రబ్బరు డిఫ్లాషింగ్ సిస్టమ్స్‌లో AI మరియు IoT అనుసంధానం

By మైక్ చెన్, ప్రొడక్షన్ డైరెక్టర్ | రబ్బరు తయారీ రంగంలో 12+ సంవత్సరాల అనుభవం |లింక్డ్ఇన్

ముఖ్యమైన అంశాలు

• ఒకే XCJ-G600 బ్యారెల్ ప్రతి 20–40 సెకన్లకు 15 కిలోల బ్యాచ్‌ను ప్రాసెస్ చేస్తుంది — దీనివల్ల 8 గంటల షిఫ్ట్‌లో 1,300 కంటే ఎక్కువ డేటా-సమృద్ధిగల సైకిల్స్ ఇప్పటికే IoT క్యాప్చర్ కోసం అందుబాటులో ఉన్నాయి.
• క్రయోజెనిక్ డీఫ్లాషింగ్ యూనిట్లు −150 °C వరకు ఉష్ణోగ్రతల వద్ద 20–70 RPM రోలర్ వేగంతో పనిచేస్తాయి, మరియు ఈ రెండు చరరాశులను నమోదు చేయడం ద్వారా నత్రజని వ్యర్థాలు మరియు ఇన్సులేషన్ డ్రిఫ్ట్ నేరుగా బహిర్గతమవుతాయి.
• అనుసంధానించబడిన యంత్రాలు ప్రక్రియలో వచ్చే మార్పులను ముందుగానే వెల్లడిస్తాయి కాబట్టి, ప్రిడిక్టివ్ మెయింటెనెన్స్ సాధారణంగా అనుకోని ఆటంకాలను 30 నిమిషాల లోపు జరిగే షెడ్యూల్డ్ జోక్యాలుగా మారుస్తుంది (ఇవి మా కస్టమర్ ప్రాజెక్ట్‌ల నుండి పొందిన సాధారణ విలువలు).
• మార్చడం కన్నా పాతవాటిని అమర్చడమే మేలు: 7.5 kW XCJ-G600 వంటి ఇన్వర్టర్-ఆధారిత పరికరాలను కొత్తగా కొనుగోలు చేయడానికి బదులుగా, సాధారణంగా సెన్సార్లు మరియు ఎడ్జ్ గేట్‌వేతో అనుసంధానించవచ్చు.

మేము పనిచేసే చాలా మంది తయారీదారుల వద్ద ఇప్పటికే డీఫ్లాషింగ్ పరికరాలు ఉన్నాయి, అవి యంత్ర స్థాయిలో తెలివిగాను, ఫ్యాక్టరీ స్థాయిలో పూర్తిగా నిశ్శబ్దంగాను పనిచేస్తాయి. కంట్రోలర్‌కు రోలర్ వేగం తెలుసు; ఆపరేటర్‌కు బ్యాచ్ బరువు తెలుసు; నాణ్యతా బృందానికి తిరస్కరణ రేటు తెలుసు — కానీ ఈ మూడింటినీ ఎవరూ అనుసంధానించరు. సరిగ్గా ఈ అనుసంధాన రాహిత్యాన్ని సరిచేయడానికే AI మరియు IoT ప్రాజెక్టులు రూపొందించబడ్డాయి.

ఈ వ్యాసం, డీఫ్లాషింగ్ సందర్భంలో ఇంటిగ్రేషన్ అంటే నిజంగా ఏమిటో, ఏ డేటా పాయింట్లను మొదట కనెక్ట్ చేయడం విలువైనదో, మరియు హైపర్‌స్కేల్ స్మార్ట్ ఫ్యాక్టరీలకు కాకుండా చిన్న మరియు మధ్య తరహా రబ్బరు ప్లాంట్‌లకు పనిచేసే ఒక దశలవారీ రోడ్‌మ్యాప్‌ను వివరిస్తుంది.

డిఫ్లాషింగ్ సందర్భంలో AI మరియు IoT అంటే నిజానికి ఏమిటి?

