디지털 + 인공지능 품질 관리 변환 사례 연구

변혁 전에 공장에서는 전통적인 반 자동 생산과 수동 품질 검사 방식을 채택했습니다.경험에 의존하는 매개 변수 디버깅과 같은 두드러진 통증 지점, 불안정한 대량 품질, 높은 수동 검사 누출률 및 생산 데이터를 추적 할 수없는.디지털 지능 공장 건설 프로젝트펀치 프레스 장비의 완전한 상호 연결, 인공지능 시각 검사, 전체 라이프 사이클 지능형 곰팡이 관리 및 디지털 쌍둥이 워크샵 모니터링의 완전한 커버리지.이 변환은 수동적 경험적 관리를 완전히 제거했습니다., 데이터 기반의 정제 생산과 품질 통제를 실현하고 업계의 벤치마크 지능형 스탬핑 공장을 구축했습니다.

디지털 업그레이드 이전, 공장 V의 생산 및 품질 관리 문제는 고정밀 스탬핑 기업의 전형적인 병목입니다.

스탬핑 압력, 슬라이더 속도, 공급 정확성 및 기타 핵심 매개 변수는 수동 디버깅에 전적으로 의존했습니다. 다른 운영자는 일관성없는 매개 변수 설정을했습니다.제품 팩의 명백한 차이를 초래합니다.환경 온도 및 곰팡이 마모의 가벼운 변화는 1.18%의 장기 팩 결함 비율로 차원 오차를 쉽게 일으킬 수 있습니다.

수동 시력 검사에 의존 한 정밀 스탬핑 부품의 표면 경사, 작은 변형, 부러 및 기타 미세 결함. 장기 수동 검사는 쉽게 시각 피로를 유발합니다.6까지의 검사 결핍 비율로.8%. 다운스트림 링크로 유입되는 비자격 제품은 고객 불만과 반환 및 재작업 손실을 유발했습니다.

곰팡이 유지보수는 정규 유지보수 또는 고장 후 유지보수 모드를 채택했으며, 스탬핑 시간, 곰팡이 부하 및 마모 정도에 대한 실시간 모니터링이 부족합니다. 과도한 유지보수가 비용을 증가시킵니다.유행 유지보수가 제품 결함과 곰팡이 손상을 유발하는 동안펌프의 평균 유효 사용 기간은 낮았고 교체 비용은 여전히 높았습니다.

각 펀치 프레스는 통일 된 데이터 수집 플랫폼이없는 독립적으로 작동했습니다. 생산 데이터, 매개 변수 데이터 및 품질 데이터는 분리되었습니다.결함있는 제품의 근본 원인을 추적하는 것이 불가능하고 생산 프로세스를 표적 방식으로 최적화하는 것이 어렵습니다..

품질 불안정성, 낮은 검사 효율성 및 불투명한 생산 데이터의 문제점을 목표로,팩토리 V는 풀 링크 디지털 클로즈 루프 관리 시스템을 구축하기 위해 네 가지 핵심 지능 전환 조치를 시행했습니다.:

모든 서버 펀치 프레스 장비를 MES 제조 실행 플랫폼에 연결하여 스탬핑 매개 변수, 생산 출력,장비 작동 상태 및 처리 주기이 시스템은 자동으로 제품 모델에 따라 최적의 프로세스 매개 변수를 일치, 한 클릭 매개 변수를 호출하고 지능적인 조정, 수동 디버깅 오류를 제거,그리고 전체 생산 프로세스를 표준화합니다..

모든 생산 라인에서 고정도 산업 카메라와 인공지능 알고리즘 모델을 배치하여 제품 표면 결함, 차원 오차,부러움과 변형인공지능 시스템은 실시간 알람 및 자격 없는 제품의 자동 분류를 지원하며 전통적인 수동 검사 대신하며 미세 결함 검사를 누락하지 않습니다.이 시스템은 자동으로 결함 유형을 분류하고 품질 분석 보고서를 작성합니다..

