Apprentissage de vos machines :et si certaines pièces de la machine ne tombaient jamais en panne ?

Avez-vous déjà pensé que les pièces de votre machine étaient trop bonnes ? Il y a de fortes chances que ce soit le cas. Tirez parti de ce nouveau modèle commercial et apprenez de vos machines sur le terrain pour réaliser d'importantes économies.

Vous avez probablement entendu dire que la prise de décision basée sur les données , tels que l'apprentissage automatique basé sur l'IA, les réseaux de neurones et les machines d'auto-apprentissage, est inévitable pour les entreprises qui souhaitent rester compétitives. Mais, nous vous entendons penser :l'apprentissage automatique est délicat et n'est pas pris en charge par ma plate-forme d'automatisation sans investissements importants. En plus de cela, certaines machines et équipements ne sont pas vraiment en mesure de tirer parti de telles approches de toute façon.

Qu'en est-il de l'apprentissage de vos machines créer de nouvelles sources de revenus ?

Collectez et analysez les données de la machine pour apprendre de vos machines.

Apprentissage de vos machines vs apprentissage automatique

Comme mentionné, les algorithmes d'auto-optimisation basés sur l'IA et les réseaux de neurones ne conviennent tout simplement pas encore à tous les constructeurs de machines. Ce n'est pas la réalité pour les petits constructeurs de machines et pour beaucoup, c'est au mieux un projet d'avenir. Pour la plupart des constructeurs de machines (et des clients), l'accent est mis sur la création d'une machine à fonctionnement fluide et rapide avec un TRS élevé. De plus, toucher le logiciel PLC sur des équipements et des machines optimisés est considéré comme un interdit pour la plupart, car leur devise est probablement :« ne touchez jamais à un système en cours d'exécution » .

Cependant, une étape réaliste pour chaque constructeur de machines consiste à apprendre de vos machines. Les nouvelles machines sont comme une nouvelle voiture, elles ont des défaillances au début et doivent être optimisées. En apprenant de vos machines sur le terrain, vous pouvez éventuellement empêcher les pièces de tomber en panne ou découvrir d'autres informations intéressantes. La plupart des constructeurs de machines disposent de systèmes d'assurance qualité très efficaces et, sur la base d'une analyse des causes profondes, les défaillances et les points faibles de l'équipement sont détectés et corrigés.

Économisez sur la partie machine en apprenant de vos machines sur le terrain.

Ce que l'apprentissage des machines existantes peut vous apporter 

Les constructeurs de machines ont mis en place des systèmes pour améliorer la qualité de leurs machines tout au long de leur durée de vie en fonction des défaillances et des mesures correctives. Ceux-ci sont également transmis à leur service R&D, afin d'éviter des défauts similaires sur les futurs équipements. Mais que se passe-t-il si vous collectez et analysez les données de votre machine, comparez plusieurs machines et découvrez que certaines pièces ne tombent jamais en panne ou fonctionnent bien en deçà des critères de conception attendus ?

Il arrive souvent que vos critères de conception et vos marges de sécurité soient trop élevés, car vous essayez d'éviter les défaillances sur le terrain. Cependant, vous ne recevrez jamais ce retour sans consulter les données de votre machine, fidèle à la devise :« Si cela fonctionne bien, ne le réparez pas. »

Avec cet aperçu, vous pouvez déclasser les pièces de la machine qui sont « trop » bonnes et réduire les critères de conception ou les marges de sécurité dans votre reconception. Cela peut conduire à des économies importantes sans courir aucun risque de perte de qualité. Que se passerait-il si vous ne vous adaptiez pas et que votre concurrent le fait ? Certainement un modèle commercial qui mérite d'être pris en compte pour chaque constructeur de machines.

Découvrez si vous pouvez réduire vos critères de conception ou vos marges de sécurité dans les nouvelles conceptions.

Cas d'utilisation :refonte de votre bande transporteuse

Lors de la conception d'une bande transporteuse, vous avez effectué des calculs indiquant que vous avez besoin d'un ensemble d'entraînement capable de fournir 4 Nm à 200 tr/min pour un fonctionnement correct en fonction de la charge, du frottement, etc. Vous définissez vos marges de sécurité sur 20 % et concevez des composants pour le dimensionner à 4,8 Nm à 200 tr/min. Maintenant qu'ils sont en cours d'exécution, vous pouvez commencer à collecter des données à partir de composants et de processus spécifiques sur une plus longue période.

Jetez un œil à toutes vos machines dans le monde, surveillez les automates et effectuez des analyses avancées avec les données collectées dans le cloud. Imaginez qu'il s'avère que la charge est en fait de 3,8 Nm RMS pour toutes les machines et jamais au-dessus de 4 Nm. Ensuite, vous pouvez réduire vos exigences en matière d'entraînement en conséquence, réduire les coûts et utiliser les connaissances acquises pour reconsidérer vos marges de sécurité pour la conception de votre convoyeur.

Êtes-vous prêt à découvrir si vous pouvez économiser sur certaines pièces ?

Repensez votre bande transporteuse en réduisant les exigences et en réduisant les coûts.

Comment créer votre propre stratégie de « machine learning »

Apprenez des données historiques des machines sur le terrain de manière pratique et efficace avec un investissement très limité et un retour sur investissement rapide et construisez votre propre stratégie sur cette nouvelle opportunité commerciale. La liste suivante pourrait vous inspirer :

1) Point de départ - performances actuelles de l'équipement - données nécessaires
La première phase consiste à analyser les pratiques pièces actuelles de votre parc machine. Déterminez quelles pièces sont remplacées régulièrement et lesquelles ne le sont pas. Établir si des données, avec une relation statistique claire entre la valeur donnée et l'état de la pièce en question, sont capturées.

Certaines données auront une corrélation claire entre les variables API standard et les pièces, d'autres peuvent nécessiter la définition et la collecte de variables supplémentaires, voire l'utilisation de capteurs supplémentaires. Via une passerelle Edge, les données de l'API peuvent être transmises en masse des machines sur le terrain vers le cloud.

2) Prototypage - tests
L'étape suivante consiste à déterminer quelles sont les valeurs minimales et maximales pour vos marges de sécurité. Analysez les performances des pièces de votre machine et déterminez quelles pièces doivent être améliorées et quelles pièces peuvent être déclassées.

Réalisez des tests en interne sur les pièces en question pour renforcer ou infirmer l'hypothèse. Utilisez ces informations dans la conception de votre prochaine machine.

3) Déploiement du modèle commercial
Définissez comment réduire vos marges de sécurité et implémentez-les dans votre prochaine refonte pour réaliser des économies importantes.

Construisez votre propre modèle commercial sur la stratégie d'apprentissage automatique.

Économisez sur les pièces de machine qui sont « trop » bonnes

Souhaitez-vous réduire les coûts de conception de votre machine ? En apprenant de vos machines sur le terrain et en repensant des pièces avec une marge de sécurité trop élevée, vous pouvez gagner plus de profit et un avantage concurrentiel .

Si vous avez besoin de conseils sur la façon de commencer à apprendre de vos machines, n'hésitez pas à consulter l'un de nos experts de l'industrie sans aucune obligation.

[[Consultation gratuite d'experts]]