Com o advento da era da indústria 4.0, as tecnologias de big data vêm ganhando destaque na indústria de manufatura. Este trabalho apresenta um estudo sobre o processo de produção de peças forjadas de ligas de alumínio, com o objetivo de investigar como o monitoramento em tempo real do processo e a predição da qualidade podem ser realizados utilizando técnicas de big data. Em primeiro lugar, introduziu o processo de produção de peças forjadas de liga de alumínio e requisitos de controle de qualidade; Em segundo lugar, analisou-se o uso de técnicas de big data no monitoramento de processos produtivos e previsão de qualidade; Por fim, o método proposto é validado por meio de exemplos.
Como um material estrutural leve e de alta resistência, as peças forjadas de liga de alumínio são amplamente utilizadas no campo aeroespacial, automotivo e fabricação de máquinas. Com a crescente demanda do mercado, o controle de qualidade durante a produção de forjamentos de liga de alumínio tornou-se o foco das empresas. Os métodos tradicionais de controle de qualidade dependem principalmente da experiência humana e inspeção regular, dificultando o monitoramento e previsão em tempo real do processo de produção. Assim, a questão de como melhorar o nível de controle de qualidade do processo produtivo de forjamento de ligas de alumínio, utilizando a tecnologia de big data, torna-se urgente.
O processo de produção de peças forjadas de liga de alumínio inclui principalmente fusão, forjamento, tratamento térmico e tratamento de superfície e outros links. Em cada etapa de produção, é necessário um rigoroso controle de parâmetros críticos para garantir a qualidade do produto final. Por exemplo, no link de fusão, parâmetros como composição da liga, temperatura e tempo de fusão precisam ser controlados; No link de forjamento, parâmetros como temperatura de forjamento, pressão e velocidade de forjamento precisam ser controlados. Além disso, as condições anormais no processo de produção, como falhas de equipamentos e parâmetros de processo excecionais, precisam ser detectadas e tratadas a tempo para evitar efeitos adversos na qualidade do produto.
Aplicação de tecnologias de big data para monitoramento de processos produtivos e previsão de qualidade
Monitoramento em tempo real do processo de produção
Informações como parâmetros de processo, estado do equipamento e dados ambientais durante a produção são coletadas em tempo real através da implantação de sensores e equipamentos de aquisição de dados no local de produção. Em seguida, esses dados são analisados e processados em tempo real com o uso de técnicas de big data para permitir o monitoramento em tempo real do processo produtivo. Especificamente, as condições anormais no processo de produção podem ser detectadas em tempo hábil, definindo os limites e estabelecendo um modelo de detecção de anomalias e acionando o sistema de alarme para notificar as pessoas relevantes para lidar com elas. Isso não só melhora a eficiência da produção, mas também evita problemas de qualidade do produto devido a condições anormais.
Previsão de qualidade
Modelos de predição de qualidade baseados em dados históricos e algoritmos de aprendizado de máquina foram desenvolvidos para predizer a qualidade de peças forjadas em ligas de alumínio. Em primeiro lugar, os dados históricos precisam ser limpos e pré-processados para extrair características intimamente relacionadas com a qualidade do produto; Em seguida, selecione um algoritmo de machine learning adequado (por exemplo, máquinas de vetores de suporte, redes neurais, etc.) para construir um modelo de previsão de qualidade; Por fim, o modelo é avaliado e otimizado através de um conjunto de validação. Na prática, os modelos de previsão de qualidade podem ser atualizados em tempo real e calculados on-line informações como indicadores de qualidade e taxas de aprovação de novos lotes de produtos. Desta forma, potenciais problemas de qualidade podem ser identificados antes do produto sair da fábrica, reduzindo custos para as empresas e aumentando a satisfação do cliente.
Para o caso de uma empresa produtora de peças forjadas de liga de alumínio, o processo de produção foi monitorado em tempo real e a previsão de qualidade foi realizada utilizando a técnica de big data proposta neste trabalho. Os resultados mostraram que o método é capaz de detectar anomalias no processo produtivo e tratá-las em tempo hábil, garantindo a qualidade estável do produto; Ao mesmo tempo, os modelos de previsão de qualidade são capazes de fornecer resultados confiáveis de previsão de qualidade para as empresas, devido à sua alta precisão preditiva e capacidade de generalização. Finalmente, após a implementação do método aqui proposto, a empresa melhorou significativamente a qualidade do produto de peças forjadas de liga de alumínio e a taxa de reclamação do cliente foi reduzida em 30%.
Este trabalho tem como objetivo verificar a eficácia deste método na melhoria da qualidade do produto e da eficiência da produção, explorando a aplicação da tecnologia de big data no monitoramento e previsão de qualidade do processo de produção de peças forjadas de ligas de alumínio. Com o contínuo desenvolvimento e aperfeiçoamento da tecnologia de big data, acreditamos que sua aplicação na indústria de fabricação será mais ampla e profunda, criando mais valor para as empresas.
