ХИ ба оюун ухаант үйлдвэрлэл хөдөлгүүрийн хөтлөх эд ангиудыг хэрхэн өөрчилж байна

ХИ-д суурилсан ухаалаг утас татамжийн тодорхойлолт ба оюун ухаант үйлдвэрлэлд гүйцэтгэх үүрэг

Хиймэл оюун ухааныг үйлдвэрлэлд ашиглах нь бид юмыг хэрхэн үйлдвэрлэх талаарх ойлголтоо үндсэнд нь өөрчлөх бөгөөд одоо үйлдвэрийн үйл ажиллагааны тархины үүрэг гүйцэтгэдэг байна. Уул уурхайн 4.0-ийн орчин үеийн оюун ухаант үйлдвэрүүд нь уламжлалт үйлдвэрүүдтэй харьцуулахад холбоотой мэдрэгчүүд болон машин сургалтын технологийг ашиглан хөдөлгүүр хэсгүүдийг нарийвчлан тохируулдаг. Энэ нь материал сонгохоос эхлээд эцсийн чанарын шалгалт хүртэл бүх талаар сайжруулалт хийдэг. Бодит цагийн мэдээлэл тасралтгүй орж ирж байгаа тул тоног төхөөрөмжүүд нь өөрсдийн тохируулгыг нөхцөлд нь хийж чаддаг. Өнгөрсөн жилийн Industrial AI Benchmark судалгаагаар инструмент элэгдэх нь дунджаар 18 хувь буурсан бөгөөд нарийвчлал нь 0.002 мм нарийвчлалын түвшинд хүрсэн байна.

Бодит цагийн шийдвэр гаргалтанд Хиймэл оюун ухааныг 5G Edge Computing-той интеграцлах

ХИ нь 5G ирмэг боловсруулах технологийг олж мөргөхөд үйлдвэрлэгчид маш гайхамшигтай зүйл авдаг - тохируулга нь бараг мөгцөөн хийгддэг уян хатан үйлдвэрийн талбай. Жишээ нь хөдөлгүүр хэсгүүдийг авч үзье. Одоогоор байршуулж буй CNC төхөөрөмжүүд нь металл хайлуулах үед тэлэхэд одоо өөрчлөлтөө өөрөө хийж чаддэг болсон. Энэ нь сүүлийн үеийн технологийн шинэчлэлт хийхээс өмнө боломжгүй байсан. 2024 онд хийсэн туршилтын үр дүн ч гайхамшигтай байв. Эдгээр шинэ 5G холболтоор шууд сенсорын хэлбэлзлийг боловсруулснаар үйлдвэрүүд турбозарлагын үйлдвэрлэлийн шугамыг хямдруулах нүөрсөн гадаргуугийн дутагдал 28%-иар бууруулсан байна. Үнэндээ, асуудлыг цаг тухайд нь илрүүлэх нь дараа нь цаасан хуудсыг багасгадаг.

Туршлагын тайлан: Ахисан үйлдвэрлэлийн үр ашигтай бүтээлч бүтээл

Сүүлийн үеийн хэрэгжүүлэлтүүд нь оюун ухаантай системд суурилсан арга барилын бодит нөлөөллийг харуулж байна. Нэгэн автомашины түгээгч нейрон хүрээлэнгээр тохируулсан хэрэгсэл замыг ашиглан поршень цагираг үйлдвэрлэхэд үйлдвэрлэлийн циклийг 25%-иар хурдасгаж чадсан. Бүрэн ИИ-г интеграцлах үед эрт оролцсон компаниуд нь конвейер үйлдвэрүүдтэй харьцуулахад үйлдвэрлэлийн шугамын ашиглалтын түвшинг 30–40% сайжруулсан талаар мэргэжилтнүүд баталгаажуулсан.

Хуучин үйлдвэрүүдийг оюун ухаантай орчинд шилжүүлэх стратеги

Одоо байгаа байгууламжуудыг шилжүүлэх нь давхар давхар арга хандлагыг шаарддаг:

Үйлдвэрлэлийн технологийн сүүлийн судалгаагаар энэ фазын стратегийг ашиглан 72% цахилгаан хөдөлгүүрийн компонент үйлдвэрлэгчид 18 сарын дотор бүрэн AI-г нэвтрүүлж чадаж байгаа бол томоохон хандлагыг ашигласан үед амжилтанд хүрсэн хувь 35% байжээ. Амжилтын гол хүчин зүйлсэд ажилчдын мэргэжлийг дээшлүүлэх программ, шилжилтийн үеэр хагас автоматжуулсан үйлдвэрлэлийн шугамыг ашиглаж байх явдал ордог.

