Hopper makine, hammadde ve proses verilerinden öğrenir ve hurda ve çevrim süresini olabildiğince düşük tutmak için en uygun parametre ayarları için durumsal öneriler üretir. Hopper, manuel “deneme yanılma” ne güvenmek yerine, sanal olarak öğrenilmiş ideal bir sürece dayalı ve doğrulama pencerelerine saygı gösteren belirli parametre ayarlamaları için durumsal öneriler sunar.
Hazne, enjeksiyon kalıplama işleminin etkileyen değişkenlerini sürekli olarak analiz eder ve parametreyi ayarlamak için durumsal ayarlamalar önerir.
Malzeme, süreç ve çevresel verilerin dikkate alınması.
Tarayıcıda veya bir mobil cihazda push mesajı yoluyla öneriler alın.
Uygulanan tarifleri KPI'lar ve farklı ayar parametreleri açısından karşılaştırın.
Hangi tariflerin işe yaradığına ve ne kadar iyi olduğuna dair bir genel bakış edinin.
Enjeksiyon kalıplama işleminde meydana gelen, reddetme nedeni ve boşluğa göre parçalanan reddedilmeleri analiz edin.
Bu, sorunlu alanları tam olarak tanımlamanıza ve optimizasyon önlemlerini hassas bir şekilde başlatmanıza olanak tanır.
Parametre ayarlama önerilerini doğrudan uygulayın - Hopper parametreleri doğrudan makine denetleyicisine yazar.
Bu, bir makine operatörü tarafından manuel ayarlama ihtiyacını ortadan kaldırır.
Parametre ayarlarının otomatik uygulaması
Kullanıcı tarafından doğrulama gerekli
ZAHORANSKY'nin karmaşık enjeksiyon kalıplama sistemlerinin devreye alınmasını hızlandırmak ve atıkları azaltmak için plus10'dan Hopper'ı nasıl kullandığını okuyun. Zorluk: malzeme dalgalanmaları nedeniyle kararsız süreçler
“Hopper, karmaşık elastomer enjeksiyon kalıplama proseslerimizde tüm şftlerde verimliliği artırmak ve stabilize etmek için makine ayarlarında ince ayar ve sorun giderme konusunda parametre önerileriyle kurulum mühendislerimizi desteklemektedir. “A. Botta, FST Proses Mühendisliği Müdürü, Luserna, İtalya
ZAHORANSKY, malzeme değişkenliğini telafi ederek enjeksiyon kalıplama parametrelerine anında ince ayar yapmak için Hopper kullanır. 7/24 GMP üretiminde %20 daha hızlı artış ve %10-17 hurda azaltımı sağladı. Sonuç: Malzeme dalgalanmalarına ve beceri seviyesi farklılıklarına rağmen istikrarlı çıktıdan daha yüksek OEE.
Parti başına hammadde özellikleri, örn. yoğunluk, viskozite
Ürün ortamı, örn. ortam sıcaklığı+nem
Makine tipi+konfigürasyon, örneğin elektrikli, hibrit/hidrolik
Proses verileri (fiili + ayar parametresi), örn. enjeksiyon basıncı/hız eğrileri
çevresel cihazlar, örneğin sıcak/soğuk koşucu tipi, sıcaklık cihazı
Ürün kalitesi için geri bildirim, örn. geometrik + yüzey özellikleri, ağırlık
Ürün özellikleri, örneğin izin verilen işlem parametresi sınırları
Yukarıda belirtilen veri kaynaklarının her biri arasında eşleme
Bağlantı: HTTPS üzerinden bulut arka ucuna şifrelenmiş giden trafik
Siemens Industrial Edge Cihazı plus10 uygulaması ile makine ağına kuruldu