MAGIC EYE

Leden 2022

#Řídící a diagnostické systémy #Inovace #Prediktivní údržba #Diagnostika

Cíl projektu

Monitorování a předpovídání nežádoucích stavů napájecích šín a hliníkových profilů na dopravníku EHB3. Na vybraný závěs bude instalován systém sběru dat.

Diagnostika

Výsledek

Decentralizovaný systém vyhodnocování závad s okamžitým odesláním alertů na údržbu.

Popis řešení

Jedná se o pilotní zařízení na monitorování a předpovídání nežádoucích stavů mechanických částí či přítomnosti cizích předmětů, v našem případě závěsového dopravníku karosérie, který je logistickou páteří mezí jednotlivými úseky výroby. Tento dopravník musí během třísměnného provozu odbavit téměř 1250 aut za den a to i bez možnosti záložního řešení. Jeho části jsou při používání vystaveny relativně velkým silám, které způsobují jejich opotřebování a poškozování v poměrně krátkém čase. Tím, že je celý dopravník umístěn ve výšce několika metrů, stává se špatně přístupným. Abychom eliminovali veškeré příčiny poruch, které by znamenaly pro výrobu ohromné finanční ztráty, nasadili jsme do boje právě MAGIC EYE.

Princip fungování vychází z uceleného systému, který tvoří několik výkonných kamer s analytickým počítačem, tak aby došlo ke kvalitnímu rozpoznávání obrazu s již pořízenými snímky. Díky využití AI (hluboké učení / neuronové sítě) jsme schopni v krátké době natrénovat model pro přesnou klasifikaci vady, její rozsah a lokaci. Zjednodušeně řečeno, budeme schopni suplovat „oči“ údržbáře, který by se jen těžko dostával do těchto míst. 

Konstrukce MAGIC EYE je vyvinuta pro přímou instalaci na pojezdový vozík závěsového dopravníku. Právě díky tomu dochází k diagnostice a rychlému vyhodnocení stavu neprodleně během vlastního průjezdu celého dopravníku. Výsledky porovnání obrazu jsou pomocí WiFi přeneseny a vizualizovány na centrálním dispečinku, kde dojde k včasnému upozornění údržby. Tím je zaručena rychlá reakce (eliminace) na potencionální prostoje. Tento systém nám umožňuje provádět diagnostiku na špatně přístupných místech v reálném čase ale i díky silné výpočetní technice a strojovému učení, jsme schopni jednotlivé vady předvídat v horizontu týdnů.

Přínosy

  • Snímání kolejnice systémem kamer
  • Hlášení v reálném čase (SAP PM, SMS)
  • Včasné opatření před vznikem potenciálních poruch
  • Detekce a diagnostika poruch založená na systému neuronových sítí
  • Důležité opatření pro zahájení výroby Škoda Enyaq (větší hmotnost)

Řešitelé projektu

Tiered list image

Ing. Jan Effenberk

Koordinátor prediktivní údržby a digitalizace