Цахилгаан хөдөлгүүрийн детальд урт хугацаанд ашиглах боломжийг олгох урьдчилан таамаглах засварын үйлчилгээ болон бодит цагт мониторинг

AI ашиглан урьдчилан таамаглах засварын үйлчилгээ нь цахилгаан хөдөлгүүрийн солих эд ангиудын амьдралыг яаж сунгах вэ

Хиймэл оюун ухаанаар ажилладаг урьдчилан таамаглах техникийн үйлчилгээ нь хөдөлгүүрүүд хэрхэн ажилладгийг судалж, эвдрэл, гэмтлийн боломжит шинж тэмдгүүдийг цаг тухайд нь илрүүлдэг. Хөдөлгүүрийн хэлбэлзэл, дулаан тархах загвар, тосны ажиллагааны мэдээллийг эдгээр оюун ухаант системд оруулснаар алгоритм нь хэдий орчим хувийн нарийвчлалтайгаар хэсгүүд гэмтэх магадлалыг таамаглаж чаддаг. Иймд техникийн ажилчид бусад бүх зүйл үйлчилгээний шалгалтанд зогссон үед шахагчийн цагираг, турбины хөдөлгүүр зэрэг нарийн деталуудыг цаг тухайд нь солих боломжтой болдог. Энэ нь мөнгө, цаг хохироох хүчин зүйлсийг арилгахад тусалж, олон авто үйлдвэрлэгчдийн тайлангаар хөдөлгүүрүүдийн ажиллах хугацаа дунджаар 18-24 сарын хооронд уртассан байдаг.

Үйлдвэрлэлийн шугам дээрх 5G-ийн сенсор ашиглан бодит цагт мониторинг хийх

Хөдөлгүүрийн блок болон түлш тарих систем доторх 5G технологийг ашиглан холбогдсон сенсорууд 5 мс-аас бага хоцрогдолтой мэдээлэл илгээнэ. Энэ хурдан хариу үйлдэл нь цилиндрийн толгойн хэт халалт эсвэл хөдөлгүүрийн тосны даралт бууралтыг шууд илрүүлэх боломжийг олгодог. Өнгөрсөн жил дэвшүүлсэн судалгаагаар түлш тарих системийг бодит цагт хянах нь дизель хөдөлгүүрийн налсны гэмтлийг ойролцоогоор 34%-иар бууруулдаг байна. Зүй эсэргүүцэх үед хөдөлгүүрийн тохируулгыг шууд хийх боломж нь зардал ихтэй гэмтлийг урьдчилан сэргийлэхэд томоохон ялгаа гаргаж авдаг.

GE Aviation-аас ирсэн мэдээлэл: Хөдөлгүүрийн хэсэгт тохиолддог таамаг бус гэмтлийн 25%-иар бууралт

Турбин хөдөлгүүрийн үйлчилгээний салбарт GE Aviation компанийн хиймэл оюуны технологийг ашигласан диагностикийн платформ нь 18 сарын турш 12,000 нислэгийн мэдээлэл болон сенсорын өгөгдлийг харьцуулан үзэх замаар таамаг бус гэмтлийг 25%-иар бууруулжээ. Систем нь 83% тохиолдолд компрессорын хөлөгт үлээх эхний шатанд илрүүлж, ажиллагаа унахын өмнө хэсгүүдийг солих боломжийг олгодог.

Ирээдүйн зүй тогтол: Хиймэл оюун ухаан болон ирмэгийн шинжилгээгээр үйлчилгээний хуваарь автоматжуулах

Ирмэгийн боловсруулалт болон бэхжүүлэх сургалтыг нэгтгэсэн шинэ системүүд нь үйлчилгээний зайлыг өөрчлөх боломжийг олгодог. Нэг автомашины үйлдвэрлэгч нь хиймэл оюун ухааны агентуудыг ашиглан хариуцлагагүй цочролыг 40%-иар бууруулж, шахалт ихтэй хоолойн шалгалтын хуваарийг шинэчлэн тосны чанарын бодит цагийн шинжилгээнд үндэслэн хийх замаар ашиггүй хэсгүүдийн солилтыг 22%-иар бууруулжээ.

