Bagaimana AI dan Machine Learning Merevolusi Pemesinan CNC
Dari rantai pasokan hingga bagian yang selesai dan dipasang, optimisasi bertahap akan menjadi inti dari pekerjaan manufaktur di masa depan. Apa yang diperlukan untuk membuat optimisasi lebih otomatis? Kecerdasan mesin dan pembelajaran mesin. Kami menjelajahi.
Mesin manufaktur saat ini terletak pada pemesinan CNC. Tetapi kemana CNC bergerak? Menuju optimisasi berkelanjutan dan otomatis, kata para ahli industri dan akademisi.
Optimisasi mungkin terdengar seperti konsep sederhana, tetapi kompleks—terutama untuk diotomatisasi. Ada banyak teknologi di baliknya, termasuk perangkat lunak dan data—dan interpretasi manusia—yang diperlukan untuk membuat otomatisasi di manufaktur menjadi kenyataan.
Kami melihat dua area yang diharapkan akan memberikan dampak nyata dalam sistem CNC: pembelajaran mesin dan kecerdasan buatan, atau “AI.” Kecerdasan buatan—baik dari algoritma berbasis perangkat lunak, probe pintar atau perintah suara—adalah separuh dari teka-teki optimisasi. Separuh lainnya adalah pembelajaran mesin.
Pembelajaran mesin mengambil data mesin dan, dalam teori, mengoptimalkan diri sendiri atau mengubah jalur untuk mengambil tindak korektif. Ini tidak berarti tidak ada intervensi manusia. Sebaliknya, itu berarti ada intervensi manusia yang konsisten yang mendefinisikan dan menyempurnakan atau mengajari mesin parameter optimisasi—melalui penilaian analitik, simulasi, pemrograman dan pengujian.
Bayangkan sistem dengan utilitas prediktif yang lebih tinggi yang melaporkan informasi mesin dan pembuatan bagian yang halus dan sudah diprogram untuk menyesuaikan dan menjadwalkan downtime sendiri atau memicu aktivitas mesin di sel yang lebih sehat. Bayangkan sistem operasi mesin yang dapat berkomunikasi dan mengambil tindakan dengan pemesin melalui perintah suara.
Apa yang dilakukan saat ini untuk mendekatkan industri ke kondisi masa depan ini? Kami berbicara dengan pendiri dan CEO MachineMetrics, Bill Bither, dan lainnya untuk mengetahuinya.
AI dan Machine Learning pada Mesin CNC: Nilai dari Visibilitas
Dengan latar belakang teknik mekanik dan pengetahuan tentang manufaktur di industri pertahanan dan penerbangan, Bither mengenali kebutuhan akan perangkat lunak proses yang lebih halus dan real-time di manufaktur. Bither menghabiskan lima tahun di Hamilton Sundstrand, divisi United Technologies, di mana ia merancang sistem hidrolik.
“Ada peluang untuk memanfaatkan data untuk benar-benar memahami apa yang terjadi di lantai produksi dan membuat keputusan yang lebih baik,” kata Bither. “Tantangannya adalah cukup sulit untuk terhubung ke mesin. Jadi kami memulai perusahaan kurang dari lima tahun yang lalu untuk meningkatkan visibilitas produksi dengan memudahkan terhubung ke mesin CNC.”
MachineMetrics menyediakan visualisasi real-time analitik mesin CNC—atau apa yang disebut Bither “descriptive analytics” yang memungkinkan perusahaan untuk melihat metrik produksi yang akurat, seperti tingkat utilizasi, dan melacaknya ke tujuan produksi. Ada beberapa area analitik lainnya yang memberikan informasi, termasuk data diagnostik, prediktif dan preskriptif.
Hasilnya: peningkatan throughput dan efisiensi sebesar 20 persen atau lebih di seluruh basis pelanggan 100 perusahaan menengah hingga besar. Dengan set data besar di seluruh ribuan mesin, platform MachineMetrics juga mencakup benchmarking—yang membantu perusahaan mengukur diri mereka dengan rekan-rekan dan tetap kompetitif.
Membuat keputusan yang lebih baik bukanlah semuanya tentang investasi pada 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 untuk meningkatkan fungsi dan menciptakan loop umpan balik dunia nyata.
Data prediktif memungkinkan tim untuk memahami kondisi dan kapan CNC akan membutuhkan bantuan. Analitik preskriptif memanfaatkan kondisi untuk memberikan arahan dan bimbingan yang tepat waktu kepada operator.
Pemesinan CNC Cerdas: Alarm, Pemicu dan Pemantauan Poros
“AI adalah istilah yang sangat umum,” kata Bither. “Jika manusia tidak perlu melakukan perhitungan di kepala dan mesin melakukannya, itu dapat dianggap ‘AI.’ Dengan pembelajaran mesin, ada beberapa kasus penggunaan yang sangat spesifik … Ada pembelajaran mesin terawasi, yang memerlukan pelatihan dan umpan balik, dan pembelajaran mesin tidak terawasi yang tidak.”
