TR2022009059A2 - Endüstri̇yel maki̇neler i̇çi̇n sahadan veri̇ toplama si̇stemi̇ - Google Patents

Abstract

Buluş; endüstriyel sahada üretimde kullanılan elektronik kontrollü tezgâh, robotik mekanizma ve makinelerde farklı yazılım ve donanım gerektirmeden, maliyeti düşük, kullanıcı dostu veri toplama ve işleme sistemiyle ilgilidir.

Description

TARIFNAME ENDÜSTRIYEL MAKINELER içiN SAHADAN VERI TOPLAMA SISTEMI TEKNIK ALAN Bulus; endüstriyel sahada üretimde kullanilan elektronik kontrollü tezgâh, robotik mekanizma ve makinelerde farkli yazilim ve donanim gerektirmeden, maliyeti düsük, kullanici dostu veri toplama ve isleme sistemiyle ilgilidir. ÖNCEKI TEKNIK Teknoloji çaginda yasadigimiz bugünlerde, makineler hayatin birçok alaninda yer almasinin yaninda imalat sanayisinde de ciddi bir yer tutmaktadir. Fabrikalarda bulunan üretim ve montaj hatlarinda kullanilan elektronik kontrollü tezgahlar, makineler ve robotik mekanizmalar birbirine entegre veya bagimsiz olarak kullanilmaktadir. Makineler üretim ve montaj sürecini hizlandirmaya ciddi katki verseler de üretimin planlanmasi, çok büyük alanlara yayilmis hatta birbirinden bagimsiz kapali alanlar içeren fabrikalarda bu makinelerin verilerinin alinip islenmesi önemli bir problemdir. Verimlilik analizleri, üretim planlama ve raporlamalari için; üretim adedi, çalisma zamani, durus zamanlari, üretimde olusan fireler, enerji tüketimi, üretimdeki ürün cinsi, birim isleme süreleri, bakim için durma süreleri (alarmlar), kullanilan hammadde miktari ve kullanan operatöre ait bilgiler gibi birçok bilginin sahadan toplanilmasi gerekmektedir. Bu amaçla kullanilan veri toplayicilar genellikle sanayi tipi makinelerden veri toplama amaçli kullanilan yapilardir. Bilinen endüstriyel saha veri toplayicilari kendi formlarina uygun olarak makinelere içeriden ve disaridan entegre edilebilmektedir. Bunlara bilinen en iyi örnek PLC ve SCADA sistemleridir. PLC'ler parça sayisi, makine durumu, hata kodlari, sicaklik, basinç kuvveti gibi verileri hâlihazirda toplayabilmektedir. Kullanici, bu ürünü kullanmak istediginde PLC'ye özgün yazilim ve donanim kullanmak zorundadir. Kullanici, sadece ana verileri (parça sayisi, is emri, operatör adi, baslama ve bitis zamani, durus nedeni) almak istediginde PLC sistemlerinin maliyet yükü artmaktadir. Öte yandan, geleneksel yöntemler ile veriler toplanirken bazi problemlerle karsilasilmaktadir. Bilinen teknikte, endüstriyel sensörlerden direkt olarak ERP programina veri aktarimi maliyetli, zaman alan ve çogu makine için farkli yazilim ve donanim gerektirmesi sebebiyle makinenin içyapisina müdahale edilmesini gerektirmektedir. Farkli yazilim, kontrol mekanizmalari içeren farkli marka ve model elektronik kontrollü tezgâh, robotik mekanizma ve makinelerden tek bir veri toplama sistemiyle verilerin toplanmasi ve planlamaya aktarilmasi bilinen teknikte mümkün degildir. Bu yapilan patent basvuru dokümaninda açikladigimiz teknikle bu soruna çözüm için ilk adimi attik. Ancak mevcut çalisma operatörlere bagimli bir sistem oldugu için bilinen teknikteki tespit ettigimiz sorunlari çözme konusunda yetersiz oldugundan, yeni bir çalisma yapma ihtiyaci dogmustur. BULUSUN KISA AÇIKLAMASI Bulus; isçi bilgilerini kart ile is bilgisini içerisine gömülü yazilimda bulunan QR kodu kamera yardimiyla, is parça adedi bilgisini kamera yardimi ile makine üzerindeki ekrandan okuyup önceden egitilmis görüntü isleme algoritmasini kullanarak ekrandan okunan verinin alinmasiyla, durus nedenlerini HMl (Human- Machine lnterface - Insan Makine Arayüzü) yardimi ile almasi, bütün bu girdileri aldiktan sonra çevrimiçi veri tabaninda bu bilgilerin gösterilmesi ve raporlanabilmesinden olusmaktadir. Sistem makinedeki ekranin görüntüsü ile makinelerin bakim sikliginin belirlenmesi ve makine ile öngörü çalismasi yapilmasi açisindan toplanan durus bilgisinin ünite üzerindeki ekran tarafindan gösterilmesi ve isçiler tarafindan butonlar yardimiyla seçilerek bilgi islem ünitesi tarafindan çevrimiçi veri tabanina kaydedilmesini içermektedir. Ayrica, bulusta veri tabaninda korunan veriler kontrol paneli üzerinden kullanicinin takibine açik hale getirilmektedir. Bununla beraber, elde edilen veriler kontrol paneli üzerinden yetkililere erisilebilir hale getirilmektedir. Dolayisiyla