Технологии сбора данных для автоматизации процесса контроля качества на автомобильном производстве

Технологии сбора данных для автоматизации процесса контроля качества на автомобильном производстве

Кочетов П.С.

Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Россия

 

В статье рассмотрены основные технологии, применяемые при организации сбора данных о работе оборудования на производстве, параметры, фиксируемые при получении информации с оборудования, описан процесс сбора данных для автоматизации системы контроля качества на примере автомобильного производства и описана структура этих данных.

Ключевые слова: машинное обучение, автоматизация, сервер, IoT.

 

Поддержание конкурентоспособности в современном производстве требует от компаний не только выпуска продукции самого высокого качества, но и максимизации эффективности производственных процессов. С помощью мониторинга и предиктивной диагностики состояния оборудования компании могут минимизировать риск простоев и связанных с ними убытков [1].

Мониторинг работы производственного оборудования — важнейший фактор модернизации производства. Сбор данных о ходе производственных процессов, состоянии ресурсов и мощностей может реализовываться как вручную, так и автоматически с помощью датчиков, установленных на технологическом оборудовании и специальных устройствах отслеживания.

Основными технологиями, которые применяются при организации сбора данных о работе оборудования являются:

  • использование стандартных протоколов передачи данных;
  • применение закрытых протоколов производителей оборудования;
  • непосредственное подключение к системе управления оборудованием с использованием технологии ОРС (OLE for Process Control);
  • сбор данных с помощью стандартных сетевых протоколов;
  • сбор данных с интерфейсных портов, предназначенных для подключения к производственной машине принтера или другого периферийного оборудования;
  • сбор сигналов датчиков, установленных на машине, либо дооснащение машины новыми датчиками для контроля ее состояния.

Сбор данных с оборудования осуществляется, таким образом, через интерфейс между машиной (так условно называют единицу оборудования) и программой для обработки информации. Наиболее часто фиксируются следующие параметры:

  • количество произведенных единиц продукции;
  • количество качественных единиц продукции;
  • количество бракованных единиц продукции;
  • время цикла изготовления продукции;
  • загрузка оборудования;
  • время продуктивной работы;
  • доступность оборудования (возможность выполнения операций);
  • надежность оборудования (относительное время простоя, связанное с отказами;
  • состояние оборудования в данный момент (продуктивное, простой, неисправность, ремонт, техническое обслуживание) [2].

На любой производственной линии используются сотни промышленных инструментов различных типов и моделей. Вручную очень сложно для каждого инструмента определять сроки, в которые нужно выполнить его обслуживание. Кроме того, при определении момента времени, в который оборудование нужно обслужить, необходимо учитывать общие темпы производства, чтобы не возникало ситуаций, когда другое оборудование простаивает или не выполняется план производства в целом.

В частности, на автомобильном производстве сложно переоценить важность качества производимой продукции, так как от этого зависит безопасность большого количества людей. Поэтому на предприятиях данной отрасли промышленности на всех стадиях производственного цикла должен быть обеспечен высокий уровень качества выпускаемой продукции [3].

Рассмотрим процесс сбора данных с промышленных гайковертов на этапе сборки на автомобильном производстве. Каждой единицей оборудования (или одновременно несколькими инструментами) управляет отдельный контроллер, отвечающий за работу оборудования.

На сервере размещена программная система, которая взаимодействует со всеми контроллерами по протоколу Open Protocol. Система периодически подключается к контроллерам и подписывается на получение данных с них. Как только оборудование завершило выполнение рабочей операции, данные с контроллера приходят на сервер. Перед выполнением затяжек система сохраняет все затяжки, которые необходимо выполнить в пустом виде, а после их выполнения обновляет информацию о них для защиты от случайного пропуска их выполнения.

Сборочное оборудование в качестве операции выполняет затяжки резьбовых соединений. После выполнения затяжки контроллер самостоятельно определяет ее статус. Результаты каждой затяжки описываются характеристиками: момент, угол, время выполнения, скорость вращения выходного вала, ток и др. В зависимости от результатов выполнения операции затяжки резьбового соединения, статус может быть “OK” («хорошая» затяжка) или “NOK” («плохая» затяжка).

Процесс каждой затяжки состоит из одного или нескольких шагов. Для каждого шага настраиваются условия их завершения (результирующий угол, результирующий момент, скорость возрастания угла в единицу времени, скорость возрастания момента в единицу времени и др.). После достижения выполнения условий текущий шаг завершается и, если он не последний, начинается новый шаг. Последний шаг завершается после выполнения общего условия всей затяжки по результирующему углу и моменту. После завершения каждой затяжки контроллер инструмента обрабатывает данные по ее результатам по каждому шагу и отправляет их на сервер для дальнейшего их хранения в базе данных MS SQL Server.

Наиболее важной информацией среди получаемой сервером от контроллеров для автоматизации контроля качества сборки резьбовых соединений на автомобильном производстве является множество точек, каждой из которых соответствует значение каждого параметра: момент, угол, скорость вращения выходного вала, ток, время и др. На основе этого множества точек строятся графики зависимостей момента, угла и напряжения от времени (Рисунок 1).

Рисунок 1. Графики зависимостей момента и угла от времени

По таким графикам можно определять проблемы в ходе выполнения затяжек (при их наличии) и в ходе анализа с помощью статистических методов и методов машинного обучения находить причины возникновения проблем, на основе которых можно давать рекомендации по их устранению.

Методы и инструменты цифрового мониторинга и предиктивного обслуживания промышленного оборудования активно развиваются во всем мире. Чтобы оставаться конкурентоспособными, повысить качество выпускаемой продукции и время бесперебойной работы систем, производственным предприятиям необходимо активно внедрять IoT-технологии и технологии машинного обучения [1].

Описанный в работе процесс получения данных со сборочного оборудования на автомобильном производстве позволит выполнить анализ полученных данных и на его основе реализовать программную систему, которая сможет выяснять причины проблем в работе оборудования и выдавать рекомендации по их устранению.

Список цитируемой литературы:

  1. Соколов Д.И., Соколов С.Ю. Контроль и мониторинг промышленного оборудования с использованием платформы MindSphere компании Siemens // ИСУП. 2018. № 4. с. 16-22.
  2. Рыжко, А.Л. Информационные системы управления производственной компанией: учебник для академического бакалавриата / А.Л. Рыжко, А.И. Рыбноков, Н.А. Рыжко. – Москва: Издательство Юрайт, 2019.
  3. Кочетов, П.С. Автоматизация процесса контроля качества на автомобильном производстве / П.С. Кочетов // Материалы XXIII Международной научно-практической конференции «Advances in Science and Technology». – М.: 2019. – с. 44-46.

DATA COLLECTION TECHNOLOGIES FOR AUTOMATION OF THE QUALITY CONTROL PROCESS IN THE AUTOMOTIVE PRODUCTION

Kochetov P.S.

Nizhny Novgorod State University named after N.I. Lobachevsky, Nizhny Novgorod, Russia

 

The article discusses the main technologies used in organizing the collection of data on the operation of equipment in production, the parameters recorded when receiving information from the equipment, describes the process of collecting data for automating the quality control system using the example of automotive production and describes the structure of this data.

Key words: machine learning, automation, server, IoT.

Back to Top