모든 곰팡이에 지능형 감지 모듈을 설치하여 스탬핑 시간, 곰팡이 온도, 부하 압력 및 마모 상태를 실시간으로 모니터링합니다.시스템은 자동으로 곰팡이의 남은 사용 수명을 예측합니다., 유지보수 리머닝을 미리 밀어, 전통적인 경험적 유지보수 대신 예측 유지보수를 실현하고 과도한 마모로 인한 품질 이상과 곰팡이 손상을 피합니다.

스탬핑 워크샵의 3D 디지털 쌍둥이 모델을 구축하고 장비 운영, 생산 진행, 품질 상태 및 에너지 소비 데이터의 실시간 시각화를 실현하십시오.관리자는 원격으로 전체 작업실 운영 상태를 모니터링 할 수 있습니다., 생산의 병목과 비정상적인 품질 포인트를 신속하게 찾아내고 데이터 기반의 지능형 의사결정을 실현합니다.

9개월의 지속적인 변환과 알고리즘 반복 최적화 후, 공장 V는 생산 효율성, 품질 안정성,곰팡이 관리 및 정제 관리, 산업의 전환 효과를 선도하고 높은 복제성을 가지고 있습니다.

종합적인 운영 이득의 관점에서 디지털 AI 전환 후 공장 월 효과적 생산량은 전년 동기 대비 29.7% 증가했습니다.그리고 고품질의 재공업에 대한 연간 전체 비용 절감, 곰팡이 유지 보수 및 노동 비용은 2,100만 RMB를 초과했습니다.안정적인 초고 정밀 품질 관리 능력은 기업이 많은 신 에너지 차량 주 공급업체의 엄격한 품질 시스템 평가에 통과 할 수있게했습니다., 고 정밀 맞춤 주문을 성공적으로 수행 전통적인 수동 워크샵에 의해 완료 될 수 없습니다, 기업 이익의 두 배 성장과 고급 시장 점유율을 실현.

이 디지털 지능형 전환 사례는 장비 제조 업그레이드, 가벼운 관리 최적화,이전 사례에서 해외 브랜드의 돌파구와 친환경 에너지 절약 전환이 책은생산 품질 디지털 강화 및 인공지능 지능형 품질 관리, 고밀도 스탬핑 기업에 대한 핵심 업그레이드 경로를 제공하여 고품질 일관성을 추구합니다:

고 정밀 스탬핑의 가장 큰 문제점은 인적 요인에 의한 품질 불안정성입니다. MES 시스템 전체 데이터 상호 연결과 매개 변수 지능형 매칭을 통해기업들은 수동 경험의 한계를 완전히 제거할 수 있습니다., 각 프로세스의 표준화 및 디지털 생산을 실현하고 기본적으로 팩 제품 일관성을 보장합니다.

전통적인 수동 검사는 더 이상 정밀 전자 및 신 에너지 부품의 미세 결함 검출 요구 사항을 충족 할 수 없습니다.피로도 없고 높은 효율성이는 우표업체가 고급 품질 관리 기능을 업그레이드하고 고객 품질 위험을 피할 수있는 유일한 방법입니다.

곰팡이 손실은 스탬핑 생산의 가장 큰 숨겨진 비용입니다. 곰팡이의 지능적인 모니터링과 예측 유지 보수는 유효 기간을 효과적으로 연장 할 수 있습니다.무작위 중단 시간 및 곰팡이 마모로 인한 결함 제품 손실을 줄이십시오.기업들의 지속적인 수익 공간을 창출합니다.

미래에, 공장 V는 인공지능 예측 프로세스 최적화 및 지능형 주문 스케줄링 시스템을 추가로 배치하여 스탬핑 워크샵의 완전 자동 무인 운영을 실현 할 것입니다.펀치프레스 산업 전체에, 디지털화와 인공지능 지능은 고급 시장 경쟁의 핵심 문턱이 될 것입니다. 기업들은 단계적으로장비에 의한 생산에데이터 기반의 지능형 제조, 중국 정밀 스탬핑 산업의 전반적인 지능형 제조 수준을 지속적으로 개선하고 업계의 고급, 정제 및 지능적인 발전을 가속화합니다.