Bagaimana AI dan Pembelajaran Mesin Berdampak pada Pemesinan CNC
Dari rantai pasokan hingga bagian yang sudah jadi dan terpasang, pengoptimalan inkremental akan menjadi inti dari pekerjaan manufaktur di masa mendatang. Apa yang diperlukan untuk membuat pengoptimalan lebih otomatis? Kecerdasan mesin dan pembelajaran mesin. Kami menjelajah.
Mesin manufaktur saat ini terletak di dalam mesin CNC. Tapi di mana arah CNC? Menuju pengoptimalan otomatis yang berkelanjutan, kata pakar industri dan akademisi.
Pengoptimalan mungkin terdengar seperti konsep yang sederhana, tetapi rumit—terutama untuk mengotomatisasi. Ada begitu banyak teknologi yang mendasarinya, termasuk perangkat lunak dan data—dan interpretasi manusia—yang diperlukan untuk membuat otomatisasi dalam manufaktur menjadi kenyataan.
Kami melihat dua area yang diharapkan benar-benar berdampak dalam sistem CNC:pembelajaran mesin dan kecerdasan buatan, atau “AI.” Kecerdasan buatan—baik dari algoritme berbasis perangkat lunak, probe pintar, atau perintah suara—adalah setengah dari teka-teki pengoptimalan. Setengah lainnya adalah pembelajaran mesin.
Pembelajaran mesin mengambil data mesin dan, secara teori, mengoptimalkan diri atau mengubah arah untuk mengambil tindakan korektif. Bukan berarti tidak ada keterlibatan manusia. Sebaliknya, ini berarti ada keterlibatan manusia yang konsisten yang mendefinisikan dan menyempurnakan atau mengajarkan mesin parameter pengoptimalan—melalui penilaian analitis, simulasi, pemrograman, dan pengujian.
Bayangkan sistem dengan utilitas yang lebih prediktif yang melaporkan mesin bernuansa dan informasi pembuatan suku cadang dan diprogram sebelumnya untuk menyesuaikan dan menjadwalkan sendiri waktu henti atau memicu aktivitas mesin di sel yang lebih sehat. Bayangkan sistem operasi mesin yang dapat berkomunikasi dan mengambil tindakan dengan masinis melalui perintah suara.
Apa yang dilakukan hari ini untuk mendekatkan industri ke kondisi masa depan ini? Kami berbicara dengan salah satu pendiri dan CEO MachineMetrics, Bill Bither, dan lainnya untuk mencari tahu.
AI dan Pembelajaran Mesin pada Mesin CNC:Nilai Visibilitas
Dengan latar belakang teknik mesin dan pengetahuan manufaktur di industri kedirgantaraan dan pertahanan, Bither menyadari kebutuhan akan perangkat lunak proses yang lebih bernuansa dan real-time di bidang manufaktur. Bither menghabiskan lima tahun di Hamilton Sundstrand, sebuah divisi dari United Technologies, tempat ia merancang sistem hidraulik.
“Ada peluang untuk memanfaatkan data untuk benar-benar memahami apa yang terjadi di lantai pabrik dan untuk membuat keputusan yang lebih baik,” kata Bither. “Tantangannya adalah cukup sulit untuk terhubung ke mesin. Jadi kami memulai sebuah perusahaan kurang dari lima tahun yang lalu untuk meningkatkan visibilitas produksi dengan membuatnya mudah untuk terhubung ke mesin CNC.”
MachineMetrics menyediakan visualisasi real-time dari analitik mesin CNC—atau yang disebut Bither sebagai “analitik deskriptif” yang memungkinkan perusahaan melihat metrik produksi yang akurat, seperti tingkat pemanfaatan, dan melacaknya ke tujuan produksi. Ada beberapa area analitik lain yang menyediakan informasi, termasuk data diagnostik, prediktif, dan preskriptif.
Hasilnya:throughput dan efisiensi meningkat 20 persen atau lebih di seluruh basis 100 pelanggan dari produsen menengah hingga besar. Mengingat kumpulan datanya yang besar di ribuan mesin, platform MachineMetrics juga menyertakan tolok ukur—yang membantu perusahaan mengukur diri mereka sendiri terhadap rekan-rekan dan tetap kompetitif.
Membuat keputusan yang lebih baik tidak hanya tentang berinvestasi dalam peralatan, kata Bither. Dengan data produksi yang lebih detail, produsen dapat menilai proses mana yang perlu dioptimalkan. Data diagnostik dapat membantu tim pemeliharaan dan pembuat mesin meningkatkan fungsi dan menciptakan umpan balik yang nyata.
Data prediktif memungkinkan tim untuk memahami kondisi dan kapan CNC membutuhkan bantuan. Analitik preskriptif memanfaatkan kondisi untuk menawarkan arahan dan panduan yang tepat waktu kepada operator.
Permesinan CNC Cerdas:Alarm, Pemicu, dan Pemantauan Spindle
“AI adalah istilah yang sangat umum,” kata Bither. “Jika manusia tidak harus menjalankan perhitungan di kepala mereka dan mesin melakukannya, itu bisa dianggap 'AI.' Dengan pembelajaran mesin, ada beberapa kasus penggunaan yang sangat spesifik untuk itu … Ada pembelajaran mesin yang diawasi, yang membutuhkan pelatihan dan umpan balik, dan pembelajaran mesin tanpa pengawasan yang tidak.”
