OP50.1/OP50.2 i X-led

En intressant observation som har gjorts är den som sker i OP50.2 i X-axeln där det går att se en tydligt markant djupare svängning jämfört med en mätning ifrån OP50.1.

Det finns inga tidigare kända fel eller att det är indikationer på att kulskruven eller linjärstyrningen börjar bli sliten på OP50.2 ifrån underhåll. Men ändå så oscillerar den tydligt i början av bearbetningsmatningen mellan 4500 - 5000 msec både i TCMD och ERR. Precis som i mätningen på OP20.2 i Z-led så bildas ett oscillerande område i början eller slutet utav bearbetningsmatningen vilket kan vara en indikation på som tidigare nämnts att linjärstyrningen börjar bli sliten. Eftersom OP20.2 i Z-led och OP50.2 i X-led visar liknande tecken på utslitna linjärstyrningar kommer detta område vara intressant att placera en trigger. (Se figur 33-34)

Figur 33. OP50.1 i X-led.

4.8 Tillämpning inom verksamhet

De mätningar som har utförts koncentrerades på att ta reda på om FANUC:s mjukvara Servo Viewer dels kan mäta maskinens tillstånd samt ta reda på om programmet kan tillämpas i den dagliga verksamheten. De resultat som genererats är att programmet kan mäta maskinens tillstånd och det går att göra bedömningar på huruvida linjärstyrningen och kulskruvarna är slitna eller inte. För att programmet ska vara användbart i den dagliga verksamheten gäller det att skapa triggers på de tydliga tecknen på en sliten linjärstyrning eller kulskruv. Så att de mätvärdena som kontinuerligt mäts inte behöver läsas av manuellt utan att systemet larmar när maskinen uppnår de triggers som

bestämts. Dessa triggers kommer att tas fram genom att schemalägga mätningar på maskinerna när de aktuella komponenterna har börjat närmat sig slutet av sin livslängd för att veta hur de beter sig i programmet. Dessa triggers kommer behövas skapas för alla maskiner på linjen för att programmet ska kunna utnyttjas till fullo.

De finns för- och nackdelar med att använda sig utav mätningar som utförs i ett separat program. Fördelen med en obelastad mätning är att den blir mer specifik mätning som går att anknyta till färre komponenter i CNC-maskinen. Således har det varit enklare att kunna i analysfasen identifiera avvikelser som är kopplat till just linjärstyrnigen och kulskruven.

En nackdel att inte mäta i full produktion är att det inte går att mäta hela vägen i Z-led för då skulle verktyget och detaljen krocka. Detta hade kunnat gå att göra i full

produktion. Om mätningar hade kunnat utföras i bearbetningsområdet i Z-led skulle det bli mer intressanta mätningar eftersom här slits linjärstyrningen och kulskruven mest.

Men då finns det fler komponenter att ta hänsyn till så som verktygets och spindelns förslitning.

Så beroende på vad mätningarna ska användas till går det att använda sig av ett separat program eller programmet som används i produktion när detaljen bearbetas. Om målet är att kunna använda mätningarna till några specifika komponenter som i det här examensarbetet, då skulle det separata programmet rekommenderas. Om målet att kunna se hur hela CNC-maskinens kondition påverkas då skulle mätningarna under full produktion rekommenderas.

När program har valts och triggers placerats behöver det sättas en schemaläggning utifrån hur ofta mätningar ska genomföras. Dessa mätningar kommer ske automatiskt och genom analysen kommer programmet varna när mätningarna överstiger de utsatta triggers. Genom diskussioner med FANUC har ett intervall på en mätning per månad på varje maskin tagits fram. Med tiden kommer det att gå att avgöra om intervallet är passande eller behöver korrigeras beroende på hur mycket maskinerna används och slits.

5. Slutsats

Slutsatsen kommer presentera en sammanfattning av målen som nämns i

Inledningskapitlet samt vad som inte uppfyller syfte och målformuleringen. Diskussionen kommer innehålla vilka delar utav examensarbetet kunde förbättras. Där kommer det vid arbetes slut att föreslå förbättringar och fortsatt arbete.

