向您的机器学习：如果某些机器部件永远不会出现故障怎么办？

你有没有想过你的机器零件太好了？很有可能就是这种情况。利用这种新的商业模式，并从您的现场机器中学习以节省大量成本。

您可能听说过数据驱动的决策 诸如基于 AI 的机器学习、神经网络和自学习机器，对于想要跟上竞争的公司来说是不可避免的。但是，我们听到你在想：机器学习很棘手，如果没有大量投资，我的自动化平台不支持。除此之外，一些机器和设备无论如何都不能真正利用这种方法。

从您的机器中学习怎么样？ 创造新的收入来源？

收集和分析机器数据以向您的机器学习。

从机器中学习与机器学习

如前所述，基于人工智能和神经网络的自我优化算法并不适合每个机器制造商。对于小型机器制造商来说，这不是现实，对许多人来说，充其量只是一个未来计划。对于大多数机器制造商（和客户）来说，重点是创造一台运行平稳、运行速度快且 OEE 高的机器。此外，在优化的设备和机器上接触 PLC 软件对大多数人来说被认为是不可行的，因为他们的座右铭可能是：“永远不要接触正在运行的系统” .

但是，对于每个机器制造商来说，一个现实的步骤是向您的机器学习。新机器就像一辆新车，一开始就有故障，需要优化。通过在现场向您的机器学习，您最终可以防止零件损坏或发现其他有趣的见解。大多数机器制造商都拥有非常有效的质量保证体系，并根据根本原因分析发现并纠正设备上的故障和弱点。

通过向现场机器学习来节省机器部分。

从现有机器中学习可以为您带来什么

机器制造商拥有适当的系统，可以根据故障和纠正措施在机器的整个生命周期内提高机器的质量。这些也传递给他们的研发部门，因此可以避免未来设备出现类似故障。但是，如果您收集和分析机器的数据，在多台机器之间进行基准测试并发现某些部件永远不会发生故障怎么办？ 或者运行远低于预期的设计标准？

通常情况下，您的设计标准和安全裕度太高，因为您试图避免在现场出现故障。但是，如果不查看您的机器数据，您将永远不会收到此反馈，这符合格言：“如果它运行良好，请不要修复它。”

有了这种洞察力，您可以降级“太”好的机器部件，并在重新设计时降低设计标准或安全裕度。这可以带来大量节省 没有任何质量损失的风险。如果您不适应而您的竞争对手适应了，会发生什么？绝对是每个机器制造商都值得考虑的商业模式。

了解您是否可以降低新设计中的设计标准或安全裕度。

用例：重新设计传送带

在设计传送带时，您进行了计算，表明您需要一个能够提供 4 Nm @ 200 RPM 的驱动包，以便根据负载、摩擦力等进行正确操作。您将安全裕度设置为 20%，并将其尺寸设计为 4.8牛米@ 200 RPM。现在它们正在运行，您可以开始在更长的时间内从特定组件和进程收集数据。

查看您在世界各地的所有机器，监控 PLC 并使用云中收集的数据进行高级分析。想象一下，所有机器的负载实际上是 3.8 Nm RMS，并且从未超过 4 Nm。然后，您可以相应地降低对驱动器包的要求，节省成本并使用所获得的知识重新考虑您的安全裕度 为您的输送机设计。

您准备好发现是否可以节省某些部分吗？

通过降低要求和节省成本重新设计您的传送带。

如何构建自己的“机器学习”策略

以非常有限的投资和快速的投资回报，以实用且有效的方式从现场机器的历史数据中学习，并在这个新的商机上制定自己的战略。以下列表可能会给您一些启发：

1) 起点-当前设备性能-需要的数据
第一阶段是分析您机器园区的当前零件实践。确定哪些零件需要定期更换，哪些不需要。确定是否正在捕获任何数据，在给定值与相关部件的状况之间具有明确的统计关系。

一些数据在标准 PLC 变量和零件之间具有明确的相关性，其他数据可能需要定义和收集额外的变量，甚至需要使用额外的传感器。通过边缘网关，PLC 数据可以从现场机器批量传输到云端。

2) 原型设计 - 测试
下一步是找出安全裕度的最小值和最大值。分析您的机器零件的性能，并确定哪些零件需要改进，哪些零件可以降级。

对有问题的部件进行内部测试，以加强或反驳假设。在您的下一台机器的设计中使用这些见解。

3) 商业模式推出
定义如何降低您的安全裕度，并在您的下一次重新设计中实现这一点，以节省大量资金。

在机器学习策略上建立自己的商业模型。

为“太好”的机器零件节省成本

您想节省机器设计的成本吗？通过在现场向您的机器学习并重新设计安全裕度过高的零件，您可以获得更多利润和竞争优势 .

如果您需要关于如何开始从您的机器学习的任何建议，请随时咨询我们的一位行业专家，没有任何义务。

[[免费专家咨询]]