Как метрология изменится в следующем десятилетии?

Примечание: Гэри Пикок, директор по программному обеспечению для метрологии и производственной аналитике в компании Hexagon, поделился своим видением метрологии будущего в журнале GlobalSpec. Представляем перевод статьи.

В конкурентной гонке современные производители сталкиваются с необходимостью выводить на рынок новые продукты все быстрее и быстрее. Сегодня, в контексте развития цифровой трансформации отрасли, такие факторы, как данные, обмен информацией и автоматизация являются основными драйверами, способствующими улучшению качества и производительности труда.

Всё начинается с данных 

В эпоху умного производства качество данных имеет ключевое значение. Это – основа для более эффективного управления качеством. Однако многие производители сталкиваются с постоянными проблемами из-за неполных, устаревших или неточных данных.

В вопросах измерений, одним из важных изменений в метрологии станет переход от так называемых «племенных знаний», когда экспертиза как бы изолирована и сосредоточена «в руках» узкой группы специалистов, к строгому соблюдению признанных отраслевых стандартов, таких как ASME и ISO.

Современные производители измерительного оборудования предлагают решения, обеспечивающие быстрые, надежные и повторяемые измерения. Обработка большего объема данных за меньшее время, но при этом с лучшей точностью, позволит производителям ускорить вывод продукции на рынок, сохраняя при этом качество.

Упрощение сложных процессов, присущих метрологии, будет иметь решающее значение в будущем: если сделать измерения, отчетность и анализ более интуитивно-понятными и доступными даже для менее опытных пользователей, это поможет справиться с растущим дефицитом квалифицированных кадров в области метрологии из-за выхода на пенсию опытных специалистов.

Управление качеством с помощью связанных данных

Достижение более высокого качества выпускаемой продукции требует связки данных по всей цепочке производства. Для этого необходимо охватывать стадии проектирования, производства и инспекции, а также взаимодействие с клиентами и поставщиками. Наиболее значительный потенциал в этом направлении заключается в разрушении «стеклянных барьеров» между отделами контроля качества, проектирования и производства путем обмена метрологическими и качественными данными на каждом этапе производства.

Каждая координатно-измерительная машина (CMM), портативное измерительное устройство, сенсор и программное обеспечение на промышленном объекте должны быть объединены в единую сеть, где данные выступают в роли связывающего звена. Чтобы способствовать этим изменениям, метрологические службы должны стать инновационными центрами, где в цифровом виде будет идти непрерывный процесс улучшения процессов измерения и контроля качества.

Вперед, к автономности!

Автоматизация уже является ключевым движущим фактором в производстве и будет играть все более важную роль. Например, в случае с CMM-машинами, ПО становится все более «умным», стремясь в своем конечном развитии к автоматизации всего измерительного процесса на всех этапах производства, от программирования и инспекции до отчетности и анализа с минимальным вмешательством человека.

Переход от автоматизации к автономности базируется на внедрении моделей глубокого обучения для создания самообучающихся и самоадаптирующихся систем. По мере накопления и обработки все большего количества данных, эти системы будут обучаться и приобретать «навыки работы». Однако концепция автономности выходит за рамки процессов измерения; речь также идет о создании системы замкнутого цикла, которая бы непрерывно и мгновенно передавала информацию обратно на производство.

Конечная цель самообучающихся систем - выйти за пределы возможностей простого анализа и прогнозирования, и стать динамичными, и предписывающими. Такие системы будут не только самостоятельно находить причины несоответствий выпускаемой продукции с эталоном, но и предлагать четкие действия по исправлению проблемы или даже самостоятельно вносить необходимые коррективы. Такой уровень интеллекта позволит добиться огромных улучшений в управлении качеством на производстве.

Естественно, не все измерения можно или нужно автоматизировать; некоторые задачи лучше всего решаются методами ручного контроля. Однако даже в этих случаях машинное обучение и искусственный интеллект помогут сделать процесс измерения лучше, проще и быстрее.

Сдвиг влево: Повышение качества и технологичности на ранних этапах

В ходе недавнего отраслевого опроса на вопрос о том, что больше всего улучшит производственный процесс и жизненный цикл продукции, 43 % производителей ответили, что хотели бы уделять приоритетное внимание качеству на более ранних этапах производства. Этот так называемый «сдвиг влево» меняет подход к обеспечению контроля качества. Он в корне отличается от традиционного реактивного взгляда, при котором метрологический контроль требовался на финальных этапах производства.

В будущем метрологические данные будут объединять такие производственные стадии, как проектирование, производство и инспекция в связные цифровые системы для обнаружения, идентификации и решения потенциальных проблем качества.

Моделирование на основе метрологии

Самые значительные изменения будут происходить в области объединения реальных измерений с цифровыми моделями, что позволит производителям улучшить производственные процессы с помощью виртуальных прототипов, которые более точно предсказывают и предотвращают проблемы качества. Метрологические данные будут использоваться на цифровой модели для более точной оценки конструкции и качества производства.

Добавление ИИ позволит проводить инспекцию по замкнутому циклу, когда принятие решений на основе данных с помощью искусственного интеллекта позволит измерять только то, что нужно, экономя время, усилия и затраты. Растущее использование таких методов в различных процессах и отраслях промышленности в ближайшие годы обеспечит беспрецедентные уровни контроля и эффективности на всех этапах производства.

Не только измерения и PMI

В ближайшие 10 лет метрология больше не будет уделять внимание только снятию замеров. Мы должны знать не только, соответствует ли изделие заявленным размерам, но и его структурную целостность. Поэтому неразрушающие методы оценки, такие как компьютерная томография, ультразвук, также станут важными этапами оценки качества.

ИИ преобразит мир, хотя присутствие человека будет все еще важно

Аналитика больших данных, машинное обучение и искусственный интеллект, безусловно, станут одними из решающих факторов в области контроля и обеспечения качества. ИИ - важнейший компонент развития будущей метрологии. Он позволяет обрабатывать большие объемы данных, что в конечном счете повысит конкурентоспособность производителей.