Външно влакно

Приложения на AI в производството на кабели:

1. Предизвикателства пред контрола на качеството при производството на оптични кабели
Производственият процес на оптичните кабели е много по-сложен, отколкото хората си представят. Един оптичен кабел обикновено съдържа множество слоеве, включително множество оптични влакна, подсилващи компоненти, пълнежни въжета, водо-блокиращи материали, бронирани слоеве и външна обвивка, всеки от които изисква прецизна обработка. Производственият процес включва множество стъпки като оцветяване на влакна, пластмасово покритие, окабеляване, брониране и екструдиране на обвивка. Отклоненията във всяка стъпка могат да повлияят на крайната производителност на влакното за открито.

В традиционните производствени модели контролът на качеството разчита главно на следните методи: операторите периодично инспектират производствената линия; инспекторите по качеството извършват инспекции за вземане на проби, след като готовите продукти излязат от линията; и поддръжката на оборудването се извършва по фиксиран график, независимо дали оборудването действително се нуждае от поддръжка. Този подход има значителни недостатъци: ръчните инспекции не могат да постигнат пълна-инспекция в пълен-мащаб; инспекциите за вземане на проби крият риск от пропуснати инспекции; и поддръжката на фиксиран -цикъл може да доведе до загуба поради „неремонтиране, когато трябва, и спиране на производството, когато не трябва“.

2. Визуалната инспекция с изкуствен интелект подобрява постоянството на качеството
Компютърното зрение е една от най-зрелите области на приложение на AI технологията в производството на кабели. Базираните на задълбочено обучение-системи за разпознаване на изображения могат да бъдат внедрени в множество ключови възли на производствената линия за непрекъсната, автоматизирана проверка на външния вид на продукта.

В процеса на оцветяване на влакната, оцветяващият слой трябва да бъде равномерно покрит върху повърхността на влакната. Цветът не само идентифицира различни влакна, но също така пряко влияе върху ефективността на снаждане на следващите оптични кабели. Визуалните системи с изкуствен интелект могат да наблюдават еднородността, точността на цветовете и наличието на дефекти в оцветяващия слой в реално време. При откриване на аномалия, системата незабавно издава аларма, позволявайки на операторите да коригират параметрите на процеса незабавно и да предотвратят дефекти на партидата.

В процеса на екструдиране на обвивката, външната обвивка на оптичния кабел трябва да осигури закръгленост, еднаква дебелина и гладка повърхност. Традиционните методи за проверка включват инспектори по качеството, които измерват външния диаметър с шублер и визуално проверяват качеството на повърхността. Този метод е неефективен и податлив на липсващи периодично възникващи микро-дефекти. Визуалните системи с изкуствен интелект, съчетани с високо-промишлени камери, могат да открият повърхностни дефекти на ниво микрон-, дори когато оптичният кабел преминава през точката за проверка със скорости от стотици метри в минута. Дефекти като мехурчета, драскотини, вдлъбнатини и замърсявания могат да бъдат автоматично идентифицирани и маркирани, като скоростта и точността на проверката далеч надхвърлят ръчните методи.

3. Интелигентна оптимизация на процеси и предсказуема поддръжка

Освен визуалната инспекция, AI технологията също играе роля в оптимизацията на процесите и поддръжката на оборудването. Изтеглянето на оптични влакна е един от най-критичните процеси в производството на оптични кабели. По време на изтегляне, заготовката на влакното се нагрява до приблизително 2000 градуса по Целзий и се изтегля във фина нишка с диаметър 125 микрометра при прецизно контролирана скорост. Взаимовръзките между параметри като скорост на изтегляне, температура на пещта и напрежение са изключително сложни; дори леки колебания могат да повлияят на геометричната точност и оптичните характеристики на влакното. Използвайки алгоритми за машинно обучение, исторически данни за производството могат да бъдат извлечени, за да се създаде количествен модел между параметрите на процеса и качеството на продукта. По този начин, когато партидите суровини или условията на околната среда се променят, системата може автоматично да препоръча оптималната комбинация от параметри на процеса, намалявайки зависимостта от опита на оператора.

Прогнозната поддръжка е друга област със значителна стойност. Влакна на открито, Непланираният престой на критично оборудване на производствената линия, като изтеглящи кули и екструдери, може да доведе до значителни икономически загуби. Чрез непрекъснато анализиране на оперативни данни като вибрации на оборудването, температура и ток, AI системите могат да идентифицират необичайни тенденции в състоянието на оборудването предварително, като издават предупреждения дни или дори седмици преди да възникне повреда. Персоналът по поддръжката може да направи разумни планове за поддръжка въз основа на информацията за ранно предупреждение, за да избегне аварийни спирания и реактивна поддръжка.