Цахим хоснууд болон инженерийн метавсел доторх хөдөлгүүрийн хэсгүүдийн төсөл

Цахим хосны технологи нь хүчдэлийн дорх хөдөлгүүрийн хэсгийн ажиллагааг туршлагаар шалгах

Цахим хос технологи нь бодит физикийн зарчимд үндэслэн цохилт өгч буй хөдөлгүүрийн бүрэлдэхүүн хэсгүүдийг үүсгэдэг. Инженерүүд эдгээр хэсгүүдийг 800 хэмийн температур эсвэл минутанд 12 мянган эргэлтийн хурдтай хэлбэлзэл зэрэг хүнд нөхцөлд хэрхэн ажиллахыг шалгаж болно. Энэ аргын онцлог нь аливаа бодит техникийг бүтээхээс хамаагүй өмнөх сул талуудыг илрүүлдэг явдал юм. Өнгөрсөн жил Хятадын механик инженерийн сэтгүүлд хэвлэгдсэн судалгаагаар цахим хос технологийг ашиглавал үйлдвэрлэгчид туршиж баталгаажуулах дизайн дахь шалгалтын тоог тухайн төвөгтэй шатахууны савны хувьд 2/3 хүртэл бууруулдаг байжээ. Энэ нь систем нэгэн зэрэг шингэний хөдөлгөөнийг болон материалын бүтцийн бат бөх байдалыг загварчилдагтай холбоотой юм.

Сэргээх хэсгүүдийн хамтын инженерчлэлийг хийхэд индустрийн метавселсийг ашиглах

Индустрийн метавселын тусламжтайгаар одоо дэлхийн өнцөг бүрээс хамт олон виртуал орчинд 3D хөдөлгүүрийн хэсгүүдэд хамтран ажиллаж байна. Мюнхений инженерүүд турбиний хөдөлгүүр дээрх жижиг хөргөх хоолойг засаж байх үед Токиогийн материал судлаачид хүчилтөрөгчийн хайлшийг ямар ч хүчээр тэсвэх чадварыг шалгаж байгаа гэж төсөөлөөрэй. Энэ бүхэн нэгэн зэрэг нэгэн төрлийн симуляцийн орчинд явагдаж байна. Өнгөрсөн жил Appinventiv-ийн тайлангаар ийм төслийн хүрээнд хийсэн холболтын шатны дахин зохион бүтээсэн аргыг ашигласнаар нийт үйл явц 40%-иар бага хугацаа авчээ. Энэ нь тийм олон нарийн тооцоололтой төслүүдэд маш гайхалтай юм.

Давамгай: Алсын зөвшилцөө, шинэчлэлтийг хангахын тулд цахим хослолыг ашиглах

Цахилгаан хосуудыг нүүлгэх замаар мэдээллийн сангаас шууд мэдээлэл авч, цахилгаан хөдөлгүүрүүд дээрх зэврэлийн хэв маягийг таамагласан мэдээлэлтэй харьцуулдаг. Жишээлбэл, томоохон ачилт тээврийн онгоцны цилиндрийн тэнхлэг хүрэлцэх үед хүлээсэнгүй хэлбэлзэх болно. Дараа нь юу болох вэ? Инженерүүд дэлгэц дээрээ онгоцны цахим хосыг үзээд ямар засварын ажил хийх хэрэгтэйг сайн мэднэ. 2023 онд Понемоны хэвлэсэн судалгаагаар тэнгисийн үйл ажиллагааны үр дүнд энэ аргаар хөдөлгүүрийн зогсолтыг гуравны нэгээр бууруулсан байна.

Нэмэлт үйлдвэрлэл ба хөдөлгүүрийн солих хэсгүүдийг шаардлагатай үед үйлдвэрлэх

Нэмэлт үйлдвэрлэл (AM) нь солих хэсгүүдийн хүртээмжийг хэрхэн шинэчилж байгаа

Нэмэлт хэвлэл нь компанийн шаардлагатай баталгаажуулсан хөдөлгүүрийн хэсгүүдийг хүссэн үедээ хийх боломжийг олгодог тул агуулахын хязгаарлалтыг арилгадаг. 2025 онд ScienceDirect дээр нийтэлсэн зарим судалгаагаар энэ технологийг эзэмшсэн компанийн машин болон онгоцны салбаруудад хувьсах хэсгүүдийн хадгалалтын зардал 35-40 хувь буурсан байна. Түүнчлэн, хэсгүүдийг хүргэхэд зарцуулах хугацаа нь долоо хоногоос бага болон өдөрт шилжсэн. Одоо талбайн техникчид гадаа аваачиж ашиглах боломжтой эдгээр гар утасны 3D принтерүүд байгаа. Холын нэгэн газар зогсоход нь тээвэрлэхэд хүлээх шаардлагагүй болсон. Зүгээр л хавхлагын бие эсвэл түлш тархуулагч савны гэмтсэн хэсэг рүү принтерийг чиглүүлээд цаг хэдэн дотор л солих хэсгийг бэлтгэж болно.