makinelerde yasanan her türlü aksama ve arizadan, firmadaki yetkililerin aninda bilgilendirilmesi saglanabilmektedir. Böylece operatör bagimliligi minimuma indirilmistir. Bulus, sanayi tipi makinelerden veri toplama gibi amaçlarla kullanilan, tak- çalistir seklinde çalisabilen, farkli yazilim ve donanim gerektirmeyen, maliyeti düsük ve kullanici dostu bir veri toplama sistemidir. SEKILLERIN LISTESI Sekil 1. Kurulum Akis Diyagrami Görünümü Sekil 2. Ana Program Akis Diyagram Görünümü BULUSUN DETAYLI AÇIKLAMASI Bulus, veri toplama ünitesinde bulunan kameranin endüstriyel makinelerin ekranlarina bakacak sekilde konumlanarak; üretim verilerini makine ekranindan görüntü isleme yöntemiyle almasi, RFlD kit ile isçilerin is baslangiç ve bitis saatini saptamasi, makine operatöründen üretim esnasinda alinacak makine durus sebebi verilerinin veri toplama ünitesine girilerek alinmasi, toplanan verilerin yapay zeka ile islenerek bilgi islem ünitesinde anlamli hale getirilmesi yoluyla kalite yönetimi ve makine bakim analizi yapilmasi, ve bu verilerin loT kullanimi ile veri tabanina aninda kaydedilmesi ve yine loT sayesinde ERP programlari ile entegre çalismasini içermektedir. Kurulum asamasinda görüntülerin hangi ölçülerde isleneceginin tespit edilebilmesi için seçilen her bölmeden sonra, genisleme ve erozyon seçenekleri gelmektedir. Bu iki seçenegin degerleri degistirilerek, ekranda verinin anlik siyah- beyaz hali gözlenmektedir. Genisleme özelligi ile resimdeki kenarlar daha genis bir alana yayilmaktadir. Erozyon özelligi ile de kenarlar inceltilmektedir. Bu özellikler degistirilerek uygun deger bulunmaktadir. Eger veri net biçimde anlasilabiliyorsa bu degerler programin olagan çalisma sürecinde kullanilabilmesi için kaydedilmektedir. Devaminda ise otsu metodu kullanilarak resim siyah-beyaza çevrilerek arka plandan arindirilmaktadir. Daha sonra beyaz alanlar çerçeve içine alinarak, veriler bireysel olarak resimden arindirilmis olur ve yapay zekâ modellerinin uygulanmasi için hazir hale gelir. Yapay zekâ modeli ise girdi, özellik saptayici (filtre) 3x3, havuzlama katmani, özellik saptayici (filtre) 5x5, havuzlama katmani ve çikti seklindedir. Özellik saptayici katman ile anahtar özellikler elde edilmektedir. Havuzlama katmani ile elde edilen parametrelerin sayisi azaltilarak hem asiri uyum saglamanin önüne geçilmekte hem de gereken islem gücü azaltilmis olmaktadir. Model egitildikten sonra bu katmanlardaki katsayilar gelecekte kullanilmak üzere matris olarak kaydedilmektedir. Programin olagan isleyisinde bu modeldeki katsayilar, görüntü isleme sürecinden geçirilmis veriler üzerinde kullanilmaktadir. Son olarak en yakin hangi kategoriye ait degerler çiktiysa, 0 kategoride siniflandirilmaktadir. Ayrica saat ve kullanicidan alinacak veriler ara yüz, RFlD gibi araçlar yardimi ile toplanarak sunucuya aktarilmaktadir. Ariza verileri elde edildikten sonra ise verileri islemek için verilerdeki aykiri (outlier) ortalama, mod, standart sapma ve yatiklik (skewness), gibi degerler bulunmaktadir. Bu arizalarin referans noktasindan itibaren kaç gün sonra yasandigi hesaplanmaktadir. Daha sonra ilgili veriler dogrusal regresyon makine ögrenmesi algoritmasi ile kullanilmakta ve cihazlarin yipranmasi ile ariza sikliginin artmasi arasindaki iliski matematiksel olarak bulunmaktadir. Bu matematiksel formül kullanilarak bir sonraki arizanin, referans noktasindan tahmini olarak kaç gün sonra olacagi tahmin edilmekte ve buna göre aksiyon alinmasi gerektigi bildirilmektedir. Ayrica, zaman serileri ile ilgili yaklasimlarin da kullanilmasiyla, diger metotlarla karsilastirmalar saglanmaktadir. Pekistirmeli ögrenme modeli uygulanacak sekilde model tasarlanmistir. Bu modele göre, veriler toplandikça veri seti büyümekte ve model her çalistigi zaman sonuçlar dogruya yaklasmaktadir. Kalite analizi tarafinda, insan-makine ara yüzünden alinan veriler için, ilk olarak Shewhart Kontrol Semalari Python programlama dilinde bulunan kütüphaneler yardimiyla hesaplanarak çizilmistir. Burada kalite kritiklerini ögrenirken müsteri firmayla birlikte çalisma yöntemi uygulanmaktadir. Yapilan islemler sonucunda elde edilen raporlar, karar destek sistemi yazilim tabani node.js üzerindeki pdf kütüphaneleri tarafindan raporlanmaktadir. TR TR TR