说再见取消部分。

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。

mm20-laptop_0002_FIX-Extensibility-Integrations-43_dropshadow-1
mm20_icon_r2_po-machine-data
诊断
通过即插即用的高频数据收集获得前所未有的保真度。
mm20_icon_R2_health预测
预测
利用转换后的数据,立即识别以前从未见过的问题。
mm20_icon_R2_health预防
防止
在问题造成昂贵的停机时间之前,交付解决方案以阻止问题。
在工厂中获取、解析和清理数据进行分析是一项混乱、乏味的活动。
  • 当工具损坏时,代价可能会很高。
  • 一个损坏的工具仍然可以制造出看起来符合规格的零件,但最终往往会报废。
  • 机器负载、扭矩、加速度和主轴转速的细微异常可能导致零件超出要求的公差。
事情的现状
这个问题今天的解决方案并不能解决这个问题
不能攀登的

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。

高频数据

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。

这一发现
解决方案

在失败发生之前停止失败

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。

小型设备
mm20_icon_R2_po提高调度
识别问题
利用高频数据直接从机器控制或传感器数据。使用这些数据作为时间序列或机器学习模型的输入。
mm20_icon_R2_predictive部署solutions@4x
在边缘部署
部署和管理自定义算法的MachineMetrics边缘设备处理和分析的源头,以检测潜在的故障。
mm20_icon_R2_po工作流
自动化解决方案
当一个算法被触发时,通过提醒/通知工厂工人来传递操作人员的行动,或者在设备故障前自动停止机器的运行。
用例
mm20-laptop_0030_Marox_Timeline_dropshadow
用例# 1 机诊断

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

mm20-laptop_0031_Cut_Cycles_dropshadow
用例# 2 工具优化

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。

21集团
用例# 3 质量优化

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。

MM20-iphone-alert_dropshadow
用例# 4 预测性维护

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。

我们怎么知道这会改变游戏规则?
一个案例研究 公元前加工

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。

准备好授权你的车间?
今天就从制造分析开始吧。