400-868-1122
根云工業互聯網平臺
返回
引言
若將消費互聯網與工業互聯網相比較，消費互聯網就好似一片寬度為1000米、深度僅有1米的水域，而工業互聯網則類似于寬度有1000米、深達10000米的海域。消費互聯網因為被限制了深度，便只能在淺顯的焦慮中創造出一種消費趨勢。相較之下，工業互聯網的運行則需要更深的“海溝”，工藝智能化就像這“深邃海溝”內的一艘潛艇，它的每一個數據都需經過精心的設計和采集，且準確性必須達到100%，才能在海域中按計劃航行。
工藝專題系列將為大家深入闡述每一艘“工藝潛艇”的智能化航行實踐道路，今日我們將聚焦于折彎工藝智能化。
1、折彎工藝是什么？
折彎工藝是一種金屬加工技術，廣泛應用于離散制造業領域。早期人們利用簡單的工具和方法，對金屬板材進行彎曲和折合的操作。隨著工業革命的到來，特別是各類機器和設備的引入，折彎工藝得以進一步發展和普及。
現代的折彎工藝已經進入了自動化、數字化和智能化的階段，金屬板材借助于折彎機、折彎模具、折彎機器人等，通過一系列的折彎和彎曲操作，使其形成各種形狀和結構，為滿足復雜需求提供了可能性。
折彎工藝常見的工業制造領域應用場景如下：
（1）電子行業：
例如在電腦、電視、音響等電子設備的生產過程中，許多外殼和支撐結構需要通過折彎工藝來制作；
（2）航空航天行業：
飛機、火箭的各種殼體部件、高精度的內部構造件等都會用到折彎工藝；
（3）汽車制造業：
采用折彎工藝制作各種汽車部件，如車身、車門、車頂、引擎罩等；
（4）機械制造：
許多金屬零件需要通過折彎工藝來制造出不同形狀和尺寸；
（5）能源行業：
如風力發電和太陽能電池板制程中，折彎工藝在金屬框架的制作上發揮重要作用。
除以上所述的應用之外，還有許多其他行業也會使用到折彎工藝，如石油、化工、造船、軍工等行業。
2、折彎工藝面臨的挑戰
2.1 折彎回彈的知識經驗不足
折彎工藝中的主要挑戰在于折彎回彈問題。針對同一規格和型號的板材（如：均為10mm厚的Q345B鋼板），盡管來源可能不同，即不同廠家或者同一廠家不同批次的板材，其回彈角度仍存在差異。
為確保折彎精度，常見的做法是根據折彎件的工藝要求制作相應的折彎樣板（如下圖所示），并在每次板材完成折彎后，將零件置于工作臺用樣板進行回彈角度測量。然后根據測量結果，操作人員需要依靠他們的經驗對折彎機的程序進行調整和返工。
這個環節中，操作人員的經驗至關重要，甚至可以說是一種不輕易傳授的“絕技”。這些操作與調整的"knowhow"（知識經驗）都存在于操作人員的大腦中。新入職或經驗不足的員工常在折彎返工時產生問題，如力道不足或過大。
若壓過度導致折彎角度過小，可能需要將零件翻轉后重新壓制，這種情況將大幅降低工作效率并可能產生質量問題。據統計，折彎工藝在設備有效作業率上，達到35%就可視作良好，有些甚至只能達到15%左右。因此，折彎工藝中的"knowhow"（知識經驗）問題已經成為一種行業痛點。
2.2 折彎定位的限制不足
除此之外，折彎過程中還需要人工調整折彎機的后定位系統。有時，操作人員可能出于避免麻煩而忽略對后定位設備的調整，而是采用劃線的方式確定折彎線。由于缺少定位的限制，這種做法經常導致折彎線的偏移，進而嚴重影響了產品的質量和后續工序的流程。
正常情況下，折彎一次的合格率通常只有50%至60%；而在較差的情況下，這一比率低至30%。加上折彎工藝的執行情況常常難以進行監控，這給后續的組焊和裝配工序無疑增加許多困難與挑戰。
3.1 折彎工藝的“假智能化”