Resultatet som erhållits under detta examensarbete visar på att det går att se skillnader och upptäcka avvikande faktorer med FANUC:s Servo Viewer och att det därför uppfyller målet om Servo Viewer går att använda till att prediktera när underhåll behöver utföras.

Men arbetet är inte ett färdigt koncept i sig utan det behövs vidare utveckling och fortsätta automatiska mätningar över en längre tid samt innan och efter byten av kulskruvar och linjärstyrningar. För att få en klarare bild om vart triggers ska sitta som varnar systemet när ett byte av delar behöver genomföras.

5.1 Sammanfattning av mål och syfte

Målet med arbetet var att se om FANUC:s Servo Viewer går att använda till att prediktera om kulskruvarna och linjärstyrningen som sitter i alla maskiner på

cylinderhuvudlinjen behöver få underhållsåtgärden. Genom att använda programmet och utföra mätningar på linjen har en bild skapats om detta verktyg kommer att vara applicerbart i den vardagliga produktionen. Mätningarna som har utförts har gett en bild över att det går att tyda maskinens maskinella tillstånd vilket innebär att

programmet kan användas till att prediktera när maskinen kommer att behöva en underhållsåtgärd. Genom att fokusera på att utföra mätningar på de maskiner som var slitna så blev mätresultaten relevanta då det är vid liknande tillstånd som önskemålet är att maskinen ska varna att den tillhörande maskindelen börjat uppnå sin livslängd.

Genom användningen av detta tillvägagångsätt så har intressanta och relevanta

olikheter i mätningarna hittats och på så sätt har slutsatser dragits att maskintillståndet är möjligt att se utifrån mätningar med det maskinprogram som har använts.

5.2 Diskussion

Strukturellt kunde arbetet tidigare delats upp vilket hade kunnat vara en fördel i

analysfasen då mycket tid försvann i början som sedan kunnat utnyttjas senare i arbetet.

En annan utmaning har varit att utföra själva mätningarna då det endast gått att göra när linjen hade underhållsstopp, vilket sker en gång i veckan. Det har gjort så att insamlingen av mätvärdena dragit ut på tiden och påverkat analysfasen där det hade kunnat i lagt ned mer tid för att få fram ett mer genomarbetat resultat.

Vissa av mätningarna har inte haft samma utgångsläge vilket gjorde att det blev svårare att se avvikelser när mätningarna jämfördes. Det kunde ha förebyggts genom att

använda sig utav en Origin knapp som gör att mätningar ställer om i samma utgångsläge.

Den möjligheten kom fram först när alla mätningar i princip var utförda, vilket gjorde de svårare i analysfasen att identifiera avvikelser.

En annan aspekt var att under mätningarna gick det inte att köra fram hela vägen i Z-led då maskinen hade kört in i verktyget vilket resulterat i ett kasserat verktyg. Om detta skulle genomföras behövde verktyget avlägsnas innan mätningen vilket inte var möjligt eftersom skulle tagit alldeles för lång tid att utföra. Men om mätningen utförs i full produktion skulle det även få med där bearbetning utförs och kunnat identifierat intressantare avvikelser. Beroende på vad som prioriteras nämns i kapitel 4.8 i detalj där mätningarna kan utföras i ett separat program eller full produktion.

Covid-19 och pandemiläget runt om i världen har även försvårat möjligheten att utföra hela arbetet på plats på Scania. Pandemin har försvårat produktionen och detta har inneburit att mängden mätningar som har utförts har minskat. Mycket utav arbetet har även skett på distans vilket har försvårat kommunikation med relevanta personer på Scania.

Ett utav målen med examensarbetet var att utvärdera ett analysverktyg för att

automatisera arbetssättet med att utföra mätningar och analysera den data som samlas in. Att utvärdera Servo Viewer var mer komplicerat och tidskrävande genom att inte ha kunnat utföra mätningar med den frekvensen som först planerats då komplikationer uppstod på linjen och andra prioriteringar behövdes tas utav produktionen. Genom att noggrant utvärdera Servo Viewer så användes en stor del utav examensarbetet tid upp.

