PER LA MASSIMA PRODUTTIVITÀ CON IL MODELLO DI MANUTENZIONE PREDITTIVA DEL TEPCON

Progetto pionieristico presso il produttore di impianti AP&S in collaborazione con l'esperto di tecnologia di misura Kistler

Veloce, efficiente, intelligente - questo è il modo in cui i processi di produzione dovrebbero funzionare oggi. Ciò richiede un elevato grado di automazione, la massima disponibilità delle macchine, un'interconnessione ottimale e un perfetto coordinamento dei singoli componenti di produzione tra loro.

Se un sistema fallisce, ha un impatto enorme sull'intero piano di produzione: Danni al materiale, riduzione della produttività e dell'utilizzo della capacità, aumento del tempo di lavorazione e mancato rispetto delle date di consegna sono le conseguenze. Uno scenario orribile, che purtroppo fa ancora troppo spesso parte delle operazioni quotidiane. La soluzione per evitare questo danno è l'approccio di manutenzione predittiva. Ed è qui che entra in gioco il tepcon. Nel progetto attuale, che l'esperto di digitalizzazione di Donaueschingen sta realizzando per il produttore internazionale di impianti AP&S, i vantaggi e le modalità di realizzazione pratica della manutenzione predittiva possono essere presentati in modo trasparente.

AP&S International GmbH sviluppa e produce apparecchiature di processo a umido utilizzate per il trattamento superficiale di wafer e substrati nell'industria dei semiconduttori per la produzione di microchip. Per un singolo chip sono necessarie fino a 1000 singole fasi di produzione - la catena del valore aggiunto è conseguentemente complessa e le esigenze delle apparecchiature utilizzate sono elevate. Per soddisfare le elevate esigenze del mercato, AP&S si affida alle soluzioni innovative dell'internet degli oggetti della società partner tepcon. Il progetto di manutenzione predittiva è stato avviato all'inizio del 2019 nel laboratorio dell'azienda, dove sono disponibili un gran numero di sistemi AP&S per scopi di ricerca e sviluppo e per le dimostrazioni ai clienti.

Gli obiettivi fissati:

  • Essere in grado di prevedere in modo affidabile i tempi di fermo macchina;
  • Per visualizzare i lavori di manutenzione predittiva necessari in un'officina;
  • Determinare il piano di manutenzione ottimale per una catena di processo di produzione;

A seconda della fase di processo e dei tipi di substrato, i lotti di wafer (materiale di partenza per microchip) negli impianti raggiungono valori nell'intervallo di sei cifre. "Tuttavia, l'interazione dei diversi componenti nei sistemi è così complessa che in caso di guasto di una macchina la causa spesso non è immediatamente chiara ed è necessario localizzarla", dice Stefan Wolf, sviluppatore software di tepcon. "Dovevamo quindi trovare un modo per ottenere un feedback significativo dalla macchina e valutarlo di conseguenza per ricavare delle previsioni".

A tal fine, un totale di quattro macchine della AP&S nel proprio laboratorio e presso le sedi dei clienti - su componenti critici come pompe, giradischi e FFU (Filter Fan Unit) - sono state equipaggiate con sensori di distanza e sensori di accelerazione della Kistler, leader mondiale nella tecnologia di misurazione dinamica per la registrazione di pressione, forza, coppia e accelerazione. Questi sensori registrano circa 120 gigabyte di dati al giorno e per sistema. Questi dati di rumorosità strutturale e di posizione forniscono informazioni su quando il sistema sta per entrare nell'intervallo anomalo ed è probabile che si guasti presto", spiega Wolf.

"Il Digital Solutions Lab di Kistler è un partner molto prezioso in questo processo di sviluppo aperto e a lungo termine", sottolinea Wolf. "Dopo tutto, ogni tipo di sistema è diverso e deve quindi essere dotato individualmente della tecnologia di misura. Il nuovo sistema di acquisizione dati Kistler KIDAQ si adatta molto bene a questo proposito - è flessibile, può funzionare con molti sensori diversi e può essere configurato e configurato in modo efficiente. Anche la possibilità di registrare semplicemente i dati grezzi senza una valutazione diretta è molto utile. KiDAQ è uno degli elementi del kit tecnologico completo del Kistler Digital Solutions Lab per fornire ai clienti soluzioni efficienti e personalizzate.

La sfida per tutti gli interessati è ora quella di sviluppare un'intelligenza che preveda i guasti con una certa probabilità senza essere limitata ad un tipo specifico di sistema. Per raggiungere questo obiettivo, tepcon utilizza il machine learning: le enormi quantità di dati vengono memorizzate localmente su un PC industriale (IPC) e successivamente trasmesse ad un centro di calcolo dove avviene l'addestramento dell'intelligenza artificiale (AI). Questa IA, basata sul concetto di machine learning, viene addestrata con i dati continuamente registrati da vari sistemi e quindi capisce sempre meglio come i normali stati di funzionamento differiscono da quelli critici. Questo processo è ora in corso e tutte le aziende coinvolte nel progetto sono ansiose di poter prevedere i potenziali guasti in modo affidabile e tempestivo e di trasmettere i benefici che ne derivano ai propri clienti.

Anche il nostro partner Kistler riferisce del progetto sul suo sito web. La storia del successo si trova qui: "Kistler supports tepcon in model development for predictive maintenance"

Questo sito web memorizza i cookie sul vostro computer. Questi consentono una migliore fruibilità del nostro sito web. Maggiori informazioni sui cookie che utilizziamo sono disponibili nella nostra politica sulla privacy.

Si prega di compilare il modulo sottostante