使用高频机器数据来增强你的预测分析。以前所未有的可视性来诊断、预测和避免故障不需要传感器。
售后传感器安装可能很难标准化,难以安装,并受到退化
不可靠的你应该把传感器放在哪里,当它被撞歪的时候会发生什么?您的客户能够自己安装和调试传感器吗?
不准确的想象一下,你正在钢琴上学习一首新的曲子,但是乐谱上每十个音符中只有一个音符。
昂贵的传感器的安装时间和成本会大大增加。
2020年,我们的数据科学团队启动了一个项目,重点是将高频机床数据应用于预测性维护,目标是加速机床的预测性分析用例。我们的团队发现了一种方法,可以在不使用传感器的情况下直接从数控机床的控制中收集1khz的数据,传感器可以立即作为时间序列或机器学习模型的输入,以预测机器故障。
使用高频机器数据对您的预测分析应用程序进行诊断、预测和避免您的制造设备的故障。不需要传感器。
众所周知,理解过去机器上为什么会出现问题是一项非常困难的任务。低频数据可以实现状态监测,而对主轴负载等进行状态监测则要求更高的保真度。
从控制系统收集高频数据可以提供前所未有的可视性和准确性,使机器的健康和状况得以诊断,而这在过去是不可能的.
用力推进刀具会导致高的刀具成本和频繁的停机切换。不推机器可能会以牺牲产量为代价来降低加工成本。
可检测到由于材料、环境和切削方式的不同而导致的刀具磨损增加,使您每次都能充分使用刀具。
当工具被破坏时,它们就不能正确地工作。这就导致了一些问题,如零件表面处理不佳、切割不完整等,这些问题一旦进入QA阶段就必须被废弃。
通过检测刀具颤振来减少这些问题。在零件需要报废之前,预测零件何时不符合规格,或者零件何时很快会不符合规格。
当他们压力过大时,昂贵的工具就会断裂,不仅会破坏工具,甚至会破坏后面的工具。
检测工具中何时出现初始应力裂缝,并在情况恶化之前提醒作业人员将其取出。
利用主轴负载的高频数据来确定刀具何时会失效,BC机加工现在可以检测刀具失效99%的信心到在它失效前40分钟。
当这个算法被触发时我们正在启动机器来执行一个馈入保持防止破损的发生。