ఇంటర్నెట్ ఆఫ్ థింగ్స్ (IoT) అనేది పారిశ్రామిక పరికరాలను ఒక నెట్‌వర్క్‌కు అనుసంధానించి, వాటి నిర్వహణ డేటాను సేకరించి, నిల్వ చేసి, సమీక్షించే పద్ధతి; ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) అనేది ఆ డేటాలోని నమూనాలను కనుగొని, నిర్ణయాలను సిఫార్సు చేసే లేదా అమలు చేసే సాఫ్ట్‌వేర్ పొర.డీఫ్లాషింగ్‌లో, ఈ రెండూ జంటగా పనిచేస్తాయి: ఐఓటీ ముడి సిగ్నల్‌ను అందిస్తుంది, మరియు ఏఐ ఆ సిగ్నల్‌ను చర్యగా మారుస్తుంది — రోలర్ వేగాన్ని తగ్గించడం, అరిగిపోయిన బెల్ట్‌ను గుర్తించడం, లేదా అనుమానాస్పద బ్యాచ్‌ను రవాణాకు ముందే క్వారంటైన్ చేయడం వంటివి చేస్తుంది.

డీఫ్లాషింగ్ మెషీన్‌ను మొదట డేటా సోర్స్‌గా, ఆ తర్వాతే డీబరింగ్ టూల్‌గా భావించడం సహాయపడుతుంది. ప్రతి మెకానికల్ డీఫ్లాషింగ్ సైకిల్ మరియు −120 °C కంటే తక్కువ ఉష్ణోగ్రత వద్ద జరిగే ప్రతి క్రయోజెనిక్ రన్, వేగం, సమయం, ఉష్ణోగ్రత మరియు లోడ్‌కు సంబంధించిన గుర్తించదగిన ఫింగర్‌ప్రింట్‌ను ఉత్పత్తి చేస్తుంది. ఒకసారి ఆ ఫింగర్‌ప్రింట్లు నిల్వ చేయబడిన తర్వాత, "సైకిల్ టైమ్స్ ఎప్పుడు పెరగడం ప్రారంభించాయి?" వంటి ప్రశ్నలకు, ఒక ప్రాసెస్ ఇంజనీర్ పూర్తి షిఫ్ట్ పాటు బ్యారెల్ వద్ద నిలబడవలసి వచ్చేది, కానీ ఇప్పుడు ఆ ప్రశ్నలు కేవలం పది సెకన్ల డాష్‌బోర్డ్ క్వెరీగా మారిపోతాయి.

డిఫ్లాషింగ్ అవుతున్న ఏ డేటా పాయింట్లను మొదట కనెక్ట్ చేయడం మంచిది?

డిఫ్లాషింగ్ నాణ్యతను ఇప్పటికే నిర్ణయించే నాలుగు అంశాలైన సైకిల్ సమయం, రోలర్ వేగం, ప్రాసెస్ ఉష్ణోగ్రత మరియు బ్యాచ్ లోడ్‌తో ప్రారంభించండి.అవి ప్రతి యంత్రంలో ఉంటాయి, ఏదైనా సమస్య వచ్చినప్పుడు అవి మారుతాయి, మరియు అవి నేరుగా ఉత్పత్తి ఫలితాలకు అనుసంధానించబడతాయి. కింది పట్టిక ప్రతి వేరియబుల్‌ను వాస్తవ పరికరాల విలువలతో మరియు అది సాధించే ఆప్టిమైజేషన్‌తో జత చేస్తుంది.

పరికరాల విలువలు వీటి నుండి సేకరించబడ్డాయిXCJ-G600 ఉత్పత్తి పేజీమరియుద్రవ నైట్రోజన్ క్రయోజెనిక్ డిఫ్లాషింగ్ మెషిన్ స్పెసిఫికేషన్లు.

క్రయోజెనిక్ ఎంబ్రిటిల్‌మెంట్ అనేది ఉష్ణోగ్రత మరియు సమయం మధ్య జరిగే పోటీ కాబట్టి, ఒక క్రయోజెనిక్ లైన్‌లో నమోదు చేయబడిన శీతలీకరణ వక్రతలు అత్యంత విలువైన డేటాసెట్‌గా ఉంటాయి.8 నిమిషాలకు బదులుగా 5 నిమిషాల్లోనే లక్షిత పెళుసుదనాన్ని చేరుకునే రన్, దాని సైకిల్‌లో 37% ఆదా చేసింది — ఈ ఆదా స్టాప్‌వాచ్‌లో కనిపించకపోయినా, డేటాలో స్పష్టంగా కనిపిస్తుంది.

ప్రిడిక్టివ్ మెయింటెనెన్స్ డిఫ్లాషింగ్ ఎకనామిక్స్‌ను ఎలా మారుస్తుంది?

