دانلود ترجمه مقاله مدل آنالیز داده برای بهبود کنترل فرآیند در سلول های تولید انعطاف پذیر

1. مقدمه 2. کار مربوطه 3. روش تحقیق 4. مطالعه موردی صنعتی 5. نتیجه گیری و کار آینده

چکیده – با نیاز به فرآیندهای تولید پاسخگوتر و انعطاف پذیرتر برای محصولات سفارشی و با ارزش بالا، سیستم های تولید انعطاف پذیر (FMS) همچنان یک رویکرد تولید بسیار مهم است. به دلیل پیچیدگی آن، نظارت بر کیفیت در این انواع سیستم ها به ویژه در سناریوهایی که به دلیل فیچر های عملکردی، ایمنی و قانونی نظارت نمی تواند به صورت کاملا خودکار صورت گیرد، بسیار دشوار است. در این سناریوها، متخصصان کیفیت بر روی نظارت بر حیاتی ترین فراینده ها و کنار گذاشتن بازرسی فرایندهایی که هنوز شرایط کیفی را دارد، اما نشانه هایی از خرابی در آینده را نشان می دهد، متمرکز می باشند. در این مقاله، روشی مبتنی بر آنالیز داده را معرفی کردیم که فرایند نظارت را برای اپراتور ساده کرده و به متخصص اجازه تمرکز بر روی مسائل مربوطه، پیش بینی فرایندهای کنترل و انجام اقدام را می دهد. با شناسایی مدل مرجع یا ماشین با بهترین عملکرد و وقوع الگوها در داده های کیفی، رویکرد ارائه شده فرایندهای قابل تنظیمی که هنوز تحت کنترل است را شناسایی کرده و به متخصص اجازه می دهد تصمیم بگیرد که آیا نیازی به انجام تغییراتی در تنظیمات دستگاه است یا خیر (تعویض ابزار، تغییر موقعیت محور و غیره). استقرار اولیه ابزار در کارخانه Hams Hall به منظور نظارت بر مجموعه ای متمرکز از انواع قطعات و فیچر های آن ها درصد ضایعات را در سال 2020 در رابطه با فیچر های نظارت شده در مقایسه با سال قبل تا 97 درصد کاهش داد. این مساله در دراز مدت منجر به کاهش زمان واکنش با پیروی از روش کنترل کیفیت، کاهش هزینه های قابل توجه ضایعات و در نهایت کاهش نیاز به اندازه گیری ها و امکان خروجی بیشتر از نظر ظرفیت حجمی می گردد.

With the need of more responsive and resilient manufacturing processes for high value, customised products, Flexible Manufacturing Systems (FMS) remain a very relevant manufacturing approach. Due to their complexity, quality monitoring in these types of systems can be very difficult, particularly in those scenarios where the monitoring cannot be fully automated due to functional, safety and legal characteristics. In these scenarios, quality practitioners concentrate on monitoring the most critical processes and leaving out the inspection of those that are still meeting quality requirements but showing signs of future failure. In this paper we introduce a methodology based on data analytics that simplifies the monitoring process for the operator, allowing the practitioner to concentrate on the relevant issues, anticipate out of control processes and take action. By identifying a reference model or best performing machine, and the occurring patterns in the quality data, the presented approach identifies the adjustable processes that are still in control, allowing the practitioner to decide if any changes in the machine’s settings are needed (tool replacement, repositioning the axis, etc.). An initial deployment of the tool at BMW Plant Hams Hall to monitor a focussed set of part types and features has shown a reduction in scrap of 97% throughout 2020 in relation to the monitored features compared to the previous year. This in the long run will reduce reaction time in following quality control procedure, reduce significant scrap costs and ultimately reduce the need for measurements and enable more output in terms of volume capacity.

ترجمه این مقاله در 27 صفحه آماده شده و در ادامه نیز صفحه 23 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.