计算机视觉提高涡轮叶片制造的效率

为了引领绿色能源革命,西门子Gamesa的目标是提高产能,但人工加工导致了错误,减缓了涡轮叶片的生产。

为了加速制造,Siemens Gamesa与IBM Services合作,在Microsoft Azure上创建了一个机器学习(ML)解决方案,使用激光网格来精确显示每个玻璃纤维层的精确位置。

新的解决方案涉及多种技术,包括计算机视觉、ML、边缘计算和物联网。通过聘请IBM服务部门的专家与自己的数字风险投资实验室合作外部链接西门子Gamesa获得了迅速将其创意从绘图板提升到工厂生产所需的能力。

西门子Gamesa目前正在其位于丹麦奥尔堡的一条生产线上使用数据驱动制造解决方案,技术人员用玻璃纤维铸造涡轮叶片。

Siemens Gamesa的高级产品经理Finn Mainstone解释说:“每一个涡轮叶片都是由我们的工程师按照精确的规格定制的,制造过程中的任何缺陷都可能导致复杂、昂贵和耗时的修正。为了避免这种情况,我们的团队在每个刀片的顶部都显示了一个激光网格,它可以准确地显示每一层玻璃纤维的放置位置。最重要的是,如果该解决方案检测到刀片表面的任何错误或异常,他们现在可以得到即时警报。”

他继续说:“由于我们工厂的物联网摄像头和边缘使用机器学习模型的持续分析,所有这些都在微软Azure上进行管理,我们的技术人员可以以更高的速度和精度放置每个刀片层。因此,我们正在努力减少材料错位造成的制造错误率,这有助于保持我们的生产线顺利运转。事实上,一旦我们在全球推广解决方案,我们就能更好地分享最佳实践。这将减少我们新开设的工厂(如法国勒阿弗尔)团队的学习曲线,使我们能够提高产量,接受更多客户订单,并将绿色能源的好处带给世界各地更多的人。”

缺陷拖低生产力

涡轮叶片的空气动力学型材对于高效发电至关重要,并且建立每个刀片涉及高技能的工作。“尽管我们最新SG 14-222DD涡轮机的叶片长108米,但它们仍然几乎完全由手工制造,”Mainstone说。“因为每个刀片都是定制的,我们的团队更像是制作家具的工匠,而不是流水线上的工人。但与任何手动流程一样,总是存在人为错误的风险。”

西门子Gamesa拥有严格的质量保证流程,涡轮叶片在制造的最后阶段进行检查和修复。例如,如果一块玻璃纤维放置不正确或放在异物上,刀片受影响的部分就会被切割并替换——这种情况很少见,但代价高昂。

“每次我们重新加工刀片,成本就会提高,每个时期的刀片产量也会受到限制。”继续Mainstone。”这对我们的利润和吞吐量的额外压力是一个严峻的挑战,在一个高度竞争的市场。全球对风力发电的需求正在上升,我们知道,提高我们的吞吐量将更容易抓住这些新机会并发展业务。为了实现我们的目标,我们寻找了一种方法,使我们的技术人员能够以精确的速度快速工作。”

建立新的数字能力,为其全球活动带来更大的标准化和效率,西门子赛季成立了一个内部转型专家团队:数字企业实验室。DVL的第一个项目之一是一种质量控制系统,它使用激光网格来显示在生产过程中放置​​玻璃纤维层的团队。但是,该系统无法检测到制造过程中的缺陷,并要求重复和重复的手动干预操作。

“我们相信,通过为团队提供视觉线索,我们走在了正确的道路上。”Mainstone Recalls,“通过智能自动化来增强质量控制系统,我们看到了提升流程的巨大潜力。”

Melanie Beck,高级管理顾问和IBM的项目领先,继续,“西门子的奥赛队团队有一个雄心勃勃的想法:用计算机视觉和ML模型验证每个制造站上方的相机阵列,并在实时验证每个层的放置。”

提供实时反馈

通过在微软Azure IoT Edge平台上处理视频,该公司可以将先进的ML模型实时应用于大量非结构化数据,并使用其激光网格系统向工厂团队提供反馈。由于新的解决方案建立在Microsoft Azure之上,Siemens Gamesa获得了这种关键任务数字服务的平稳运行24×7,这得益于与Siemens Gamesa苛刻的企业IT标准相一致的健壮的高可用性云能力。

西门子Gamesa在Aalborg中的一个生产线的强大成功奠定了强大的成功,西门子赛事是针对新的制造解决方案的公司范围内部署。在该项目的下一阶段,西门子Gamesa将扩展解决方案,以涵盖奥尔堡,其工厂的所有制造线,法国赫尔,英国赫尔赫尔工厂。展望进一步,该公司正在探索在世界各地的所有工厂实施解决方案的想法。

“我们预计我们基于azure的生产系统的回收期大约为两年半,”西门子Gamesa海上业务高级副总裁Kenneth Lee Kaser说。”随着我们增加更多的功能,看到更多的次要利益,我们预计业务情况会越来越好。”

更多信息:www.ibm.com

主页链接