оценка уровня цифровой зрелости компании"
CaseStudy, Оценка уровня CaseStudy, Оценка уровня
Опрос: "Оценка уровня осведомлённости персонала об ИИ"
Главная CaseStudy Каталог курсов CaseStudy Введение в цифровую трансформацию CaseStudy Уменьшение брака при производстве легкосплавных автомобильных дисков с помощью предписывающей аналитики
CaseStudy

кейс
6

Уменьшение брака при производстве легкосплавных автомобильных дисков с помощью предписывающей аналитики
CaseStudy
Уменьшение брака при производстве легкосплавных автомобильных дисков с помощью предписывающей аналитики Источник изображения: PxHere, CC0 Public Domain
0 1.

Общая информация

  • Компания/Заказчик: OEM-производитель автомобильных дисков
  • Консалтер/Интегратор: DataProphet
  • География: США
  • Отрасли: Металлургия и машиностроение
  • Области управления бизнеса: производство
  • Решаемые бизнес-задачи: Оптимизация производственных процессов, Сокращение брака
  • Идеологические платформы и тренды: Искусственный интеллект, Машинное обучение
0 2.

Исходная проблема, вызов, идея

Один из ведущих мировых производителей легкосплавных дисков для автомобилей премиум-класса искал возможности для уменьшения "горячего" брака и брака после рентегновской проверки качества продукции.

"Горячий" (т.е. визуальный) брак - определяется в результате ручного осмотра дисков, только что вышедших из литейной печи. Эта категория брака составляла основную часть дефектов литья. Сокращение его количества означало бы значительную экономию от ненужного добавления стоимости к продукту, который впоследствии не прошел бы последующий контроль.

Производитель колес также определил, что "рентгеновский" брак на последующих этапах производства тоже требует сокращения.

0 3.

Принцип решения

Анализ производственных данных и использование предписывающей аналитики для уменьшения брака.

0 4.

Описание кейса

Чтобы сократить количество брака, образующегося при производстве колесных дисков, было развернуто решение DataProphet PRESCRIBE на основе глубокого машинного обучения, предназначенное для оптимизации процессов.

В ходе анализа инфраструктуры данных заказчика было обнаружено, что система отслеживания продукции на заводе не была достаточно непрерывной (т.е. на этапах термообработки, механической обработки и покраски), чтобы PRESCRIBE мог гарантировать уникальную идентификацию продукции из конца в конец.

По этой причине было решено сосредоточиться на двух типах колес с целью оптимизации только этапа литья, в отличие от оптимизации всего процесса изготовления колес.

Общий принцип работы DataProphet PRESCRIBE заключается в непрерывном получении сырых производственных данных и обработке с помощью алгоритмов машинного обучения для поиска сложных, нелинейных взаимозависимостей, лежащих в основе целевого производственного процесса. Более конкретно, PRESCRIBE сопоставляет исторические производственные данные (указывающие, где продуктовая линия исторически давала наилучшие результаты) и текущее состояние производства.

Накладывая исторические и фактические данные о качестве и технологическом процессе, модель PRESCRIBE автоматизирует цикл обновления плана управления для непрерывного улучшения. Для операторов это выглядит как приоритетный список легко выполнимых предписаний на дашборде. Выполнение этих предписаний приближает производство к "наилучшему операционному региону" (BOB, best-of-best).

В рамках проекта компания DataProphet создала систему сбора данных, которая позволила осуществлять мониторинг с высоким разрешением и контекстуализацию данных о технологическом процессе и данных о качестве. Эта система связана с контролируемыми параметрами, которые, по мнению предписывающего ИИ, оказывают наибольшее влияние на снижение количества брака. А именно, модель была обучена генерировать упреждающие предписания в пределах оптимальной технологической зоны для следующих параметров: давление в печи, температура штампа, время включения/выключения каналов охлаждения в штампе, температура металла, температура заполнения металла, температуры установки и сжатого воздуха.

0 5.

Результат

Во время пусконаладочных испытаний операторы завода придерживались критически важного уровня соответствия более 80% предписаниям системы DataProphet для одного из двух целевых типов колесных дисков. Эти корректировки привели к сокращению брака на 29% для этого типа дисков.

По прогнозам, если DataProphet PRESCRIBE будет внедрен на всех изделиях и печах на предприятии, то ежегодная экономия для завода составит более 0,5 млн. евро, а объем производства увеличится на 2,4%.

Помимо снижения количества брака, сам процесс обнаружения данных внес значительный вклад в стандартную операционную процедуру завода, выявив критические области для улучшения регистрирования данных на всей производственной линии.

Введение в цифровую трансформацию

Другие кейсы

Завод Siemens Electronics в Эрлангене как "Digital Lighthouse Factory"

Завод Siemens Electronics в Эрлангене как "Digital Lighthouse Factory"

Подробнее
Платформа мониторинга активов сети АЗС Газпром Нефти

Платформа мониторинга активов сети АЗС Газпром Нефти

Подробнее
"Умный" лесопильный завод Metsä Fibre Rauma

"Умный" лесопильный завод Metsä Fibre Rauma

Подробнее
Внедрение Цифровой Промышленной Платформы  (ЦПП) на предприятиях "МХК "ЕвроХим"

Внедрение Цифровой Промышленной Платформы (ЦПП) на предприятиях "МХК "ЕвроХим"

Подробнее
Цифровой двойник Верхнехавского маслоэкстракционного завода ГК "Благо"

Цифровой двойник Верхнехавского маслоэкстракционного завода ГК "Благо"

Подробнее
Автоматизация логистики хлебокомбината с помощью решения АСУ ТП "Весовой поток"

Автоматизация логистики хлебокомбината с помощью решения АСУ ТП "Весовой поток"

Подробнее
Для улучшения работы сайта и его взаимодействия с пользователями мы используем файлы cookie. Для оценки эффективности сайта мы используем Яндекс.Метрику. Нажмите «Принять», если соглашаетесь с условиями обработки cookie и ваших персональных данных. Вы всегда можете отключить файлы cookie в настройках вашего браузера. Подробности в Политике обработки персональных данных