Model dat alarm slaat als het freesproces afwijkt
Model dat normaal machinegedrag leert en alarm slaat zodra het freesproces daarvan afwijkt. Het model leert uit normale productie wat gebruikelijk is en slaat aan bij afwijking. Vereist wel een bestaande sensorbox.
De uitdaging
- Gereedschapsslijtage, overmatige trillingen en materiaalvariatie leidden tot maatafwijkingen, oppervlaktefouten, herstelwerk, afkeur en onverwachte stilstand.
- De operators bewaakten dat door continu te luisteren en te kijken: arbeidsintensief, en afhankelijk van wie er die dag stond.
- Anomalieën die niemand opmerkte vormden een direct kwaliteits- en stilstandrisico.
De oplossing
- Fase 0: machinesignalen tijdens het frezen werden verzameld en geanalyseerd met een sensorbox, waar mogelijk gekoppeld aan kwaliteitsdata van het product.
- Fase 1: op die dataset werd een model van normaal gedrag getraind.
- Fase 2: het model bewaakte de signalen continu en gaf een alert bij afwijkingen. Tijdens de pilot van twee tot vier weken classificeerde een vaste contactpersoon elke melding als terecht of onterecht, waarna het model werd bijgesteld. Er was een tussentijds bezoek en een eindrapport met bevindingen.
Wat het opleverde
45%lager risico op onverwachte stilstand
25%minder risico dat een serie werd afgekeurd
- Investering: €0–€1.000 voor de basisopstelling, plus de kosten van de sensorbox
Meer weten over deze case?
Robert van Rietveld
Brightlands Data & Ai Campus
robert.vanrietveld@brightlands.com