在工業互聯網領域中，我們經常可以看到一些“假智能化”的現象。例如，有些公司可能通過購置一臺數控設備、一臺機器人和數據采集系統，就以為實現了“智能化”，殊不知這并不能等同于真正的智能化。如果一個系統未能達到自適應和自決策的程度，將其稱之為“智能化”相當于一種誤導。因為一個系統僅僅集結了一些高科技裝備，卻并未能通過先進的技術手段解決核心的工藝痛點，那么所謂的“智能化”也只是名不副實。只有當系統成功解決了核心工藝痛點，才能真正地實現智能化。
3.2 三一重工折彎智能化實踐解讀
以三一重工的折彎智能化應用為例，其解決方案針對三個核心的工藝問題：
（1）智能后定位系統：
無需人工調整折彎機后定位，該系統能根據工藝要求自行調整定位，從而避免折彎線的偏移而影響產品彎折質量；
（2）機器人隨動系統：
該系統使得機器人能隨著零件的折彎過程同步進行動作，優化整個工藝流程，提高設備生產效率；
（3）在線檢測及折彎機反向控制系統：
通過在線檢測實時采集加工件信息，工業互聯網通過采集回彈數據，經過模型和算法運算后，系統自主決策需要使用什么樣的工藝參數進行修正，并直接通過系統反向控制折彎機進行返工。如果一次折彎未達到標準，系統將自主決策再行折彎直至尺寸合格，這樣大大提高了工作效率和產品質量。
針對以上問題的技術路線如下：
1、其中，在進行折彎工藝智能化過程中，需要采集的數據類型主要包括以下幾類：
（1）工藝參數：
如彎曲角度、彎曲長度、彎曲力度、彎曲速度、彎曲次數等；
（2）材料信息：
如材料類型、厚度、硬度、強度、彈性模量等；
（3）設備信息：
如機器狀態（包括精度、穩定性等）、設備環境（如溫度、濕度）等；
（4）質量數據：
需要收集折彎后產品的質量數據，如準確性、錯誤類型和數量等，以利于進行質量預測和改進；
（5）工時數據：
需要收集工人的工作時間、設備運行時間等，以便進行效率分析和改進。
這些數據可以用于建立一種或多種算法模型，如預測模型、優化模型，進而實現智能化的生產調度，質量控制，生產效率提高等。對折彎工藝的數據收集和分析能夠幫助工程師更好地理解和改進生產過程，提高產品質量和生產效率。在數據分析時，還需要注意數據的質量問題，如是否存在缺失值、異常值，數據是否準確等。根云-工業連接（工業數據采集平臺）通過采集折彎工藝智能化過程中的各類數據，保證數據的及時性、真實性和準確性，為后續數據分析和建模奠定基礎。
2、數據實時采集完成后，將直接上傳至工業互聯網平臺進行數據計算、分析和應用開發，數據分析基于相應的折彎算法，從而形成相關應用進行落地，如指標分析、設備報警、關鍵信息推送等。
3、基于工業互聯網平臺形成面向不同角色的應用，典型應用場景如下：
（1）設備管理人員：
根據折彎程序開始時間、折彎結束時間，工業互聯網平臺可運算出設備在線率、設備作業率、作業工時等基礎需求數據，供設備管理人員管理使用；
（2）中層管理人員：
平臺通過計算提供工藝執行率、設備瓶頸率、設備完好率等，滿足中層管理人員的決策分析；
（3）其他角色：
針對核心參數如模具的開口尺寸、上模的下壓量、板材厚度等數據也可采集至工業互聯網平臺，結合不同需求的模型、算法，把結果推送給其他用戶，如工藝問題推送給工藝工程師，設備使用情況推送給制造工程師，設備產能使用情況推送給排產工程師等。
3.3 折彎智能化應用價值
隨著數據量的逐步增加，我們可以預期機器學習將逐步走向成熟，最終達成具有自適應、自決策、反向控制等特性的智能化目標。在實現折彎智能化之后，折彎機的有效作業率可以提升至60%-80%，零件的一次成型合格率也有可能升至100%。此外，折彎工藝的專業技術知識經驗也將全部集成至系統中。
