Siemens Gamesa: Συνεργασία με IBM γαι τη βέλτιστη παραγωγή πτερυγίων ανεμογεννητριών

Siemens Gamesa: Συνεργασία με IBM γαι τη βέλτιστη παραγωγή πτερυγίων ανεμογεννητριών
Δευτέρα, 17/05/2021 - 17:00

Η Siemens Gamesa ήρθε σε συνεργασία με την IBM Services για να δημιουργήσει μια λύση μηχανικής μάθησης (ML) στο Microsoft Azure για την επιτάχυνση της κατασκευής πτερυγίων.

Πιο συγεκριμένα, το εργαλείο χρησιμοποιεί ένα πλέγμα λέιζερ για να δείξει ακριβώς πού να τοποθετήσει κάθε στρώμα υαλοβάμβακα με ακρίβεια. Επίσης περιλαμβάνει πολλαπλές τεχνολογίες, συμπεριλαμβανομένης της όρασης του υπολογιστή, του ML, των υπολογιστών αιχμής και του Internet of Things( IoT).

Η IBM Services συνεργάστηκε για το εγχείρημα με τα Digital Ventures Labs External Link (DVL) της Siemens Gamesa.

Ο ανώτερος διευθυντής προϊόντων της Siemens Gamesa, Finn Mainstone, ανέφερε:

«Όλοι συνεργάστηκαν απρόσκοπτα καθώς δοκιμάσαμε τη λύση σε μια πραγματική λεπίδα - και η IBM έκανε ακόμη και αλλαγές στον κώδικα εν κινήσει. Το έργο ήταν αδιαμφισβήτητη επιτυχία και η IBM είναι ο τέλειος συνεργάτης για τη Siemens Gamesa».

Η Siemens Gamesa χρησιμοποιεί τώρα τη λύση παραγωγής βάσει δεδομένων σε μία από τις γραμμές παραγωγής της στο Aalborg της Δανίας. Στην επόμενη φάση η Siemens Gamesa θα επεκτείνει τη λύση για να καλύψει όλες τις γραμμές παραγωγής της στο Aalborg και, στη συνέχεια, τα εργοστάσιά της στη Le Havre, τη Γαλλία και το Hull στο Ηνωμένο Βασίλειο.Η εταιρεία διερευνά επίσης την ιδέα της εφαρμογής της λύσης σε όλα τα εργοστάσιά της σε όλο τον κόσμο.

Ο Mainstone ανέφερε:

«Κάθε πτερύγιο ανεμογενήτριας έχει σχεδιαστεί ειδικά από τους μηχανικούς μας για ακριβείς προδιαγραφές και τυχόν ελαττώματα κατά τη διαδικασία κατασκευής που μπορεί να οδηγήσουν σε πολύπλοκες, δαπανηρές και χρονοβόρες διορθώσεις.μ Για να αποφευχθεί αυτή η κατάσταση, οι ομάδες μας βλέπουν ένα πλέγμα λέιζερ που εμφανίζεται πάνω από κάθε λεπίδα που τους δείχνει ακριβώς πού να τοποθετήσουν κάθε στρώμα από υαλοβάμβακα. Κυρίως, μπορούν τώρα να λαμβάνουν άμεσες ειδοποιήσεις εάν η εντοπιστούν τυχόν σφάλματα ή ανωμαλίες στην επιφάνεια του πτερυγίου.

«Χάρη στις κάμερες που είναι συνδεδεμένες με το IoT στο εργοστάσιό μας και τη συνεχή ανάλυση χρησιμοποιώντας μοντέλα μηχανικής εκμάθησης στην άκρη, όλα διαχειριζόμενα στο Microsoft Azure, οι τεχνικοί μας μπορούν να τοποθετήσουν κάθε στρώμα του πτερυγίου με μεγαλύτερη ταχύτητα και ακρίβεια. Ως αποτέλεσμα, είμαστε στην πορεία να μειώσουμε τα ποσοστά σφάλματος κατασκευής που προκαλούνται από λανθασμένο υλικό, το οποίο βοηθά στη διατήρηση των γραμμών παραγωγής μας ομαλά».

«Στην πραγματικότητα, μόλις κυκλοφορήσουμε τη λύση παγκοσμίως, θα είμαστε σε θέση να μοιραστούμε τις βέλτιστες πρακτικές. Αυτό θα μειώσει την καμπύλη μάθησης για ομάδες στα εργοστάσια που ανοίξαμε πρόσφατα, όπως στη Le Havre της Γαλλίας - επιτρέποντάς μας να ενισχύσουμε την απόδοσή μας, να δεχτούμε περισσότερες παραγγελίες πελατών και να φέρουμε τα οφέλη της πράσινης ενέργειας σε περισσότερους ανθρώπους σε όλο τον κόσμο.