Esta página fue traducida automáticamente.
Complete una encuesta de 1 minuto sobre la calidad de esta traducción.
Kobe Steel utiliza MATLAB Web App Server y MATLAB Production Server para mejorar la eficiencia de su planta siderúrgica.
Un enfoque que permite a ingenieros de operaciones y mantenimiento desplegar rápidamente modelos altamente personalizados.
“[Hemos] desarrollado una aplicación en MATLAB que permite crear modelos basados en condiciones mientras se revisan los datos. Esto permite a los ingenieros de operaciones y mantenimiento, así como a expertos en la materia, crear modelos personalizados para cada componente de forma ágil, incluso sin conocimientos de ciencia de datos”.
Resultados principales
- MATLAB permitió el desarrollo integral de una aplicación fácil de usar con metodología ágil, lo que permitió a los ingenieros de operaciones y mantenimiento crear, prototipar e desplegar modelos de anomalías en el flujo de trabajo operativo.
- El modelo de prueba mostró una precisión del 89% en la detección de anomalías.
- Con el sistema MONAD, el personal local realiza inspecciones de maquinaria y mantenimiento preventivo basándose en la información de alerta.
Descripción general de un sistema de detección de anomalías con preprocesamiento, despliegue de modelos e informes de anomalías.
Kobe Steel es uno de los principales fabricantes diversificados de Japón, que ofrece una amplia gama de tecnologías, productos y servicios centrados en tres áreas principales: materiales, maquinaria y energía eléctrica. Actualmente, la empresa está trabajando para aumentar la eficiencia de la planta de producción y garantizar la entrega en el plazo previsto de los productos de acero mediante la identificación y corrección de anomalías en el proceso de fabricación.
Dado que la fábrica contiene mucha maquinaria, cada una con una amplia variedad de métodos y patrones de funcionamiento, el grupo de trabajo identificó un desafío clave: Al grupo de ciencia de datos del instituto de investigación le resulta difícil desarrollar un modelo genérico de detección de anomalías que pueda aplicarse en todas las sucursales. La solución consistió en delegar el desarrollo del modelo a ingenieros de operaciones y mantenimiento que comprenden las complejidades y peculiaridades de la maquinaria de planta. El grupo de trabajo desarrolló una app web en MATLAB® denominada MONAD (Mode Oriented Novel Anomaly Detector) para permitir que ingenieros de operaciones y mantenimiento crearan modelos de factor local de anomalías (LOF) bidimensionales fácilmente interpretables. Los primeros ensayos fueron muy prometedores, demostrando la capacidad de detectar fallos iniciales en la lubricación de los rodamientos con una precisión del 89%. La democratización de la creación de modelos con ingenieros de operaciones y mantenimiento también permitió a Kobe Steel escalar rápidamente; solo en el primer mes se prototiparon 90 modelos de detección de anomalías.
Los datos de proceso provenientes de la maquinaria de producción se recopilan y preprocesan en AWS® antes de evaluarse con el modelo de detección de anomalías desplegado en MATLAB Production Server™. Los resultados se publican en un panel web de monitorización impulsado por MATLAB Web App Server™. Si se detecta alguna anomalía, se envía por email al gerente del equipo, quien inspecciona la maquinaria y realiza las reparaciones necesarias antes de que un funcionamiento defectuoso detenga la línea de producción. El diseñador del modelo local también recibe una notificación por correo electrónico y puede modificar el modelo en respuesta a los datos o condiciones más recientes para mejorar el rendimiento.
El sistema MONAD desarrollado en MATLAB permite a ingenieros de operaciones y mantenimiento de Kobe Steel desplegar rápidamente modelos altamente personalizados, lo que permite la detección temprana de posibles anomalías y una respuesta inmediata.
