プレス加工スマートモニタリング

解決策｜プレス加工スマートモニタリング

プレス加工では、一連の連続動作において「プレス機と金型」の関係が製品品質に深く影響を及ぼします。初期段階で異常（例えば、金型の品質不良、位置ずれ、刃具の破損など）が発生すると、その後の製造工程にも影響が及びます。

導入理由
金型品質の確保

大量の不良品を即時に検出・排除

プレス加工の一連の動作において、初期段階で異常（例えば、金型の品質不良、位置ずれ、刃具の破損など）が発生すると、その後の製造工程全体に影響を及ぼし、異常が急速に悪化する可能性があります。プレス加工において最も重要なのは「プレス機と金型」の関係であり、特にプレスの自動化工程では高速な動作が求められます。そのため、製造過程で金型の故障やプレス機の問題、または生産ラインの設計上の課題が発生すると、大量の部品ロスや製造コストの増加につながります。

コアコンセプト
より効果的かつ迅速なソリューションを提供！

・設備の自動化・無人化（人と機械の比率）・設備のスマート化

Big Data

Machine-Learning

AI 人工知能

科学的データ
人的判断を回避
分析プロセスの最適化

端末側演算
知識分析
AI トレーニング

プロセス最適化
トレンド予測
意思決定の最適化

統合アーキテクチャ
拡張性
高い適応性

不良品を積極的に排除し、生産ラインのスマート化を実現

実行課題
監視システムと設備のデータ連携が困難？

プレス設備は多くの部品で構成され、複雑な構造を持っています。監視を実行する際には、センサーの配置が困難なだけでなく、設備メーカーが異なり、データはサードパーティの機器ベンダーによって管理されているため、機械間のデータ連携が難しくなります。どのようにこの問題を克服すれば良いのでしょうか？

実行方法
非侵入型測定方式で、設備データ連携不要

OLVMS®-ML 機械学習スマート監視システムは、機械のデータ連携を必要とせず、非侵入型の測定方式で、真のPLUG & INを実現します。
製造プロセスの主要な監視指標に基づいた物理量センサーを1つ設置するだけで、設置直後から生産ラインの品質監視を即座に開始できます。

実行課題
検査基準が統一されず、データ化が難しい？

プレス加工では、製品検査の基準が作業者の経験や判断に依存することが多く、一定ではありません。また、微細な欠陥が即座に検出できないため、検査の効果が低下することがあります。どのように検査基準を統一し、品質のばらつきを防ぐことができるでしょうか？

実行方法
人的介入を防ぎ、データ管理を統一

VMS®-ML 機械学習スマート監視システムを活用し、リアルタイム監視を実施。正しいプロセスを学習し、科学的データに基づいてアルゴリズムを活用し、重要な結果を「信号灯（赤・黄・緑）」やスコアで表示することで、人的介入による結果のばらつきを防ぎます。データ管理を通じて、すべてのワークピースを基準品質に一致させ、品質の一貫性を確保します。

実行課題
振動総量の閾値監視だけでは、誤検出が多発？

プレス機の製造プロセスには様々な突発的な信号が含まれており、通常の動作信号と異常信号が混在することが多くあります。そのため、単純に振動総量の閾値（しきいち）を設けるだけでは、異常を正確に判定することが困難です。さらに、同じ設備・同じ金型を使用していても、異なる材料や回転速度での加工では、異なる信号パターンが発生します。

実行方法
単純な動作から複雑な動作まで自動追跡・識別可能

VMS®-ML 機械学習スマート監視システムは、加工信号を自動追跡し、異なる製造モードごとに異なる学習規則を適用することで、カスタマイズされた閾値監視を実現します。また、リアルタイムの監視信号において、事前に設定されたターゲット信号を自動検出し、機械動作に異常が発生した場合や外部干渉があった場合でも、動作の周期性を正確に識別し、スコアリングと結果を提供します。

実行課題
データ収集に時間がかかり、すぐに効果が見えない？

監視システムを導入する際、大量のデータを収集・蓄積する必要があり、設備の異常イベントが発生した後でようやく特徴抽出が可能になります。さらに、異なるイベントや製造プロセスに対しては、新たにデータを収集し、AIを再トレーニングする必要があります。そのため、データ収集に時間がかかりすぎて、監視の効果をすぐに確認できないという問題が発生します。

実行方法
機械特性のラベリングと自動識別技術のAI化

VMS®-ML 機械学習スマート監視システムは、正しい設備信号を迅速に学習し、基準を確立することで、設備の異常をリアルタイムで検出し、大量のデータ収集期間を不要にします。

また、本システムはAI演算パラメータを提供し、製品開発・テスト担当者がデータをもとに検証とテストを行いやすくなります。加工動作や製造プロセスの種類ごとに特性をラベリングし、クリーンなプロセスデータベースを構築することで、直接イベントトレーニングに活用できます。

実行課題
いかにして大量の不良品を積極的に防ぐか？

自動化プレス生産ラインは加工速度が非常に速いため、小さな問題が発生しただけでも大量の不良品が生産される可能性があります。例えば、刃具の鈍化による金属製品のバリ発生や、位置ずれによる成品の圧迫変形などが考えられます。いかにして早期に生産ラインの状態を検知し、不良品の発生を未然に防ぐことができるのでしょうか？