Метал хөдөлгүүрийн хэсгүүдийн 3D хэвлэлтийн параметрүүдийг хиймэл оюуны тусламжтайгаар тохируулах

Одоо машин сургалтын алгоритмууд нь лазерын хүчийг тохируулах, давхаргын зузааныг, хэсгүүд хөргөх хурдыг гэх мэт зүйлсийг өөрчилж байна. Үр дүн нь? Онцгой нарийвчлал шаарддаг авиацийн салбарын сүүлийн үеийн туршилтаар нарийвчлал нь 99.8% орчим байна. Энэ яагаад чухал вэ гэвэл нисэх онгоцны хөдөлгүүрийн турбины хөрөө шиг хэсгүүд шиг маш их стресстэй ажилладаг хэсгүүдийг авч үзье. Хэрэв материалын нягт чанар муу байвал үйлдвэрлэлийн удирдлага муу байснаас болоод ажиллаж байгаа нөхцөлд хөдөлгүүр бүрэн гэмтэж болзошгүй юм.

Жишээ нь: Rolls-Royce-ийн турбины хөрөөг үйлдвэрлэхэд AM-г ашиглах нь

Агаарын онгоцны хөдөлгүүрийн тэргүүлэгч үйлдвэрлэгч нь баталгаажсан турбины хөрөөг 48 цагт үйлдвэрлэхийн тулд талбайн AM системийг ашиглаж эхэлсэн бөгөөд энэ нь уламжлалт 6 долоо хоногийн машинчлалтын циклээс 94% бага байна. Энэ арга нь үйлдвэрлэлийг зогсоолгүйгээр дунд нь засварыг хийх боломжийг олгодог.

Стратеги: Хиймэл оюун ухаантай удирдагдах Нэмэлт үйлдвэрлэлийн систем ашиглан төвлөрөөгүй байгууламжийн жижиг үйлдвэрүүдийг байгуулах

Одоо байгаа нь томоохон үйлдвэрлэлийн төвүүдийн дэргэд хиймэл оюун ухаанаар ажилладаг жижиг масштабын үйлдвэрүүдийг компанийн байгуулж байгаа юм. Үнэндээ санаа нь маш энгийн бөгөөд эдгээр газрууд нь хүмүүс бүтээгдэхүүн шаардахаасаа өмнө тэдгээрийг хэрэгтэй болохыг урьдчилан тааж чаддаг тул маш бага нөөцтэй байдаг ч шаардлагатай үедээ тогтвортой ажиллаж чаддаг. Зарим мэргэжилтнүүд нь хэд хэдэн Нэмэлт үйлдвэрлэлийн нүхнүүдийг хооронд нь холбож ашиглавал стандарт хөдөлгүүрийн солих хэсгүүдийн ойролцоогоор 10-н 8-ыг хариуцах боломжтой гэж үздэг. Түүнчлэн энэ бүтцийн нэг давуу тал нь тээврийн замаар урт замын тээвэрлэлт багасч хүлэмжийн хийн ялгаралт буурдаг юм. Нэг сүүлийн судалгаагаар тээвэрлэлтийн хэсгээс гарах нийт хүлэмжийн хийн ялгаралтын 18 хувийг бууруулж болохыг харуулсан ч гэсэн ийм тоонууд үргэлж өөрийн онцлог таамаглалуудтай холбоотой байдаг.

Хиймэл оюун ухааныг Чанарын баталгаажуулалт болон Засварын дараах тохируулгын үе шатанд оновчтой болгохын тулд ухаалаг диагностикашид ашиглах

Өндөр нарийвчлалтай инженеийн хөдөлгүүр хэсгүүдийн гаж хэмжээг илрүүлэхэд зориулсан бодит цагийн дүрс боловсруулах технологи

Орчин үеийн хиймэл оюуны системүүд нь үйлдвэрлэлийн шугам дээрх инженеийн хэсгүүдийг микрон түвшний нарийвчлалтай үзэхийн тулд компьютерийн харааг ашигладаг бөгөөд минут тутамд 1,000 гаруй зурагныг шалгаж, цацрагийн трещин, нүхтэй гажилт, коленвал эсвэл турбозуурмайгийн хэмжээний хазайлтыг илрүүлдэг. Эдгээр системүүд нь өмнөх аргуудын 23% -ийг олж чаддаггүй байв (Үйлдвэрлэлийн технологийн хяналт 2023).

