Góp phần nâng cao năng suất thông qua việc bảo trì một cách thích hợp máy móc và cơ sở vật chất bằng cách sử dụng AI
Tập đoàn NTN (sau đây gọi tắt là NTN) đã phát triển một công nghệ dự đoán chính xác tuổi thọ còn lại của vòng bi bằng cách kết hợp nhiều phương pháp AI khác nhau. Bằng cách dự đoán thời gian sử dụng còn lại với độ chuẩn xác cao sau khi xảy ra hiện tượng bong tróc gây hỏng ổ trục, đến giới hạn sử dụng, có thể lập kế hoạch bảo dưỡng hiệu quả cho máy móc và thiết bị, góp phần vào việc cải thiện năng suất và giảm chi phí.
Vòng bi được sử dụng trong máy móc và thiết bị có thể gây ra hiện tượng bong tróc nhỏ tùy theo điều kiện sử dụng và có thể dẫn đến hỏng hóc trong trường hợp xấu nhất. Tuy nhiên, khi việc thực hiện bảo trì vòng bi gặp khó khăn do kết cấu thiết bị và vị trí lắp đặt thì có một số trường hợp vòng bi vẫn tiếp tục được sử dụng miễn là không ảnh hưởng đến hoạt động. Tuy nhiên, không có cách nào để xác định chính xác thời gian sử dụng vòng bi sau khi xuất hiện hiện tượng bất thường như bong tróc (thời gian sử dụng còn lại) và thông thường, vòng bi sẽ được thay thế càng sớm càng tốt hoặc sau khi ổ trục bị hỏng.
Ngoài ra, có nhiều trường hợp nhân viên kỹ thuật quyết định thời điểm thay thế dựa trên kinh nghiệm nhiều năm, v.v. và khi hệ thống sản xuất tự động và tiết kiệm giờ công đang phát triển, nhu cầu dự đoán tuổi thọ hữu ích còn lại có độ chính xác ngày càng cao cho phép xác định thời điểm thay thế vòng bi chính xác hơn, nhằm giảm thời gian ngừng hoạt động của máy móc, thiết bị, v.v. và giảm chi phí bảo trì.
Công nghệ dự báo tuổi thọ hữu ích còn lại do NTN phát triển đã được cải tiến bằng cách kết hợp deep learning (học sâu) với Bayesian learning để nâng cao độ chuẩn xác của việc ước tính tuổi thọ hữu ích còn lại từ khi vòng bi bị bong tróc cho đến khi vòng bi bị hư hỏng.
Trong số nhiều phương pháp AI, NTN đã chọn Deep learning, chuyên về xử lý hình ảnh được gọi là mạng nơ-ron tích chập. Phương pháp này có thể chuyển đổi dữ liệu rung động của vòng bi thành dữ liệu hình ảnh để sử dụng, cho phép dự đoán tình trạng hỏng hóc của vòng bi và tuổi thọ còn lại. Ngoài ra, chúng tôi đã thiết lập một mô hình dự đoán đáng tin cậy cao bằng cách kết hợp hồi quy tuyến tính Bayesian phân cấp, đánh giá độ tin cậy của giá trị dự đoán bằng cách xem xét sự khác biệt riêng lẻ và biến đổi (lỗi) trong dữ liệu đo lường trong quá trình tiến triển hư hại của vòng bi. Bằng cách xem xét điều kiện hư hại như vậy, độ chính xác của việc đánh giá tuổi thọ còn lại được cải thiện khoảng 30% so với công nghệ truyền thống.
Công nghệ này là kết quả của dự án nghiên cứu chung tại Phòng thí nghiệm Liên minh Nghiên cứu Thế hệ Tiếp theo NTN*, được thành lập vào năm 2017 tại Trường Cao học Kỹ thuật thuộc Tập đoàn Đại học Quốc gia Đại học Osaka (có trụ sở chính tại thành phố Suita, tỉnh Osaka). Nó được hiện thực hóa bằng cách kết hợp công nghệ và kiến thức mà NTN đã trau dồi hơn 100 năm qua với kiến thức nghiên cứu AI tiên tiến của trường đại học, trong đó có sự tham gia của Ken-ichi Fukui – Phó giáo sư của SANKEN (Viện Nghiên cứu Khoa học và Công nghiệp, Đại học Osaka).
NTN đang theo đuổi các sáng kiến trong lĩnh vực dịch vụ và giải pháp kết hợp công nghệ cảm biến và IoT, đồng thời cung cấp nhiều sản phẩm và dịch vụ khác nhau để giúp cải thiện khả năng bảo trì vòng bi, bao gồm “Máy đo rung động cầm tay NTN Vibroscope” giúp phát hiện các bất thường của vòng bi và ứng dụng chẩn đoán vòng bi nhằm mục đích liên tục theo dõi tình trạng của vòng bi.
Trong tương lai, NTN sẽ tiếp tục xác minh tính khả thi của công nghệ này bằng cách sử dụng vào các việc liên quan đến bảo trì, chúng tôi sẽ góp phần nâng cao năng suất và giảm tác động đến môi trường thông qua việc duy trì máy móc, thiết bị đúng cách và sử dụng vòng bi tối ưu.
