La transparence du processus comprenait

Dispositifs de serrage et systèmes de préhension intelligents

Les systèmes de surveillance des conditions (CMS) détectent les changements et les anomalies dans le processus de production. Ils donnent une alerte précoce en cas de dommages naissants, détectent les écarts de qualité, surveillent la stabilité d'un processus de production et assurent un contrôle de qualité cohérent à tous les stades de la production et de la création de valeur. Dans ce contexte, les systèmes de préhension et les dispositifs de serrage gagnent rapidement en importance en raison de leur position au plus près de la pièce.

La demande des utilisateurs pour une plus grande productivité, la disponibilité des systèmes automatisés et la fiabilité des processus a un impact sur les machines et les systèmes automatisés utilisés dans la production moderne. La capacité à effectuer une surveillance continue des conditions devient de plus en plus un critère clé dans la sélection des composants. La capacité d'analyser les données de production et de qualité synchronisées avec la production offre la possibilité de réaliser des économies importantes, d'accroître l'efficacité opérationnelle et d'améliorer la qualité de la production. Plus important encore, il a été démontré que la plus grande disponibilité des systèmes automatisés et la maintenance juste à temps améliorent l'efficacité opérationnelle. Dans l'idéal, les temps d'arrêt non planifiés des systèmes automatisés peuvent être complètement éliminés. À son tour, la qualité des produits peut être améliorée en intégrant des données sur l'usure des machines dans les contrôles de processus et en prévoyant les écarts par rapport à la qualité standard de manière à ce que les mesures nécessaires puissent être prises en temps utile.

Non seulement la lecture des données, mais aussi leur analyse

Les machines et les systèmes automatisés, les outils intelligents et les composants que l'on trouve dans les usines des entreprises manufacturières génèrent déjà une énorme quantité de données. Cependant, seule une très petite fraction de ces données est réellement utilisée - les estimations suggèrent seulement environ cinq pour cent. Les valeurs enregistrées par les capteurs n'ont eu que très peu d'importance jusqu'à présent, étant tout au plus utilisées en cas de dommages ou pour le dépannage. En utilisant ces données existantes de manière complète, systématique et surtout en temps réel, il est possible de réaliser des scénarios de fabrication intelligente qui promettent des avantages substantiels. Dans le même temps, le degré de mise en réseau et de numérisation est également associé à une augmentation rapide de la quantité de données générées, ce qui signifie qu'il peut y avoir un risque que les connexions aux centres de données en nuage ne soient pas en mesure de faire face aux flux de données immenses et en croissance rapide, et que des temps d'arrêt et des périodes de latence élevées puissent se produire. C'est pourquoi les projets de recherche actuels se concentrent sur un changement fondamental dans la façon dont les données sont comprises. Il ne s'agit plus simplement de collecter des données comme c'était le cas auparavant, mais d'analyser les données sur place et de les convertir en informations précieuses. L'accent est mis sur la manière d'affiner les données importantes pour en faire des données intelligentes. Par exemple, il convient de préparer des informations permettant de savoir si un système automatisé fonctionne correctement et s'il est idéalement lié aux actions recommandées appropriées

Test intégré des composants

Cela permet de vérifier les caractéristiques de qualité des composants pendant la manipulation et de prendre les décisions OK/NOK directement dans la pince. Les données enregistrées dans la pince sont prétraitées et analysées dans les composants en temps réel afin de déclencher les réponses appropriées. Cela réduit le volume de données à transférer à ce qui est réellement nécessaire, c'est-à-dire qu'une abondance quelque peu déconcertante de données est transmise sous forme de paramètres significatifs ou d'indicateurs clés de performance (ICP). En plus des statistiques standard sur les temps d'arrêt, les KPI les plus importants sont les indices de capacité des processus (Cp) issus de l'analyse statistique des processus et l'efficacité d'utilisation du système automatisé global. Ces derniers mesurent trois types de données de performance et utilisent des méthodes multiplicatives pour les fusionner en un indicateur de productivité global, l'efficacité totale du système automatisé ou l'efficacité globale de l'équipement (OEE).

L'efficacité totale du système automatisé comme indicateur clé

Trois facteurs sont pertinents pour déterminer l'OEE :

Degré de performance (LG) : Le degré de performance est une mesure de la vitesse de traitement d'un système de production. Il est basé sur les temps de cycle pour l'intervalle de production des bonnes pièces ou sur la capacité de production (M). Le degré de performance est indiqué sous la forme de temps de cycle et de quantités.

