随着制造业的快速发展,产品制造日趋复杂化,现场的设备和装置也变得越来越高功能化,因此对于保养人员来说,维护、排查、修理的难度也在不断增加...
一方面,设备接线的增加使得检查部位增多;另一方面,设备的高功能化,也使之更为依赖于熟练保养人员长年培养出来的直觉和经验,可如今人手不足,熟练技术难以传承的课题愈发严重,如何解决未来的维保课题?
搭载AI/IoT技术的专利
随着AI/IoT技术的不断发展,欧姆龙发现,通过在生产现场的装置层搭载这项技术,可以实现将熟练保养人员的直觉、经验等隐性知识转化为显性知识,也就是把他们的判断“数值化”。
如果设备实际发生故障有一条基准线的话,那我们就在此之前再设定一条基准线(欧姆龙AI控制器给出的预测值),一旦到达这个阈值,控制器就会提前预警...
精髓,就在于如何得出这个预测值?一方面,我们需要采集以往熟练保养人员对于设备故障的判断依据,利用AI的自学习功能,生成学习模型,设定阈值。
另一方面,需要建立控制器内的设备数据与各种传感器采集的数据之间的关联,并进行存储、计算和显示。
以往,表示装置操作状态的机械数据及传感器信息通常是单独获取数据来进行存储的。因此,当发生某种故障时,需要将未建立关联的机械数据与传感器数据进行对比来调查故障原因,这会花费很多时间和精力。
--- 设备故障预兆展示机 --
而欧姆龙此项专利技术的强大之处,正是能够使机械数据与传感器信息以相关联的形式存储,以便使用数据轻松查明原因。如此一来,不仅可以减少停机维护,而造成的生产损失,还可以实现在最佳时机进行维护,以削减维护费用。
向更多扩展产品发起挑战
虽然目前提供的技术支持是以机械自动化控制器NJ/NX系列为主的应用程序技术,但是未来,欧姆龙期望能够扩展商品及技术的范围,以便可以应对各种客户课题。
小山 智史