Hopper învață din datele despre mașini, materii prime și proces și generează recomandări situaționale pentru setări de parametri potriviți optim pentru a menține cât mai puțin timp de deșeuri și cicluri. În loc să se bazeze pe „încercare și eroare” manuală, Hopper oferă recomandări situaționale pentru ajustări specifice parametrilor - bazate pe un proces ideal practic învățat și respectând ferestrele de validare.
Hopper analizează continuu variabilele de influență ale procesului de turnare prin injecție și sugerează ajustări situaționale pentru a seta parametrul.
Luarea în considerare a datelor materiale, procese și de mediu.
Primiți recomandări în browser sau pe un dispozitiv mobil prin mesaj push.
Comparați rețetele aplicate în ceea ce privește KPI-urile și diferiți parametri de setare.
Obțineți o imagine de ansamblu a rețetelor care au funcționat și cât de bine.
Analizați respingerile care apar în procesul de turnare prin injecție, defalcate în funcție de motivul respingerii și cavității.
Acest lucru vă permite să identificați cu precizie zonele problematice și să inițiați măsuri de optimizare cu precizie.
Aplicați sugestii de ajustare a parametrilor direct - Hopper scrie parametrii direct la controlerul mașinii.
Acest lucru elimină necesitatea reglării manuale de către un operator de mașină.
Aplicarea automată a ajustărilor parametrilor
Verificarea de către utilizator necesară
Citiți cum ZAHORANSKY utilizează Hopper de la plus10 pentru a accelera punerea în funcțiune a sistemelor complexe de turnare prin injecție și pentru a reduce deșeurile. Provocare: procese instabile datorate fluctuațiilor materialelor
„Hopper sprijină inginerii noștri de configurare cu sugestiile sale de parametri în reglarea fină a setărilor mașinii și depanarea pentru a crește și a stabiliza eficiența în toate șfturile din procesele noastre complexe de turnare prin injecție cu elastomer. „A. Botta, Manager Ingineria Proceselor la FST din Luserna, Italia
ZAHORANSKY utilizează Hopper pentru a regla parametrii de turnare prin injecție din mers, compensând variabilitatea materialului. A livrat o creștere cu 20% mai rapidă și o reducere cu 10-17% a deșeurilor în producția GMP 24/7. Rezultat: OEE mai mare datorită producției stabile, în ciuda fluctuațiilor materialelor și a diferențelor de nivel de calificare.
Caracteristicile materiei prime pe lot, de exemplu densitatea, vâscozitatea
Mediul produsului, de exemplu temperatura ambiantă+umiditatea
Tip maşină+configuraţie, de exemplu electric, hibrid/hidraulic
Date de proces (parametru real + setat), de exemplu curbe de presiune/viteză de injecție
dispozitive periferice, de exemplu, tip dispozitiv de alergare cald/rece, dispozitiv de temperatură
Feedback pentru calitatea produsului, de exemplu caracteristici geometrice + ale suprafeței, greutate
Specificația produsului, de exemplu limitele parametrilor de proces permise
Cartografierea între fiecare dintre sursele de date menționate mai sus
Conectivitate: trafic de ieșire criptat către backend cloud prin HTTPS
Dispozitiv Siemens Industrial Edge instalat în rețeaua de mașini cu aplicația plus10