Les temps de cycle

LG = tplan/traitement x 100

Les quantités :

LG = Mreal/Mplan x 100

Degré d'utilisation (NG, disponibilité) : Le degré d'utilisation est une mesure de la capacité d'un système de production à remplir avec succès une fonction requise au moment requis. Il est déterminé sur la base des temps de fonctionnement, du taux d'arrêt λ, du temps moyen entre deux pannes (MTBF) et du temps moyen d'arrêt (MDT). Ce dernier comprend plusieurs facteurs tels que le temps de maintenance TW et le temps de réparation (temps moyen de réparation, MTTR).

NG = ∑ temps de fonctionnement / (∑operating temps + ∑ temps d'arrêt) = MTBF/(MTBF+MDT)

La fiabilité indique la probabilité de ne pas avoir de temps d'arrêt qui affectera la fonctionnalité d'une unité pendant une certaine période. Elle est déterminée par le taux de temps d'arrêt des éléments techniques et quantifiée par la période moyenne sans temps d'arrêt (temps de fonctionnement), le "temps moyen entre pannes" (MTBF).

MTBF=1/λ avec taux d'immobilisation λ

Performance de qualité (rendement, ...) : La performance qualité est une mesure de la capacité d'un système de production à assembler/essayer dans le cadre de spécifications prescrites. Les méthodes d'évaluation statistique de la qualité sont utilisées pour analyser et évaluer le comportement de la qualité des processus de fabrication. Les informations d'échantillonnage sont utilisées pour essayer d'obtenir des informations concernant le comportement du temps de distribution, par exemple dans le processus d'assemblage. Les résultats de cette analyse sont les calculs de la "capacité machine à court terme" (potentiel machine Cm, Cmk), de la "capacité préliminaire du processus" (potentiel préliminaire du processus Pp, Ppk) et de la "capacité du processus à long terme" (potentiel du processus à long terme Cp, Cpk)

La capacité de la machine est une mesure de la variance caractéristique à court terme provenant de la machine.

La capacité d'un processus est une mesure significative de la stabilité d'un processus. Elle indique si un processus est capable de répondre aux exigences qui ont été fixées. Dans ce cas, on parle de processus de production gérable. Dans le même temps, elle donne également un aperçu du comportement à long terme du système global dans les conditions générales qui prévalent (hommes, machines, méthodes, environnements de travail). La capacité du processus identifie la capacité d'une machine ou d'un processus à atteindre des caractéristiques spécifiées avec une distribution de fréquence qui se situe dans les tolérances requises. À cette fin, la relation entre la distribution statistique d'une caractéristique de qualité mesurable et la plage de tolérance spécifiée pour cette caractéristique est créée. Les paramètres de capacité des processus sont très sensibles aux changements et aux évolutions de tendance. Cela signifie qu'ils sont particulièrement adaptés aux prévisions à moyen terme et à la maintenance prédictive.

La pince comme outil universel pour une production intelligente et flexible

Les modules de manipulation intelligents créent facilement les conditions préalables nécessaires à l'intégration complète des systèmes de production automatisés dans les environnements de fabrication et ouvrent la possibilité de connexions aux écosystèmes basés sur les nuages afin de déterminer l'efficacité globale du système automatisé (OEE), les statistiques sur les temps d'arrêt (MTBF, MTTR) et la stabilité du processus à moyen terme en utilisant les paramètres de capacité déterminés. L'un de ces types de composants clés est le préhenseur parallèle SCHUNK EGL, un module de préhension intelligent standard qui comprend des fonctions intégrées standard, une interface Profinet certifiée et une électronique intégrée à course variable et à force de préhension réglable entre 50 N et 600 N. En tant que système de mesure en ligne, lors de la "préhension intelligente", le préhenseur intelligent utilise sa position exposée directement sur la pièce pour obtenir des données et les évaluer immédiatement grâce à la technologie de pointe intégrée dans le préhenseur. Chaque étape du processus peut être surveillée en détail et, par exemple, relayée au système de contrôle du système, au système ERP de niveau supérieur, mais aussi aux bases de données d'analyse et aux solutions de cloud computing. De cette manière, le préhenseur intelligent est capable de saisir et de traiter des informations systématiques sur la pièce saisie, le processus et les composants, et d'effectuer lui-même les réactions appropriées. Cela permet un contrôle de qualité en boucle fermée et une surveillance directe du processus de production dans le cycle de production.

