Mondi乐此不疲实现健康监测和预测维护与机器学习生产流程
Mondi Gronau是一个领先的国际制造商的包装和纸产品。s manbetx 845公司的塑料生产设备提供每年大约有1800万吨塑料和薄膜产品。s manbetx 845工厂的900名工人操作大约60塑料挤出、印刷、上胶,和蜿蜒的机器一天24小时,一年365天。
机器故障导致停机时间和浪费原材料成本每月Mondi数百万欧元。这些成本最小化和最大化装置效率,Mondi开发健康监测和预测维护应用程序。应用程序使用先进的统计和机器学习算法来识别潜在问题的机器,使工人能够采取纠正措施,防止严重的问题。
Mondi MATLAB的应用程序开发®支持从Ma万博1manbetxthWorks咨询和Dr.-Ing教授。Andreas康尼锡,持有人的椅子集成传感器系统(电气工程和计算机工程系在凯泽斯劳滕工业大学)。
“作为一个制造公司,我们没有数据科学家与机器学习专业知识,但MathWorks提供了工具和技术诀窍,使我们能够开发生产预防性维护系统在几个月内,”Michael Kohlert博士说,信息管理和流程自动化主管Mondi。
Mondi Gronau的塑料生产设备,提供约1800万吨塑料和薄膜产品。s manbetx 845
挑战
挤压和其他机器Mondi的植物是庞大而复杂,测量到50米长,15米高。每台机器是由五个可编程序逻辑控制器(plc),记录温度,压力,速度,和其他性能参数从机器的传感器。每台机器每分钟记录300 - 400年的参数值,生成每日7字节的数据。
Mondi面临几个挑战预见性维护使用这些数据。首先,工厂人员缺乏统计分析和机器学习的经验。他们需要评估各种机器学习的方法来识别哪些结果最准确的数据。他们还需要开发一个应用程序,该应用程序将立即结果显然和机器操作员。最后,他们需要包连续使用这个应用程序在生产环境中。
解决方案
Mondi MathWorks咨询和Dr.-Ing教授工作。安德烈亚斯•康尼锡来开发和部署健康监测和预测维护软件MATLAB。
Mondi团队之前建立一个Oracle®数据库来收集数据从工厂的所有机器通过一个以太网网络。他们使用的数据库访问这个数据库在MATLAB工具箱™。
接下来,该团队开发了MATLAB脚本清理数据通过消除异常值和无效值。
他们开发了一个应用程序在MATLAB图形查询数据库和呈现结果。例如,操作员可以使用应用程序接口的压力来衡量一个特定的传感器的分钟,小时,或数周。
提高应用程序,他们加入了统计过程控制(SPC)功能,提醒操作员传感器正常工作范围以外的值。
使用统计和机器学习工具箱™和深度学习工具箱™,Mondi和MathWorks顾问评估几个机器学习技术,包括神经网络、再邻居、袋装决策树、支持向量机(svm)。万博1manbetx
对于每一个技术,他们训练分类模型使用记录机数据,然后检验模型的预测能力机器的问题。袋装的测试表明,一个决策树是最准确的模型数据。
团队进一步加强MATLAB应用程序通过更新接口将从机器学习模型预测。这些预测让设备操作收到警告潜在的失败发生之前。Mondi然后用MATLAB编译器™创建一个独立的可执行版本的应用程序,目前用于生产的工厂。
基于MATLAB的人机界面,使设备操作之前收到警告潜在的故障发生。
结果
- 每年超过50000欧元了。“我们的财务控制部门确定,我们每年将节省超过50000欧元通过使用MATLAB进行预测性维护,“Kohlert博士说。“这完全是基于只有8机器。我们希望增加至少4倍,我们分析数据从我们的机器。”
- 原型在6个月内完成。“有很多顾问,有大量的讨论,但没有行动,“Kohlert博士指出。“MathWorks顾问直接开始。我们有第一个测试在两个月内,一个工作原型在6。MATLAB代码很容易理解,所以我们可以在需要的时候迅速做出改变。”
- 生产软件运行的24/7。“有一种误解,MATLAB只是研究或发展“Kohlert博士说。“我们操作机器不停,即使在圣诞节,我们依靠基于MATLAB的监测和预测维护软件连续运行和可靠地生产。”
