WAGO 產品在全球範圍內廣泛應用於從沙漠到苔原的工廠、船舶、鐵道和電力網路。有時，他們要忍受很多：灰塵、污垢和衝擊，以及烈日、冰風和悶熱的熱帶地區。量身定制的外殼可抵禦惡劣環境，WAGO 與許多其他塑料零件一樣，通常自行製造這些外殼。
各種塑料顆粒是外殼的基材；這些顆粒透過管道系統輸送到射出成型機。這是透過產生真空的真空幫浦實現的。就像好的舊氣壓輸送管一樣，幫浦將不同的顆粒立即輸送到需要的地方。然而，氣流不可避免地也帶有一些灰塵。為防止這種情況損壞幫浦，在排氣管中安裝了過濾器。
這些過濾器必須仔細反復清洗；否則，輸送能力會受到影響 “這就像真空吸塵器：過濾器越滿，其性能和效率就越差，”WAGO 注射成型技術工程師 Sebastian Pscheidt 解釋道。在最壞的情況下，當輸送另一種顆粒時，管子並沒有完全排空，兩種材料混合在一起。到目前為止，WAGO 員工透過定期清潔過濾器來防止這種情況發生。然而，這通常是不必要的，因為過濾器仍然允許足夠的空氣通過 – 很惱人，因為清潔是勞動和成本密集型的。此外，在此期間必須關閉物資分配系統，這可能會擾亂外殼生產。
“用最小的投入，做最大的努力”
機器學習故障檢測
WAGO 還將物料分配系統中的這些感測器和其他感測器的數據用於其他目的 - 包括及早檢測輸送過程中可能出現的故障。以往，員工使用 Excel 列表。機器學習模型現在可以處理這項任務：它們會在重大中斷發生之前自動識別數據中的異常情況。這將故障排除所需的時間減少了百分之五十以上。“雖然預測性維護是關於放眼未來，但使用機器學習進行故障檢測是關於檢測過去和現在的數據模式”，Jenke 解釋道。該系統被設計為開放的，如果需要可以添加額外的機器學習模型。儀表板顯示數據並提供過程品質的即時概覽。系統會自動標記檢測到的異常。然而，儀表板提供了許多其他視覺化效果，以最大限度地發揮資訊的優勢。這使員工能夠透過使用者友好的介面使用任何時間段的實時和歷史數據進行個人評估和建模。其結果是提高了透明度，例如系統容量利用率方面的透明度。最重要的是，很容易看出哪裡有優化的潛力。“透過這兩個分析解決方案和儀表板，我們為員工提供了一個數位工具箱，可以顯著簡化他們的工作。他們將更好地理解自己行為的因果關係”，Pscheidt 說道。同時，該儀表板促進了 WAGO 流程、自動化和分析專家之間的合作。
也為客戶提供分析
然而，WAGO 不僅為自己開發此類分析系統，還向其他人提供其專業知識和技術。例如，WAGO 為其客戶提供個性化分析解決方案，可用於檢查流程、識別薄弱環節或識別優化起點。例如，各行業的公司可以使用它來確定其系統和機器異常運行狀態的原因，確定對產品品質和過程穩定性的影響，或改進機器參數化。“憑藉我們的分析專業知識，我們幫助客戶提高流程透明度”，Jenke 說。“這將持續增強他們的競爭力！”
撰稿：Ralph Diermann – 能源記者
照片：Tremonia
