La solution AI pour les systèmes de serrage dans l'industrie automobile évite les arrêts de ligne coûteux en raison d'une défaillance de la pince.

Un logiciel d’IA qui surveille les performances de la pince remporte un prix AI

Festo a été nommée intelligence artificielle (AI) champion pour le projet de la société Intelligent Pneumatic Runtime Monitoring lors de la cérémonie de remise des prix inaugurale du Bade-Wurtemberg. (Le Bade-Wurtemberg est l’une des principales régions d’Allemagne pour le développement de l’IA.)

Le logiciel basé sur l’IA a été développé pour une entreprise automobile qui connaissait trop de pannes avec les pinces pneumatiques utilisées pour maintenir les parties du corps ensemble pendant le soudage. La politique précédente consistait à remplacer les pinces uniquement lorsqu’elles se cassaient.

Lorsqu’une panne se produit, les machines s’arrêtent tandis que le personnel de maintenance bien formé passe 30 à 60 minutes à remplacer la pièce et à redémarrer la production. Si la pince cassée se trouve sur la chaîne de montage principale, l’arrêt peut coûter plusieurs centaines de milliers de dollars. Même si la pince cassée se trouve sur une chaîne de montage latérale, les coûts sont importants, notamment par rapport au coût de la pince. Avec plus de 100 000 pinces dans une seule usine, l’entreprise a subi de 350 à 400 pinces brisées par an pour un coût d’au moins 200 heures d’arrêt.

La solution AI pour les systèmes de serrage dans l’industrie automobile évite les arrêts de ligne coûteux en raison d’une défaillance de la pince.

L’entreprise a utilisé des API pour surveiller le temps nécessaire aux deux vérins pneumatiques sur les pinces pour atteindre la fin de leurs courses (position finale à position finale). Si cela prenait plus d’une seconde, cela déclenchait une alarme, alertant un technicien pour qu’il examine la pince.

«Trop souvent, cependant, les courses déclenchaient le seuil d’alarme de manière aléatoire en raison de fuites internes temporaires entre les chambres à deux cylindres de la pince, puis l’erreur disparaissait», explique Dominic Kraus, chef de produit Digital Business chez Festo. «HCependant, la pince échouerait bientôt. Dans d’autres cas, les pinces réagissent trop lentement à la commutation de la vanne en raison du frottement interne, ce qui n’est pas surveillé par les API.

«Et dans plusieurs cas», a ajouté Kraus, «les pinces se sont déplacées trop rapidement à cause d’un roulement à aiguilles cassé, et cette erreur ne serait pas du tout détectée. Mais cela empêcherait la pince d’exercer la force nécessaire qui provoque des soudures défectueuses.

Le constructeur automobile connaissait l’IA et son équipe d’ingénieurs estimait que l’intelligence artificielle pouvait être une solution, mais elle manquait de l’expertise pneumatique pour l’appliquer dans cette application. Ils ont décidé de travailler avec Festo, une entreprise leader dans le domaine de la pneumatique. Festo a fait appel à des data scientists de Resolto, une entreprise du groupe Festo spécialisée dans le développement de l’IA.

Festo a commencé par accumuler des données de serrage hors ligne pour montrer au client les avantages de l’IA et de la maintenance prédictive avant d’ajouter un logiciel au système. Le logiciel d’IA a été écrit dans Docker, un outil open source qui simplifie la création et le déploiement d’applications. Docker fonctionne sur n’importe quelle machine Linux. Cela a permis à l’entreprise automobile d’installer le logiciel sur un ordinateur de bord ou un IPC. L’entreprise automobile peut également faire évoluer le programme pour qu’il fonctionne sur un serveur local ou dans des environnements cloud, en fonction de ses besoins.

Les entrées du logiciel sont les signaux des deux interrupteurs de fin de course dans chaque pince. À partir de ces données et de l’historique, l’IA calcule un score de santé pour la pince. L’IA a également calculé la pertinence des caractéristiques, c’est-à-dire l’influence de chaque signal de capteur sur tout événement anormal. La pertinence a ensuite été utilisée pour classer la cause probable de l’anomalie. Faire cela avec la programmation PLC traditionnelle prendrait trop d’efforts car chaque cas doit être connu à l’avance et le programme devrait être modifié pour tout nouveau type d’erreur détecté. De plus, chaque seuil de pince devrait être configuré individuellement par le programmeur, ce qui prendrait un temps considérable pour 100 000 pinces. En ajoutant encore au temps perdu, la configuration devrait être refaite après le remplacement d’une pince.

Avec AI, le modèle individuel de chaque pince est déterminé. Différentes erreurs provoquent des changements différents dans le modèle de données, et l’IA peut les détecter et les classer. Cela permet à l’application IA terminée de détecter que quelque chose ne va pas, d’identifier la cause des opérations et de recommander des actions. Par exemple, le logiciel «saurait» qu’une augmentation du frottement interne n’est pas aussi urgente qu’un roulement à aiguilles cassé. Dans le premier cas, l’entreprise peut continuer à utiliser la pince pour réaliser de bonnes soudures, mais la production peut ralentir quelque peu avant la maintenance programmée. Dans ce dernier cas, l’entreprise remplacerait la pince à la première occasion et vérifierait les soudures effectuées alors que la pince était défectueuse. Les deux réponses seraient plus bénéfique qu’un arrêt non planifié.

Articles similaires

Commencez à saisir votre recherche ci-dessus et pressez Entrée pour rechercher. ESC pour annuler.

Retour en haut