Mondi用机器学习实现基于统计的生产过程健康监测和预测性维护
蒙迪格罗诺是一家领先的国际包装和纸制品制造商。2022世界杯八强谁会赢？该公司的塑料生产工厂每年交付约1800万吨塑料和薄膜产品。2022世界杯八强谁会赢？工厂的900名工人每天24小时，一年365天，操作大约60台塑料挤出、印刷、涂胶和缠绕机。
机器故障导致的停机和浪费的原材料每个月花费Mondi数百万欧元。为了使这些成本最小化并使工厂效率最大化，Mondi开发了一种健康监测和预测性维护应用程序。该应用程序使用先进的统计数据和机器学习算法来识别机器的潜在问题，使工人能够采取纠正措施，防止严重问题的发生。
Mondi用MATLAB开发了这个应用程序®在MathWorks Consulting和dr . ing教授的支持下。Andreas König，综合传感器系统教授(凯泽斯劳滕工业大学电气工程与计算机工程系)。
“作为一家制造公司，我们没有具备机器学习专业知识的数据科学家，但MathWorks提供的工具和技术知识使我们能够在几个月内开发出一个生产预防性维护系统，”Mondi信息管理和流程自动化主管Michael Kohlert博士说。
Mondi Gronau的塑料生产机器之一，每年交付约1800万吨塑料和薄膜产品。2022世界杯八强谁会赢？
挑战
Mondi工厂的挤出机和其他机器又大又复杂，长可达50米，高可达15米。每台机器由多达5个可编程逻辑控制器(plc)控制，可从机器的传感器记录温度、压力、速度和其他性能参数。每台机器每分钟记录300-400个参数值，每天产生7gb的数据。
Mondi在使用这些数据进行预测性维护时遇到了一些挑战。首先，工厂人员在统计分析和机器学习方面的经验有限。他们需要评估各种机器学习方法，以确定哪种方法对他们的数据产生了最准确的结果。他们还需要开发一种应用程序，向机器操作员清晰、立即地展示结果。最后，他们需要对该应用程序进行打包，以便在生产环境中持续使用。
解决方案
Mondi与MathWorks Consulting和dr . ing教授合作。Andreas König在MATLAB中开发和部署健康监测和预测性维护软件。
Mondi团队之前已经建立了一个Oracle®数据库通过以太网网络从工厂所有机器收集数据。他们使用数据库工具箱™从MATLAB中访问这个数据库。
接下来，该团队开发了MATLAB脚本，通过删除异常值和无效值来清理数据。
他们在MATLAB中开发了一个应用程序来查询数据库并以图形化的方式显示结果。例如，操作人员可以使用应用程序界面绘制特定传感器在几分钟、几小时或几周内测量的压力。
为了增强应用，他们增加了统计过程控制(SPC)功能，可以在传感器值超出正常工作范围时向操作人员发出警报。
Mondi和MathWorks的顾问使用统计和机器学习工具箱™和深度学习工具箱™评估了几种机器学习技术，包括神经网络、k近邻、袋装决策树和支持向量机(svm)。
对于每种技术，他们使用记录的机器数据训练一个分类模型，然后测试模型预测机器问题的能力。实验表明，袋装决策树集合是最准确的数据模型。
该团队进一步增强了MATLAB应用程序，更新了界面，将来自机器学习模型的预测纳入其中。这些预测使设备操作人员能够在潜在故障发生前收到警告。Mondi随后使用MATLAB Compiler™创建了该应用程序的独立可执行版本，该版本现在在工厂的生产中使用。
基于MATLAB的人机交互界面，使设备操作员能够在潜在故障发生前收到有关故障的警告。
结果
- 每年节省5万多欧元。Kohlert博士说:“我们的财务控制部门认为，通过使用MATLAB进行预测性维护，我们每年可以节省5万多欧元。”这一数字仅基于8台机器。我们预计，随着我们分析更多机器的数据，这个数字至少会增加四倍。”
- 原型在六个月内完成。Kohlert博士指出:“对于很多咨询师来说，讨论很多，但没有行动。”MathWorks的顾问们直接开始了。我们在两个月内进行了第一次测试，在六个月内完成了工作原型。MATLAB代码很容易理解，所以我们可以在需要的时候迅速做出改变。”
- 生产软件全天候运行。“有一种误解，认为MATLAB只用于研究或开发，”Kohlert博士说。“我们的机器不间断地运行，甚至在圣诞节，我们依靠基于MATLAB的监控和预测性维护软件在生产中持续可靠地运行。”
2022世界杯八强谁会赢？产品使用
展示你的成功
加入客户参考计划
您也可以从以下列表中选择网站: