Hopper се учи от данни за машини, суровини и процеси и генерира ситуационни препоръки за оптимално съчетани настройки на параметрите, за да поддържа времето за скрап и цикъл възможно най-ниски. Вместо да разчита на ръчни „опити и грешки“, Hopper предоставя ситуационни препоръки за конкретни корекции на параметрите - въз основа на практически научен идеален процес и спазване на прозорците за валидиране.
Hopper непрекъснато анализира влияещите променливи на процеса на леене под налягане и предлага ситуационни корекции за зададен параметър.
Разглеждане на материални, процесни и екологични данни.
Получавайте препоръки в браузъра или на мобилно устройство чрез push съобщение.
Сравнете приложените рецепти по Условия на KPI и различните параметри на настройката.
Получете преглед на това кои рецепти са работили и колко добре.
Анализирайте отхвърленията, възникващи в процеса на леене под налягане, разбити по причина за отхвърляне и кухина.
Това ви позволява точно да идентифицирате проблемните области и да инициирате мерки за оптимизация с прецизност.
Прилагайте директно предложенията за настройка на параметрите - Hopper записва параметрите директно на контролера на машината.
Това елиминира необходимостта от ръчно регулиране от оператор на машината.
Автоматично прилагане на настройки на параметрите
Изисква се проверка от потребителя
Прочетете как ZAHORANSKY използва Hopper от plus10, за да ускори въвеждането на сложни системи за леене под налягане и да намали отпадъците. Предизвикателство: нестабилни процеси, дължащи се на колебания на материала
„Hopper поддържа нашите инженери за настройка с предложенията си за параметри при фина настройка на настройките на машината и отстраняване на неизправности, за да увеличи и стабилизира ефективността във всички шфтове в нашите сложни процеси на леене под налягане с еластомер. „А. Бота, мениджър процесно инженерство във FST в Лусерна, Италия
Характеристики на суровините за партида, например плътност, вискозитет
Околна среда на продукта, напр. температура на околната среда+влажност
Тип машина + конфигурация, напр. електрическа, хибридна/хидравлична
Данни за процеса (действителни+зададен параметър), напр. криви на налягане/скорост на впръскване
периферни устройства, напр. тип горещи/студено устройство, устройство за температура
Обратна връзка за качеството на продукта, напр. геометрични + характеристики на повърхността, тегло
Спецификация на продукта, напр. разрешени граници на параметрите на процеса
Картографиране между всеки от горепосочените източници на данни
Свързаност: криптиран изходящ трафик към облачен бекенд чрез HTTPS
Siemens индустриален ръб Устройство, инсталирано в машинна мрежа с приложение plus10