Détection proactive des tendances

Plus important encore, la détermination continue en temps réel de la capacité du processus à long terme (Cpk) pour la détection proactive des tendances et le diagnostic des erreurs a fait ses preuves avec la pince. Les corrections de contrôle introduites ont déjà pris effet avant d'atteindre les limites de la spécification et permettent un contrôle du processus nettement plus stable. Les capteurs sont fusionnés de sorte que plusieurs capteurs peuvent être utilisés en parallèle et leurs valeurs de mesure analysées par la suite afin de surveiller et d'évaluer les états actuels du système de préhension et la situation d'accès à la préhension. Il est ainsi possible de différencier les objets à saisir et de détecter les dysfonctionnements dans le déroulement de la production, tels que les différences de qualité des matières premières, l'usure des outils, les écarts de tolérance ou les goulots d'étranglement. L'analyse des processus en temps réel permet d'évaluer les tendances et de les intégrer immédiatement dans le contrôle de la qualité du flux de production, par exemple sur la base des valeurs des caractéristiques de compétence. Les analyses de corrélation permettent également de détecter des contextes complexes et d'éliminer plus rapidement les modèles d'erreur complexes.

Intelligence artificielle

À l'avenir, SCHUNK prévoit d'automatiser les tâches de contrôle de l'ensemble de la chaîne cinématique, qui se compose de robots et de préhenseurs, ainsi que la surveillance de leur fonctionnement, sans devoir être programmé pour chaque étape individuelle ni devoir fixer des seuils et les ajuster en permanence. L'utilisation de méthodes d'intelligence artificielle (IA) et l'utilisation de différents capteurs seront cruciales pour ce type de préhension autonome. Dans une application pilote, par exemple, des méthodes d'intelligence cognitive ont été utilisées pour identifier des pièces disposées de manière aléatoire à l'aide d'une caméra, puis pour les saisir de manière autonome à partir d'une caisse de transport et les guider dans leur processus d'usinage. En même temps, les écarts par rapport aux événements normaux (appelés anomalies) et les tendances, comme la dérive des paramètres de processus pertinents, sont appris et utilisés pour affiner les instruments de diagnostic dans la pince, sans qu'il soit nécessaire d'interrompre le fonctionnement ou de suivre une formation excessive lors de la mise en place du système. L'objectif du préhenseur n'est pas seulement de saisir, mais aussi de prendre en charge la planification totale du préhenseur, de surveiller l'ensemble du processus à l'aide de capteurs et de l'analyser en permanence. Ici, l'informatique de pointe et l'informatique dématérialisée entretiennent une relation complémentaire et bénéfique.

Porte-outils sensoriel

Equipé d'un capteur, d'une pile et d'une unité d'émission, le porte-outil sensoriel SCHUNK iTENDO surveille le processus à 5 000 Hz directement sur l'outil. Un algorithme détermine en permanence un paramètre pour la stabilité du processus. La valeur IFT a été spécialement développée pour l'iTENDO et exprime la vibration mesurée sous forme de valeur numérique sur une échelle d'intensité définie, comme l'échelle de Richter pour les tremblements de terre. Si la coupe devient instable, l'intelligence intégrée intervient directement en temps réel avec une latence d'environ 20 ms et sans intervention de l'opérateur. Selon la situation, le processus est alors arrêté, réduit ou adapté à des paramètres de base préalablement définis, l'alimentation des outils est modifiée, les outils frères sont remplacés ou des messages sont envoyés à l'opérateur. Selon l'application, un service web peut être utilisé pour définir les limites exactes et les réactions correspondantes en cas de dépassement. À moyen terme, des évaluations statistiques telles que l'efficacité globale de l'équipement (OEE), la capacité du processus (Cpk), le temps moyen entre deux défaillances (MTBF) ou les évolutions de tendance comme la dérive des paramètres ou les gradients des taux de défaillance devraient également être possibles.

schunk.com/itendo

schunk.com/egl

schunk.com/ft-axia