油圧プレス監視のためのAI:リアルタイムの圧力異常検知

昨年3月、ミシガン州のスタンピング工場にある600トンの油圧プレスが、成形サイクル中の保持圧力に2.3%の偏差を示し始めました。部品はまだ規格を満たしていたため、オペレーターは気づきませんでした。AI監視システムは、この偏差を比例弁スプールの初期摩耗と一致するものとしてフラグを立てました。2週間後、計画された金型交換の際に、メンテナンスチームがバルブを交換しました。費用：部品代3,400ドルと、すでに予定されていた停止中の追加ダウンタイム45分。

工場長は後に、もしバルブが生産中に故障していた場合、圧力スパイクによりダイが損傷する可能性があったと推定しました。そのダイは180,000ドルのツールで、リードタイムは16週間です。

油圧圧力データの特徴

最新の油圧プレスは、サイクルごとに圧力波形を生成します。毎分15ストロークで稼働する一般的なスタンピングプレスでは、1時間あたり900の波形が生成され、それぞれにストロークのアプローチ、接触、成形、保持、戻りの各フェーズに関するデータが含まれています。各フェーズには、油圧システムの健全性とツーリングの状態を反映する特徴的な圧力シグネチャがあります。

AIシステムは、メインシリンダー、クッションシリンダー、油圧マニホールドに取り付けられたトランスデューサーを通じて、1,000 Hz以上で圧力をサンプリングします。4秒サイクルで1 kHzサンプリングの場合、各ストロークはセンサーあたり約4,000データポイントを生成します。プレスあたり3〜6個のセンサーがあるため、システムはサイクルあたり12,000〜24,000データポイントを処理します。

このデータが機械学習にとって興味深い理由は、油圧システムが健全な状態では非常に高い再現性を持つことです。同じ部品、同じダイ、同じ材料、同じプレス設定であれば、サイクルごとにほぼ同一の圧力波形が生成されるはずです。このベースラインからの偏差は、ほぼ常に意味のあるものです。

AIが検出する異常の種類

比例弁の劣化は、保持フェーズ中の圧力制御のばらつき増加として現れます。健全なバルブは、設定値のプラスマイナス0.5%以内で保持圧力を維持します。スプールが摩耗すると、そのばらつきは1%、次に2%と増加し、最終的にはバルブが圧力を維持できなくなります。AIはこのトレンドを追跡し、ばらつきが許容可能な部品品質の閾値を超える時期を予測します。

シール漏れは、特徴的な圧力減衰シグネチャを生成します。内部漏れ（ピストンシールバイパス）は、保持中に漏れ率に比例し、オイル容量に反比例する緩やかな圧力低下を引き起こします。

ポンプキャビテーションは、流量需要が最も高いアプローチフェーズ中に高周波の圧力振動を生成します。AIは、プレスの通常の動作周波数をはるかに超える200〜800 Hzの周波数でこれらの振動を検出します。キャビテーションは通常、吸入ラインの制限、リザーバーレベルの低下、またはオイル粘度の問題を示しています。

アキュムレータのプリチャージ損失も一般的な問題です。アキュムレータ内の窒素プリチャージは数ヶ月かけてゆっくりと漏れ、高速アプローチ時にピーク流量を供給するシステムの能力を低下させます。AIはこれをアプローチ時間の漸進的な増加と圧力波形形状の変化として検出します。

圧力波形分析のモデルアーキテクチャ

ほとんどの本番システムは、2つのアプローチのいずれかを使用します。1つ目は、統計的プロセス管理によるテンプレートマッチングです。システムは数百または数千の良好なサイクルから基準波形を構築し、新しいサイクルごとに偏差メトリクスを計算します。統計的閾値を超える偏差がアラートをトリガーします。

2つ目のアプローチは、ラベル付き故障データで学習されたシーケンスモデル（通常は1D畳み込みニューラルネットワークまたはLSTMネットワーク）を使用します。これらのモデルは、特定の故障モードに関連する波形パターンを分類することを学習し、異常検出だけでなく故障診断も可能にします。AI駆動の監視を備えたスタンピング工場では、同じ通知でアラートと推定原因の両方を受け取ることができます。

統合と応答時間

リアルタイム性は、他の多くの予知保全アプリケーションとは異なる形で、油圧プレス監視において重要です。ベアリングの故障は数日から数週間の警告を与えてくれます。しかし油圧の故障は、シールが破裂したりホースが破裂した場合、検出可能な異常から壊滅的な故障まで数分で進行する可能性があります。

現在のシステムは、500ミリ秒未満のレイテンシでサイクルごとの分析を実現しています。異常の重大度がクリティカル閾値を超えた場合、システムはプレスコントローラーとインターフェースして自動停止または制御された減速をトリガーできます。

ほとんどの工場では、段階的なアラートシステムを導入しています。レベル1アラート（トレンド偏差）はメンテナンスプランナーに送られます。レベル2アラート（重大な異常）はメンテナンススーパーバイザーとプレスオペレーターに通知されます。レベル3アラート（クリティカルな異常）はプレスの自動停止をトリガーします。閾値の適切な設定には2〜3ヶ月のキャリブレーションが必要です。

コストと実務上の考慮事項

油圧プレスにAI監視用の計装を施すコストは、シリンダーの数と既存のセンサーインフラに応じて、プレスあたり8,000〜15,000ドルです。ソフトウェアプラットフォームは、プレスの台数とベンダーに応じて、年間12,000〜25,000ドルが追加されます。

過小評価されがちなメリットの1つは、これらのシステムがプロセスエンジニアリング向けに生成するデータです。圧力波形には、材料のばらつき、ツーリングの摩耗、プロセスドリフトに関する情報が含まれており、メンテナンスをはるかに超えて有用です。複数の工場が、過去の波形データを使用してプレスパラメータを最適化し、スクラップ率を3%〜8%削減したと報告しています。これは当初の導入理由には含まれていなかった効率改善ですが、結果的に大きな効果をもたらしました。