Detta resulterade i att examensarbetet inte hann utvärdera AI Servo Monitor vilket är en mjukvara som kan analysera mätvärdena automatiskt och larma när mätningarna

uppnår de uppsatta gränserna. En vidare förklaring och rekommendation till fortsatt arbete för att kunna implementera AI Servo Monitor har lämnats i kapitel 5.3.

5.3 Rekommendationer och fortsatt arbete

För att FANUC:s mjukvara Servo Viewer ska kunna tillämpas i den dagliga verksamheten på Scania så behöver ett standardiserat arbetssätt implementeras. Ett prediktivt

arbetssätt som innebär att maskinerna utför dessa mätningar automatiskt och ett system som sedan analysera mätvärdena och larma när komponenterna börjar närma sig slutet av sin livscykel. För att detta ska kunna bli en verklighet gäller det att hitta de triggers som maskinen ska larma vid. Detta kommer vara ett omfattande arbete som kommer kräva att automatiska mätningar schemaläggs regelbundet för att kunna se när maskinernas komponenter börjar bli så slitna att det är dags att planera in en

underhållsåtgärd.

För att implementera arbetssättet där mätningar och analyser sker på ett automatiserat sätt krävs ytligare arbete med FANUC:s mjukvaror. FANUC har ett etablerat

produktionsuppföljningssystem som heter MT-LINKi. Denna mjukvara kan användas som en databas för data insamlat från utförda mätningar på maskinen. Inom MT-LINKi kan mätningar schemaläggas och när maskinen känner av att en begäran finns kör maskinen de önskade programmen och sedan skickas den insamlade data till MT-LINKi.

Mjukvaran kan finnas installerad på ett flertal olika datorer på Scania runt om i världen och schemalägga mätningar på lokala maskiner. En central server samlar in data från de olika mjukvarorna på Scania. Denna data kan överföras genom en molnbaserad

applikation eller via lokala Ethernet överföringar vilket skulle öka säkerheten.

När de schemalagda mätningarna är utförda utav de önskade maskinerna och MT-LINKi har den insamlade data i databasen kan önskvärt program sammankopplas och nyttja den data. Via AI Servo Monitor kan den insamlade data jämföras med ett normalläge och utsatta triggers kan varna när mätningarna avviker. Normalläget skapas via att utföra mätningar på maskiner där konditionen på komponenter som påverkar resultatet är så pass bra att mätningen som utförs speglar en maskin som är i bra kondition.

De triggers som ska varna systemet skapas genom att utföra mätningar på maskiner där komponenterna är slitna för att skapa en bild över hur kurvan ser ut när den är sliten.

Vissa av de mätningar som har presenteras i resultatet visar indikationer på att linjärstyrningen eller kulskruven är sliten och behövs bytas. De båda komponenterna som har analyserats visar olika tecken på att de börjar nå slutet utav livslängden. Här kommer ett noggrant och utförligt arbete behöva fortsättas för att skapa en tydlig bild över de olika tecken på en sliten komponent. När uppfattningen över vilka avvikelser som uppstår vid en sliten komponent har bildats kan dessa triggers läggas in i AI Servo Monitor vid de bestämda delarna utav mätningen. När dessa triggers är placerade på rätt ställen i mätningen kommer det krävas laborering i vid vilken nivå de ska larma så att inplaneringen av ett underhåll hinner ske utan att riskera haveri eller

materialavvikelser.

kapital i form utav reservdelar på lager samt att linjärstyrningen och kulskruvarna kommer uppnå hela livslängden.

Referenser

[1] A. Ramström, Interviewee, Intervju Ex-jobb. [Intervju]. 29 03 2021.

[2] Scania, ”archive,” 2013. [Online]. Available:

https://web.archive.org/web/20130527155124/http:/se.scania.com/scania-group/history-of-scania/. [Använd 30 04 2021].

[3] Scania, ”Scania AB,” 2019. [Online]. Available:

https://www.scania.com/content/dam/group/investor-relations/financial-reports/annual-reports/Scania_arsredovisning_2019.pdf. [Använd 30 04 2021].

[4] S. Group, ”Web archive,” 2013. [Online]. Available:

https://web.archive.org/web/20130517150205/http:/se.scania.com/scania-group/scania-in-brief/. [Använd 30 04 2021].