ప్రిడిక్టివ్ మెయింటెనెన్స్ అనేది, ఒక కాంపోనెంట్ పాడైన తర్వాత కాకుండా, అది పాడవక ముందే సర్వీస్‌ను షెడ్యూల్ చేయడానికి, పెరుగుతున్న సైకిల్ టైమ్‌లు, మోటార్ కరెంట్ హెచ్చుతగ్గులు, ఉష్ణోగ్రత అస్థిరత వంటి ట్రెండ్ డేటాను ఉపయోగిస్తుంది.ఆర్థిక వ్యత్యాసం స్పష్టంగా ఉంది: షిఫ్ట్ మధ్యలో డ్రైవ్ మోటార్ విఫలమైతే లైన్ ఆగిపోతుంది, షెడ్యూల్ తారుమారు అవుతుంది, మరియు తయారీలో ఉన్న మొత్తం బ్యాచ్‌ను రద్దు చేయాల్సి రావచ్చు. అదే సమయంలో, రెండు వారాల ముందుగానే గుర్తించి, ప్రణాళిక ప్రకారం మార్చాలనుకుంటే, అది షిఫ్టుల మధ్యలో జరిగిపోతుంది.

కస్టమర్ ప్లాంట్లలో డీఫ్లాషింగ్ లైన్లకు మద్దతు ఇవ్వడంలో మా అనుభవం ప్రకారం, కనెక్ట్ చేయబడిన పర్యవేక్షణ సాధారణంగా ఒకే యంత్రంపై ప్రతి త్రైమాసికంలో మూడు నుండి ఐదు చర్య తీసుకోదగిన ప్రక్రియ లోపాలను వెలుగులోకి తెస్తుంది — వీటిలో సర్వసాధారణంగా కనిపించేవి క్రమంగా సైకిల్-టైమ్ పెరగడం మరియు అస్థిరమైన క్రయోజెనిక్ కూల్‌డౌన్ — మరియు వీటిలో ప్రతి ఒక్కటీ 30 నిమిషాల లోపు షెడ్యూల్ చేయబడిన వ్యవధిలో సరిదిద్దదగినది (ఇవి మా కస్టమర్ ప్రాజెక్ట్‌ల నుండి పొందిన సాధారణ విలువలు; కాంపౌండ్ మిక్స్ మరియు షిఫ్ట్ ప్యాటర్న్‌ను బట్టి కచ్చితమైన సంఖ్యలు మారుతూ ఉంటాయి).XCJ-G600 వంటి మెషీన్‌లోని 7.5 kW ఇన్వర్టర్ ఇప్పటికే మోటార్ లోడ్‌ను డిజిటల్‌గా నివేదిస్తుంది కాబట్టి, ఈ స్థాయి పర్యవేక్షణకు అయ్యే ప్రారంభ ఖర్చు కొత్త హార్డ్‌వేర్ కాదు, కేవలం ఒక గేట్‌వే మరియు కాన్ఫిగరేషన్ మాత్రమే.

నిబంధనల పాటింపు కోణం కూడా ఉంది. ధృవీకరించబడిన ప్లాంట్లుISO 9001నిరంతర అభివృద్ధిని ప్రదర్శించమని కోరతారు; ప్రతి బ్యాచ్‌కు సంబంధించిన మెషిన్ పారామితుల డేటా ట్రెయిల్ అనేది ఆడిటర్ అంగీకరించే అత్యంత స్పష్టమైన సాక్ష్యాలలో ఒకటి.

నాణ్యత ప్రక్రియలో మెషిన్ విజన్ పాత్ర ఏమిటి?

సెన్సార్ డేటా మాత్రమే మిగిల్చిన అంతరాన్ని మెషిన్ విజన్ పూరిస్తుంది: కెమెరాలు డీఫ్లాష్ చేయబడిన భాగాలను తనిఖీ చేస్తాయి, మరియు AI పొర తిరస్కరించబడిన ప్రతి భాగాన్ని, అది ఉత్పత్తి అయిన ఖచ్చితమైన సైకిల్, వేగం మరియు ఉష్ణోగ్రత వరకు గుర్తించి తిరిగి కనుగొంటుంది.ఇది నాణ్యత నియంత్రణను కేవలం జరిగిపోయే పని నుండి, నడిపించే చర్యగా మారుస్తుంది.