Memahami kegagalan spindel atau secara otomatis mengklasifikasikan waktu henti dapat memerlukan pembelajaran mesin, jelas Bither. Peringatan yang dipicu oleh logika sederhana yang memberi tahu operator bahwa mesin telah mati tiga kali hari ini belum tentu pembelajaran mesin itu sendiri—tetapi ini adalah jenis algoritme cerdas berbasis aturan yang membantu operator manusia melacak dan mengelola sistem dengan mudah.
Teknologi berbasis kecerdasan membuat pekerjaan operator menjadi lebih proaktif. Informasi yang tepat waktu dapat menjadi perbedaan antara kehilangan hari keuntungan dari CNC dan kemampuan untuk menjadwalkan dan mengatur jalur alternatif menuju sasaran produksi.
Otomasi dan kecerdasan berbasis sensor pintar juga telah hadir dalam manajemen inventaris dan solusi penjual untuk perkakas. Pelajari cara kendalikan dan kurangi sampah dalam pembelanjaan persediaan.
AI dan Pembelajaran Mesin Memungkinkan Keputusan yang Lebih Cerdas dan Pemahaman yang Lebih Dalam tentang Kegagalan Alat, Umur Alat, dan Kualitas Suku Cadang
MachineMetrics tidak sendirian. Insinyur di Pabrik 2050 Pusat Penelitian Manufaktur Lanjutan di Sheffield, Inggris, juga menggunakan AI dan pembelajaran mesin untuk pemanfaatan mesin. Mereka menggunakan perangkat keras komputasi tepi untuk melacak konsumsi daya dalam komponen suspensi otomotif. Mereka juga bekerja dengan Tinsley Bridge untuk memantau proses manufaktur.
“Menginterogasi tingkat pemanfaatan mesin kami berarti kami memiliki visibilitas yang lebih baik tentang apa yang sedang diproduksi dan kapan, dan kemampuan untuk menilai apakah kami menjadwalkan secara efektif,” kata Russell Crow, direktur teknik di Tinsley Bridge, dalam Metrology News artikel.
Fase berikutnya dari proyek ini adalah mengajarkan alat berat untuk mempelajari dan mendeteksi komponen yang tidak sesuai dalam produksi dan menemukan keausan pahat yang tidak konsisten yang dapat memengaruhi kualitas suku cadang.
“Wawasan yang akan diberikan AI akan memungkinkan kami mengidentifikasi kapan mesin kami akan memerlukan intervensi untuk perubahan alat, atau berapa lama kami dapat menjalankannya tanpa intervensi,” kata Crow. “Memprediksi kegagalan alat dan memperpanjang masa pakai alat juga akan memengaruhi tingkat waktu pertama kali yang tepat, mengurangi suku cadang yang tidak sesuai, dan meningkatkan produktivitas.”
Apakah Anda perlu menjawab pertanyaan teknis? Tanya Tim Teknologi Pengerjaan Logam MSC di forum.
Otomasi dalam Manufaktur Membebaskan Waktu untuk Pemecahan Masalah Penting
Masa depan permesinan tidak diragukan lagi akan lebih otomatis. Dengan kesenjangan keterampilan yang akan datang dan evolusi teknologi yang terjadi secara bersamaan, otomatisasi akan meningkatkan nilai pekerja yang memprogram, memecahkan masalah, dan memelihara sistem CNC otomatis dan suku cadang yang diproduksi.
Desainer industri, insinyur proses, dan operator mesin akan bekerja lebih erat daripada sebelumnya, para pakar industri mengharapkan.
“[Kebanyakan] produsen percaya bahwa penyebab No. 1 dari kekurangan keterampilan adalah 'pergeseran keterampilan karena pengenalan teknologi dan otomatisasi baru yang canggih,'” tulis Manufacturing Institute dan Deloitte dalam laporan 2018 mereka tentang kesenjangan keterampilan dan masa depan pekerjaan
Untuk mempelajari lebih lanjut tentang keterampilan masa depan yang dibutuhkan di lantai toko, baca “ Industri 4.0:Keterampilan Manufaktur Dibutuhkan di Pabrik Cerdas .”
Tetapi untuk mencapai tempat otomatisasi membutuhkan pemrograman mesin yang kompleks dan integrasi yang lebih dalam dari internet dan teknologi berbasis cloud. Kedepannya, kata dia, akan dioptimalkan agar produksi bisa optimal. Dan keterampilan digital, bersama dengan pemikiran yang lembut, kritis, dan keterampilan manajemen orang, juga diperlukan, menurut studi Deloitte and Manufacturing Institute, yang menulis:
“Di bidang manufaktur, hal ini umumnya diterjemahkan menjadi pemecahan masalah dalam produksi, seperti memiliki kemampuan untuk mengidentifikasi kegagalan kualitas dengan suku cadang yang berasal dari jalur produksi otomatis dan, yang lebih penting, mengambil tindakan yang memperbaiki masalah secara real time.”
Crow, dari Tinsley Bridge, sependapat. Kualitas masa depan berasal dari proses dan pengoptimalan mesin secara bersamaan.
“Di masa depan, wawasan tentang data kami akan memungkinkan kami untuk menjalankan mesin kami secara lebih efektif, sehingga kami dapat meluangkan waktu bagi teknisi kami untuk mengerjakan tugas-tugas bernilai tambah seperti pemrograman untuk banyak pekerjaan atau mesin, menciptakan pabrik yang lebih cerdas yang akan membantu kami memproduksi produk yang secara teknis canggih,” kata Crow.
Seberapa menyakitkan proses kalibrasi ulang mesin bagi Anda? Bicarakan di forum . [pendaftaran diperlukan]