Memahami kegagalan poros atau mengklasifikasikan downtime secara otomatis mungkin memerlukan pembelajaran mesin, menjelaskan Bither. Alert yang dipicu oleh logika sederhana yang memberi tahu operator bahwa mesin telah mati tiga kali hari ini bukanlah pembelajaran mesin per se—tetapi adalah jenis algoritma cerdas berbasis aturan yang membantu operator manusia untuk dengan mudah melacak dan mengelola sistem.
Teknologi berbasis kecerdasan membuat pekerjaan operator menjadi lebih proaktif. Informasi yang tepat waktu dapat menjadi perbedaan antara kehilangan hari-hari keuntungan dari CNC dan dapat menjadwalkan dan mengorganisir jalur alternatif menuju tujuan produksi.
Otomatisasi dan kecerdasan berbasis sensor cerdas juga telah hadir dalam manajemen inventaris dan solusi vending untuk alat. Pelajari bagaimana mengambil kontrol dan mengurangi pemborosan dalam pengeluaran persediaan.
AI dan Machine Learning Memungkinkan Keputusan yang Lebih Cerdas dan Pemahaman yang Mendalam tentang Kegagalan Alat, Umur Alat dan Kualitas Bagian
MachineMetrics tidak sendirian. Insinyur di Advanced Manufacturing Research Centre’s Factory 2050 di Sheffield, Inggris, juga menggunakan AI dan pembelajaran mesin untuk utilizasi mesin. Mereka menggunakan perangkat keras edge computing untuk melacak konsumsi daya di komponen suspensi otomotif. Mereka juga bekerja sama dengan Tinsley Bridge untuk memantau proses manufaktur.
“Menginterogasi tingkat utilizasi mesin kami berarti kita 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 rekayasa di Tinsley Bridge, dalam artikel Metrology News.
Tahap berikut dari proyek ini adalah mengajari mesin untuk belajar dan mendeteksi komponen yang tidak sesuai dalam produksi dan menemukan aus alat yang tidak konsisten yang dapat mempengaruhi kualitas bagian.
“Wawasan yang akan diberikan AI akan memungkinkan kita untuk mengidentifikasi kapan mesin kami akan membutuhkan intervensi untuk pergantian alat, atau berapa lama kita dapat menjalankannya tanpa intervensi,” kata Crow. “Memprediksi kegagalan alat dan memperpanjang umur alat juga akan mempengaruhi tingkat right-first time, mengurangi bagian yang tidak sesuai dan meningkatkan produktivitas.”
Perlu jawaban pertanyaan teknis? Tanyakan pada MSC Metalworking Tech Team di forum.
Otomatisasi dalam Manufaktur Melepaskan Waktu untuk Pemecahan Masalah yang Penting
Masa depan pemesinan pasti akan lebih terotomatisasi. Dengan kesenjangan keterampilan yang menghadap dan evolusi teknologi yang terjadi secara bersamaan, otomatisasi akan meningkatkan nilai karyawan yang memprogram, troubleshoot dan memelihara sistem CNC otomatis dan bagian yang diproduksi.
Desainer industri, insinyur proses dan operator mesin akan bekerja sama lebih erat dari sebelumnya, para ahli industri harapkan.
“[M] mayoritas produsen percaya bahwa penyebab utama kekurangan keterampilan adalah ‘pergeseran keterampilan karena perkenalan teknologi canggih dan otomatisasi baru,’” tulis Manufacturing Institute dan Deloitte dalam laporan 2018 mereka tentang kesenjangan keterampilan dan masa depan kerja
Untuk mempelajari lebih banyak tentang keterampilan yang diperlukan di lantai produksi di masa depan, baca “Industry 4.0: Manufacturing Skills Needed in Smart Factories.”
Tapi untuk sampai ke tempat otomatisasi memerlukan pemrograman mesin yang kompleks dan integrasi yang lebih dalam dari teknologi internet dan cloud. Masa depan, untuk kata yang lebih baik, akan dioptimalkan untuk optimal untuk produksi. Dan keterampilan digital, bersama dengan keterampilan lunak, pemikiran kritis dan manajemen orang, juga diperlukan, menurut studi Deloitte dan Manufacturing Institute, yang menulis:
“Di manufaktur, ini secara umum diterjemahkan ke dalam pemecahan masalah dalam produksi, seperti memiliki kemampuan untuk mengidentifikasi kegagalan kualitas pada bagian yang keluar dari garis produksi otomatis, dan, yang lebih penting, untuk mengambil tindakan yang memperbaiki masalah secara real time.”
Crow, dari Tinsley Bridge, setuju. Kualitas masa depan datang dari optimisasi proses dan mesin bersama-sama.
“Di masa depan wawasan ke dalam data kami akan memungkinkan kami untuk menjalankan mesin kami dengan lebih efektif, sehingga kami dapat mengosongkan waktu untuk insinyur kami untuk bekerja pada tugas yang menambah nilai 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. [registrasi diperlukan]