[5] Industritorget, ”Industritorget,” [Online]. Available:

https://www.industritorget.se/f%C3%B6retag/fanuc+nordic+ab/111026/. [Använd 30 04 2021].

[6] FANUC, ”Setup tools,” [Online]. Available: https://www.fanuc.eu/fi/en/cnc/development-software/setup-tools. [Använd 30 04 2021].

[7] P. Ling, Interviewee, Angående analys av Servo Viewer. [Intervju]. 18 05 2021.

[8] C. O. Klingenberg och J. A. d. V. A. Jr., ”Industry 4.0: what makes it a revolution?,” i EurOMA 2017, Bryssel, 2017.

[9] G. B. B. N. F. A. o. A. G. F. L. S. Dalenogare, ”The expected contribution of Industry 4.0 technologies for industrial performance,” International Journal of Production Economics, vol.

vol. 204, nr 1, p. s. 383–394, 2018.

[10] H. Bossen och J. Ingemansson, ”Digitalisering av Svensk Industri – Kartläggning av svenska styrkor och utmaningar,” Vinnova, Stockholm, 2016.

[11] C. Chatfield och A. Collins, Introduction to Variate Analysis, USA: Champman & Hall , 1980.

[12] L. Olofsson, J. Jean-Jean och M. Ström, ”Så skapas värde ur stora datamängder,” Reasearch institutes of Sweden, Mölndal, 2019.

[13] N. Velasquez, E. Estevez och P. Pesado, ”Cloud Computing, Big Data and the Industry 4.0 Reference Architectures,” Journal of Computer Science and Technology, pp. vol. 18, nr 03, s.

e29, Decemeber 2018.

[16] Cristobal-Ruiz-Carcel och A. Starr, ”Data-Based Detection and Diagnosis of Faults in Linear Actuators,” IEEE Transactions on Instrumentation and Measurement, pp. vol. 67, nr 9, s. 2035–

2047, 09 2018.

[17] M. Hermans, ”Sustainable Building Maintenance,” ibernet, Rotterdam, Nederländerna.

[18] Y. Xin och V. Ojanen, ”The impact of digitalization on product lifecycle management: How to deal with it?,” i presented at the 2017 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), Singapore, 2017.

[19] C. Franciosi och B. Iung, ”Maintenance for Sustainability in the Industry 4.0 context: a Scoping Literature Review,” IFAC-PapersOnLine, p. 903–908, 2018.

[20] S. S. Institute, Underhåll - Underhållstermonologi, SS-EN 13306:2017, 2017.

[21] J. M. Gross, Fundamentals of preventive maintenance, New York: American Management Association, 2002.

[22] S. Amari, L. McLaughlin och H. Pham, ”Cost-effective condition-based maintenance using markov decision processes,” i Reliability and Maintainability Symposium, 2006.

[23] J. Levitt, Complete Guide to Preventive and Predictive Maintenance, New York: Industrial Press, Inc, 2011.

[24] R. C. Hansen, Overall Equipment Effectiveness, New York: Industriell Press, 2001.

[25] D. J. Wilkins, ”The Bathtub Curve and Product Failure Behavior,” Weibull.

[26] K. Arekar, S. Ailawadi och R. Jain, ”Reliability modelling for wear out failure period of a single unit system,” Journal of Statistical and Econometric Methods, pp. 33-41, 2012.

[27] R. G. George Antaki, ”Design Basis Loads and Qualification,” i Nuclear Power Plant Safety and Mechanical Integrity, Elsevier, 2015, pp. 27-102.

[28] T. Baer, ”Reliability Connect,” [Online]. Available:

https://www.reliabilityconnect.com/understanding-failures-and-the-potential-failure-p-f-curve/. [Använd 30 04 2021].

[29] P. Radhakrishnan, Computer numerical control machines and computer aided manufacture, London: New Academic Science Limited, 2015.

[30] ”Rollco,” [Online]. Available: https://info.rollco.se/ratt-linjarstyrning-for-din-applikation.

[Använd 30 04 2021].

[31] R. Bergkvist, Interviewee, Hur en CNC maskin fungerar. [Intervju]. 27 04 2021.

TRITA TRITA-ITM-EX 2021:429