Studii de caz și aplicații

Problemă

O flotă de roboți industriali prezenta defecțiuni sporadice, fără avertisment, cauzând opriri neplanificate ale liniei.

Sursa de date / imagini

Curenții articulațiilor, cupluri, timpi de ciclu și istoricul alarmelor, citite direct din controlerele roboților.

Arhitectura soluției

Colector edge cu înregistrare în InfluxDB și modele de detecție a anomaliilor care compară roboții și ciclurile în timp.

Integrare

Alerte de avertizare timpurie către echipa de mentenanță și dashboard-uri Grafana per robot și per linie.

Rezultat

Degradarea graduală a devenit vizibilă cu săptămâni înainte de defecțiune; mentenanța se planifică acum în funcție de stare.

Problemă

Inspecția manuală a suprafețelor prelucrate era lentă, subiectivă și rata tipuri de defecte intermitente.

Sursa de date / imagini

Camere matriceale de înaltă rezoluție cu iluminare controlată, instalate deasupra liniei.

Arhitectura soluției

Modele de segmentare bazate pe deep learning, rulând pe un PC industrial cu GPU, la linie.

Integrare

Decizii admis/respins către PLC în interiorul timpului de ciclu; imaginile și rezultatele stocate în SQL pentru trasabilitate.

Rezultat

Inspecție integrală a fiecărei piese, cu criterii consecvente și evidențe de calitate complete, bazate pe imagini.

Problemă

Erori de asamblare intermitente nu puteau fi reproduse sau explicate doar pe baza datelor de la capătul liniei.

Sursa de date / imagini

Fluxuri video continue de la camere amplasate deasupra stațiilor de asamblare manuală.

Arhitectura soluției

Dispozitiv edge care rulează inferență video continuă, detectând pașii de proces și abaterile.

Integrare

Înregistrarea evenimentelor, alerte de abatere în timp real și statistici de proces pe schimb, pe dashboard-uri.

Rezultat

Cauzele erorilor de asamblare au fost identificate din evenimentele înregistrate; abaterile de proces declanșează acum alerte imediate.

Problemă

O fabrică de prelucrare nu avea vizibilitate în timp real asupra gradului de utilizare, a timpilor de ciclu sau a cauzelor întreruperilor.

Sursa de date / imagini

Stările mașinilor, date despre arborele principal, programe și contoare din comenzile CNC, prin OPC UA.

Arhitectura soluției

Colectoare edge cu buffering local, alimentând baze de date InfluxDB și SQL on-premise.

Integrare

Dashboard-uri Grafana pentru analiza gradului de utilizare și a timpilor de nefuncționare; date disponibile pentru MES prin API.

Rezultat

Cifrele obiective de utilizare au înlocuit estimările; cauzele întreruperilor sunt analizate săptămânal pe baza datelor reale.

Problemă

Decenii de cunoștințe de mentenanță existau doar în evidențe pe hârtie și în memoria câtorva tehnicieni cu experiență.

Sursa de date / imagini

Evidențe de mentenanță, manuale de mașini, jurnale de alarme și baze de date cu istoricul mașinilor.

Arhitectura soluției

Agent AI on-premise cu modele lingvistice locale care indexează documente și date de mașină.

Integrare

Interfață în limbaj natural pentru tehnicieni; răspunsurile fac referire la documentele și evidențele subiacente.

Rezultat

Informațiile de depanare care necesitau ore de căutare sunt acum găsite în câteva secunde – și rămân în companie.

Problemă

Era necesară o verificare de calitate într-o celulă de producție fără rețea stabilă și fără spațiu pentru un server.

Sursa de date / imagini

Două camere industriale care capturează piesele direct în celulă.

Arhitectura soluției

Dispozitiv Jetson Orin care rulează local modele de detecție optimizate, complet autonom față de cloud.

Integrare

Semnale de rezultat cablate către PLC-ul celulei; rezultatele sunt sincronizate cu baza de date a fabricii atunci când rețeaua permite.

Rezultat

Inspecție fiabilă cu latență redusă într-un mediu cu constrângeri – fără cloud, fără cameră de servere.

Problemă

Un singur punct de inspecție nu putea acoperi toate locațiile de defect pe un ansamblu complex.

Sursa de date / imagini

Mai multe camere sincronizate care acoperă vederi diferite ale fiecărei piese.

Arhitectura soluției

Un singur sistem edge care procesează toate fluxurile, cu modele AI pentru fiecare vedere și o logică de decizie combinată.

Integrare

Decizie admis/respins combinată către PLC-ul liniei; imaginile per vedere stocate pentru analiza calității.

Rezultat

Acoperire completă a locațiilor de defect într-o singură stație, în locul mai multor verificări manuale.

Problemă

Rapoartele de producție erau asamblate manual din foi de calcul, la câteva zile după evenimente.

Sursa de date / imagini

Contoare de mașină, stări și date de energie deja colectate de nivelul nostru de date.

Arhitectura soluției

Stocare time-series în InfluxDB, cu dashboard-uri Grafana și alertare automatizată.

Integrare

Afișaje în hala de producție, vizualizări pentru management și alerte automate de prag prin email.

Rezultat

Vizibilitate de producție în timp real pentru toate echipele și rapoarte zilnice automatizate care înlocuiesc foile de calcul manuale.