Саягаар гаж хэмжээний зургууд дээр сургасан машин сургах загварууд

Сургалтын өгөгдлийн сан нь одоо цахилгаан хөдөлгүүрийн хэсгүүдийн 3D сканерийн дүрсүүдийг хэт халуун ба механик стрессын нөлөөнд оруулсан бөгөөд нэг нейрон сүлжээний загвар нь 12 төрлийн хөдөлгүүрээс гаргасан 4.7 сая тэмдэглэгдсэн зургуудыг шинжилснээр 99.4% нарийвчлалыг хүртэл хүрсэн.

Тойотаас өгсөн мэдээлэл: Хиймэл оюуны системийг ашиглан чанарын шалгалтын мөчийг 50% хурдасгасан

Тойота компанийн 2023 оны чанарын баталгаажуулалтын тайлангийн мэдээнээс харахад цилиндрийн блокийн шалгалтын хугацааг 8.2 минутаас 4.1 минут болгон бууруулж, гологдол илрүүлэх магадлалыг 18%-иар нэмэгдүүлсэн байдаг. Энэ нь технологийн чиг хандлагын тухай мэдээлэл байна.

Хөдөлгүүрийн эд ангиудын гэмтлийг эвдрэхээс өмнө таамаглаж буй хөгжүүлэгч багаж хэрэгсэл

Урьдчилан таамаглах алгоритмууд нь сенсэрийн бодит цагийн өгөгдлүүдийг түүхэн гэмтлийн загваруудтай харьцуулан поршень цагирагийн нарийсалтыг 300-500 цагийн өмнө таамаглаж байна. Энэ боломж нь хүндрэлтэй замын хөдөлгүүрийн эвдрэлийг ИИ-д суурилсан оношлогооны платформыг ашиглаж буй коммерцийн флотуудад 41%-иар бууруулсан байна.

Туршлагын жишээ: Бош компанийн ИИ платформ нь сэргээх хэсгийн нөөцийн зардлыг 20%-иар бууруулжээ

Автомашины түгээгч нь машин сургах аргыг хэрэгжүүлж, санах ойн хэсгийн нөөцийг оновчтой болгож, сэргээх эд ангиудын үйлдвэрлэлийг нутаг дэвсгэрийн гэмтлийн магадлалтай тохируулж байна. Систем нь тайминг цахилгааны комплектын нөөцийг 34%-иар бууруулж, ижил өдөрт биелүүлэх магадлалыг 92%-иар нэмэгдүүлсэн байна.

Түгээмэл асуулт

ИИ-д суурилсан уулзвар гэж юу вэ?

ОИ-д суурилсан уурхай нь бүтээгдэхүүн үйлдвэрлэхээс эхлээд эцсийн чанарын шалгалт хүртэл үйлдвэрлэлийн бүх талыг оновчлохын тулд хиймэл оюуныг ашигладаг бөгөөд холбогдсон сенсорууд болон машин сургалтыг нарийвчлал болон үр ашигтай байдлыг сайжруулахын тулд ашигладаг.

5G ирмэг боловсруулалт үйлдвэрлэлд ямар нөлөө үзүүлдэг вэ?

5G ирмэг боловсруулалт нь уурхайн талбайн дээр шууд сенсорын мэдээллийг боловсруулж үйлдвэрлэлийн нарийвчлалыг сайжруулах, чухал хэсгүүдийн дутагдалыг бууруулах боломжийг олгодог.

Урьдчилан таамаглах засварын үйл ажиллагаа гэж юу вэ?

Урьдчилан таамаглах засварын үйл ажиллагаа нь ажиллагааны үеийн мэдээллээс хэсгүүд гэмтэхээс урьдчилан мэдээлэхийн тулд хиймэл оюуныг ашигладаг бөгөөд энэ нь хүлээгүй зогсолтыг багасгах, хэсгүүдийн ашиглалтын хугацааг уртасгах боломжийг олгодог.

Дижитал хос технологии үйлдвэрлэлд ямар үүрэгтэй вэ?

Дижитал хос технологи нь хөдөлгүүрийн хэсгүүдийн янз бүрийн хүчтэй нөхцөлд ажиллах үеийн гүйцэтгэлийг туршиж, бодит цуврал үйлдвэрлэл эхлэхээс өмнө боломжит загварын дутагдалыг илрүүлэх, засах боломжийг олгодог.

Нэмэлт үйлдвэрлэл нь сэлбэг хэсгийн хүртээмжийг хэрхэн шинэчилж байна?

Нэмэлт хэвлэл нь хөтлөгчийн хэсгүүдийг шаардлагатай үед үйлдвэрлэх боломжийг олгож, хадгалах зардлыг бууруулж, хүргэлтийн хугацааг тов тод болгоно. Гар утасны 3D принтер нь талбайн шуурхай засварыг хийх боломжтой.