ఆచరణాత్మక ప్రక్రియ ఈ విధంగా ఉంటుంది: భాగాలు డీఫ్లాషింగ్ బ్యారెల్ నుండి బయటకు వచ్చి, మిగిలిపోయిన ఫ్లాష్‌ను గుర్తించే విజన్ చెక్ గుండా వెళతాయి, ఆపై శుభ్రమైన భాగాలు ముందుకు సాగుతాయి.రబ్బరు సెపరేటర్ యంత్రంఅది మంచి ఉత్పత్తిని పనికిరాని వ్యర్థాల నుండి వేరు చేస్తుంది. విజన్ సిస్టమ్ ఒక తిరస్కరణ క్లస్టర్‌ను నమోదు చేసినప్పుడు, AI టైమ్‌స్టాంప్‌లను బ్యారెల్ డేటాతో పోల్చి, ముఖ్యమైన ప్రశ్నకు సమాధానం ఇస్తుంది: ఇది చెడ్డ కాంపౌండా, తప్పుడు రోలర్ వేగమా, లేదా నిర్దేశిత పరిమాణం కంటే 2 కిలోలు ఎక్కువగా ఉన్న బ్యాచా?

ఈ జత కలయిక వల్ల క్రయోజెనిక్ లైన్లు అత్యధిక ప్రయోజనం పొందుతాయి. పారామితులు స్థిరంగా ఉన్నప్పుడు, క్రయోజెనిక్ డీఫ్లాషింగ్ ద్వారా తుది ఉత్పత్తి ఉత్తీర్ణత రేట్లు 98% కంటే ఎక్కువగా ఉంటాయి. కాబట్టి, నమోదైన ఒక చిన్న విచలనం — అంటే, కూలింగ్ కర్వ్ బేస్‌లైన్ కంటే 10 °C ఎక్కువ వేడిగా నడవడం — కూడా, దిగుబడిలో మూడు పాయింట్లు నష్టపోయే ముందే పట్టుకోవడం చాలా ముఖ్యం.

వాస్తవిక ఏకీకరణ రోడ్‌మ్యాప్ ఎలా ఉంటుంది?

చాలా రబ్బరు ప్లాంట్‌లకు ఆచరణీయమైన విధానం మూడు దశలలో ఉంటుంది: మొత్తం లైన్‌కు ముందు ఒక యంత్రంపై, ఈ క్రమంలో అనుసంధానించడం, విశ్లేషించడం, ఆపై ఆప్టిమైజ్ చేయడం.డేటా అందుబాటులోకి రాకముందే నిర్ణయాలను స్వయంచాలకం చేయడానికి ప్రయత్నించడం అనేది ఇండస్ట్రీ 4.0 ప్రాజెక్టులలో మనం చూసే అత్యంత సాధారణ వైఫల్య విధానం.

1. ఒక యంత్రాన్ని అనుసంధానించి బేస్‌లైన్‌ను నిర్వచించండి.ఒకే డీఫ్లాషింగ్ యూనిట్‌పై — అంటే అత్యంత నూతనమైన, ఇన్వర్టర్‌తో నడిచే దానిపై — ఒక ఎడ్జ్ గేట్‌వేను ఇన్‌స్టాల్ చేసి, ఏమీ మార్చకుండా 60 రోజుల పాటు సైకిల్ సమయం, వేగం, ఉష్ణోగ్రత మరియు లోడ్‌ను లాగ్ చేయండి, తద్వారా "సాధారణ" స్థితిని ఊహించకుండా కొలుస్తారు.
2. నాణ్యమైన ఫలితాల ఆధారంగా విశ్లేషించండి.మెషిన్ డేటాను తనిఖీ నుండి వచ్చిన తిరస్కరణ రికార్డులతో విలీనం చేసి, పారామీటర్ డ్రిఫ్ట్ మరియు నాణ్యత సంఘటనల మధ్య పరస్పర సంబంధాలను కనుగొనడానికి AI లేయర్‌ను (లేదా నిజం చెప్పాలంటే, ఒక మంచి స్ప్రెడ్‌షీట్‌ను) ఉపయోగించుకోండి.
3. క్లోజ్డ్-లూప్ హెచ్చరికలతో ఆప్టిమైజ్ చేయండి.బేస్‌లైన్ నుండి హెచ్చరిక పరిమితులను సెట్ చేయండి, వాటిని ఆపరేటర్ల ఫోన్‌లకు లేదా ప్లాంట్ డాష్‌బోర్డ్‌కు పంపండి, ఆ తర్వాతే ఆటోమేటిక్ పారామీటర్ సవరణను పరిగణించండి — ఈ దశకే అత్యధిక నిర్వహణ మరియు అతి తక్కువ ఆవశ్యకత అవసరం.

నిజాయితీ పరిమితులు ఏమిటి?

AI మరియు IoT ఒక అస్థిరమైన ప్రక్రియను, అరిగిపోయిన బ్యారెల్‌ను, లేదా సరిగ్గా నిర్దేశించని అచ్చును సరిచేయవు — అవి కేవలం ఆ సమస్యలను మరింత వేగంగా మరియు మరింత కచ్చితంగా నివేదిస్తాయి.ఏకీకరణ మంచి ప్రక్రియ నియంత్రణను మెరుగుపరుస్తుంది; కానీ దానికి ప్రత్యామ్నాయం కాదు.

మా ప్రాజెక్ట్ అనుభవం నుండి మరో రెండు హెచ్చరికలు. మొదటిది, చిన్న కాంపౌండ్ రన్‌లు పలుచని డేటాను ఉత్పత్తి చేస్తాయి: ఒకే O-రింగ్ సైజు యొక్క 300 సైకిల్స్‌పై శిక్షణ పొందిన AI మోడల్, 40 షార్ట్-రన్ పార్ట్‌ల ఫ్యామిలీకి సజావుగా బదిలీ అవ్వదు, కాబట్టి ప్రతి ప్రొడక్ట్ మిక్స్‌కు అంచనాలను నిర్దేశించుకోవాలి. రెండవది, కనెక్టివిటీకి ఒక సెక్యూరిటీ సర్ఫేస్ ఉంటుంది — ఉదాహరణకు, మాన్యుఫ్యాక్చరింగ్ సైబర్‌సెక్యూరిటీ రిసోర్సెస్ ద్వారా ప్రచురించబడిన మార్గదర్శకత్వం.NISTగేట్‌వే ప్రారంభమయ్యే ముందు చదవడం మంచిది.డిఫ్లాషింగ్ సెల్ దాని రూపకల్పన రీత్యా అరుదుగా ఇంటర్నెట్‌కు అనుసంధానించబడి ఉంటుంది కాబట్టి, సరిగ్గా విభజించబడిన ఫ్యాక్టరీ నెట్‌వర్క్ అదనపు ప్రమాదాన్ని మితంగా ఉంచుతుంది, కానీ "మితం" అంటే "సున్నా" అని కాదు మరియు దాని కోసం బడ్జెట్‌లో కేటాయింపులు చేయాలి.

ముగింపు: మీ వద్ద ఇప్పటికే ఉన్న డేటాను అనుసంధానించండి

రబ్బరు డీఫ్లాషింగ్ అనేది AI మరియు IoT అనుసంధానానికి అసాధారణంగా బాగా సరిపోతుంది, దానికి ఒక సులభమైన కారణం ఉంది: ఈ యంత్రాలు ఇప్పటికే ఖచ్చితంగా నియంత్రించబడిన, కొలవగల చరరాశులపై పనిచేస్తాయి. 15 కిలోల బ్యాచ్, 20–40 సెకన్ల సైకిల్, −150 °C గరిష్ట ఉష్ణోగ్రత, 20–70 RPM రోలర్ పరిధి — ఇవి సేకరించడానికి సిద్ధంగా ఉన్న డేటా పాయింట్లు, మరియు వాటిలో ప్రతి ఒక్కటీ నాణ్యత సమాచారాన్ని కలిగి ఉంటుంది.

మీరు తదుపరి పరికరాల పెట్టుబడిని ప్లాన్ చేస్తుంటే, డేటాను స్పష్టంగా ప్రదర్శించే కంట్రోలర్‌లు గల మెషీన్‌లను ఎంచుకోండి. పరిశీలించండిపూర్తి రబ్బరు డిఫ్లాషింగ్ మెషిన్ శ్రేణిజియామెన్ జింగ్‌చాంగ్‌జియా నుండి, లేదా మీ పార్ట్ డ్రాయింగ్‌లు మరియు లక్ష్య అవుట్‌పుట్‌ను మాకు పంపండి — మా ఇంజనీరింగ్ బృందం మీ ప్లాంట్ ఆటోమేషన్ స్థాయికి సరిపోయే కనెక్టివిటీ ఎంపికలతో కూడిన డీఫ్లాషింగ్ కాన్ఫిగరేషన్‌ను ప్రతిపాదిస్తుంది.