MAPAL i spółka: Skondensowana wiedza dla większej produktywności

Jeśli firmy wykorzystają wszystkie dane, które powstają podczas obróbki skrawaniem, mogą uzyskać około dziesięciu procent większą produktywność z swoich procesów. Do takich wniosków doszedł projekt, w którym MAPAL wspólnie z partnerami przemysłowymi skupił dotychczas rozproszoną wiedzę i udostępnił ją jako użyteczną cyfrową usługę wartości dodanej.

9691
Obraz: Mapal

W ramach wspieranego przez kraj Badenii-Wirtembergii dużego projektu badawczego X-Forge (Everything as a Service) producent narzędzi MAPAL jest liderem konsorcjum w obszarze Productivity as a Service (ProdaaS). MAPAL współpracuje z producentem maszyn F. Zimmermann oraz specjalistą w dziedzinie technologii pomiarowej Blum, aby móc oferować klientom kompleksowe rozwiązania. Jako kolejny partner projektu, Fraunhofer IPA przejęło zadanie mediacji pomiędzy partnerami w zakresie modelu biznesowego oraz oceny wartości dodanej dla klienta. Pierwszy projekt pilotażowy został zakończony po trzech latach. Na tej podstawie cyfrowa oferta usług ma być stopniowo rozszerzana w nadchodzących latach.

Członkowie konsorcjum roboczego monitorują procesy za pomocą wielu czujników, które dostarczają odpowiednich danych. Istniejące systemy oferują jednak tylko ograniczony widok na całkowity system składający się z maszyny, narzędzia i detalu. Użytkownik ma dostęp do bardzo złożonych systemów eksperckich na maszynie, ale te poszczególne elementy nie są ze sobą zintegrowane. Ich połączenie w praktyce jest niemal niemożliwe. W związku z tym trudne jest analizowanie problemów, które wystąpiły, lub optymalizacja bieżących procesów.

Strukturalna baza wiedzy do planowania procesów

Planowanie procesów CAM z selekcją narzędzi, planowaniem ścieżki i wyborem parametrów procesowych jest kluczowym narzędziem do zwiększenia produktywności. Podczas wprowadzania detalu na maszynie zazwyczaj konieczne są dalsze regulacje, aby uzyskać optymalne wyniki. Obecnie obszar planowania jest silnie odłączony od obróbki skrawaniem. Wnioski uzyskane na maszynie nie są automatycznie przekazywane z powrotem do planowania procesów. Niewystarczająca informacja zwrotna hamuje efekty uczenia się i sprawia, że operator maszyny przy następnym planowanym procesie wiercenia zaczyna od nowa. Planowaniu procesów CAM brakuje po prostu strukturalnej bazy wiedzy z praktycznego zastosowania.

Obraz: Mapal

Do oferty 'Productivity-as-a-Service' dla stabilnych i efektywnych procesów obróbczych partnerzy projektu dostarczają różne informacje. Ocena stanu zużycia narzędzi jest istotna, aby zrozumieć, w jakim stanie powstało na przykład otwór. Dostarcza również informacji o aktualnym czasie pracy narzędzia i pozwala na prognozowanie czasu pracy.

Blum wydobywa odpowiednie dane do dedykowanej usługi oprogramowania, co czyni je użytecznymi. Te dane pomiarowe są porównywane z bazą wiedzy MAPAL, aby w ocenie procesu sprawdzić, czy ustawione na maszynie parametry pokrywają się z wymaganiami producenta. Równolegle ocena stanu maszyny dostarczana przez F. Zimmermann dostarcza informacji o stanie wrzeciona. Wyższy moduł oprogramowania łączy różne źródła i strukturalnie udostępnia informacje. W przypadku ocen stanu awarii użytkownik może jednym przyciskiem zidentyfikować przyczyny.

Projekt pilotażowy Tool Performance Optimizer

W projekcie pilotażowym, który odbył się w Karl Walter Formenbau, chodziło o Tool Performance Optimizer. Użytkownikowi udało się skorygować ustawienia parametrów procesowych dla wiercenia w przypadku odchyleń, aby zredukować przestoje spowodowane złamaniem lub nieplanowaną wymianą narzędzi. Ponadto z bazą danych istnieje możliwość, aby już na etapie planowania nowych, dotąd nieznanych zastosowań korzystać z wyszukiwania podobieństw w oparciu o strukturalnie, metodycznie zebrane i ocenione doświadczenia z przeszłości. Tool Performance Optimizer ma być sprzedawany przez dwa kanały dystrybucji. Oprócz klasycznego biznesu rozwiązań z ofertą z jednego źródła, będzie również dostępny na dużej platformie, która opiera się na ekosystemie danych Gaia-X.

Celem następnego kroku rozwoju jest uchwycenie występujących odchyleń w systemie asystującym i ostrzeganie użytkownika podczas pracy za pomocą systemu sygnalizacji świetlnej. W nadchodzących latach przewidziane są również samouczące się usługi do autonomicznej optymalizacji parametrów i inteligentnego planowania procesów CAM. Ostatecznie od 2029 roku ma być również możliwa pełna automatyzacja od rysunku do gotowego detalu.

Kontakt:

www.mapal.com