အငွေ့ထိုးအိုစက်မှုဆိုင်ရာ နောက်ဆုံးပေါ် တီထွင်မှု

လုပ်ငန်းစဉ် ၄.၀ ကိုအခြေခံသော အထိရှိမှုမြင့်မားသော ဖောက်သည်ထုတ်လုပ်မှုစနစ်များ

လုပ်ငန်းစဉ် ၄.၀ ၏ အသစ်ဆုံးနည်းပညာများသည် တြက္ခ်င္းမူရင္း စနစ်များ၏ အလုပ်လုပ်ပုံကို အများကြီးပြောင်းလဲစေပါသည်။ ယင်းနည်းပညာများသည် စနစ်များကို ယခင်က မရှိခဲ့သည့် အဆင့်ထက် ပိုမိုချိတ်ဆက်မှုရှိစေပြီး ပိုမိုထိရှိမှုမြင့်မားစေပါသည်။ ကမ္ဘာ့စီးပွားရေးဖိုရမ် (WEF) မှ ပြုလုပ်ခဲ့သော သုတေသနအရ စက်ရုံများသည် လုပ်ငန်းစဉ် ၄.၀ နည်းပညာများကို အသုံးပြုလာပါက ထုတ်လုပ်မှုနှုန်း ၃၀ ရှိသည့် အထိ တိုးတက်လာပြီး အသုံးမဝင်သည့် ပစ္စည်းများကိုလည်း လျော့နည်းစေပါသည်။ အများအားဖြင့် အမည်ကြီး ထုတ်လုပ်ရေးကုမ္ပဏီများသည် အတိမ်းနည်းများ၊ အဖြေရှာရန် အချိန်ကြာမှုများနှင့် နေ့စဉ် ထုတ်လုပ်မှုများကို ထိရှိစေရန် အခက်အခဲများကို ဖြေရှင်းပေးနိုင်သည့် အတွက် ဤနည်းပညာများကို စတင်အသုံးပြုလာကြပါသည်။

IoT ပါဝင်သော အချိန်နှင့်တစ်ပါတည်း စောင်းကြည့်မှုစနစ်များဖြင့် ဖောက်သည်ထုတ်လုပ်မှုစနစ်များ၏ စွမ်းဆောင်ရည်ကို စောင်းကြည့်ခြင်း

ယနေ့ခေတ်ခေါ် အင်ဂျက်ရှင် မော်လ်ဒင်းစနစ်များသည် IoT စနစ်များပါဝင်သော စက်မှုဆိုင်ရာ စီမံခန့်ခွဲမှု စနစ်များဖြင့် ပေးစေ့ထားပြီး မော်လ်ဒင်းလုပ်ငန်းစဉ်အတွင်း အချိန်နှင့်တစ်ပါတည်း အခင်းအကျင်းဖိအား၊ ပေါင်းစည်းမှုအပူချိန်၊ ကလမ့်ဖိအားအဆင့်များနှင့် ရေခဲအော်က်စီဂျင် (coolant) လိုင်းများအတွင်း စီးဆင်းမှုအခြေအနေများကို စောင်းကြည့်နေပါသည်။ ဤစနစ်များမှ အချိန်နှင့်တစ်ပါတည်း အချက်အလက်များကို စုစည်းပေးနေခြင်းကြောင့် စက်မှုလုပ်သမ်းများသည် ပြဿနာများကို ချက်ချင်းဖမ်းမိနိုင်ပါသည်။ ထို့အပါတည်း အကုန်အကျများဖြစ်လာမည့် ဖောက်ပြန်မှုများကို အစောပိုင်းတွင် ဖမ်းမိနိုင်ပါသည်။ လိုအပ်သလောက် စက်လုပ်ငန်း အချိန်ကာလများနှင့် စွမ်းအင်သုံးစွမ်းမှုများကို အသေးစိတ်ညှိနေနိုင်ပါသည်။ အဆင့်မြင့် စနစ်အချို့သည် ပိုမိုတိက်တိက်မှုရှိပါသည်။ ဥပမါ- အသုံးပြုနေသည့် ပစ္စည်းအမျိုးအစားနှင့် ထုတ်လုပ်နေသည့် အစိတ်အပိုင်း၏ အထူးပုံစံအရ အအေးခေါ်မှုအမြန်နှုန်းများ သို့မဟုတ် ဖိအားဆက်တင်မှုများကို အလိုအလျောက် ညှိပေးနိုင်ပါသည်။ ဤချိတ်ဆက်ထားသည့် အစိတ်အပိုင်းများသည် စုစည်းရရှိသည့် စနစ်အချက်အလက်များအားလုံးကို စက်ရုံစီမံခန့်ခွဲမှုအဖွဲ့အစည်းများအတွက် အသုံးဝင်သည့် အသိပညာအဖြစ် ပေါ်လောက်စေပါသည်။ ဤကဲ့သို့သော စနစ်များကို အသုံးပြုသည့် စက်ရုံများသည် ရိုးရိုးရှင်းရှင်း စနစ်များနှင့် နှိုင်းယှဉ်ပါက မျှော်လင်းမှုမရှိသည့် စက်ရုံပိတ်သော အခြေအနေများ ၄၅% ခန့် လျော့နည်းသည်ကို တွေ့ရပါသည်။ ထိုသို့သော လျော့နည်းမှုသည် စက်မှုလုပ်ငန်းတစ်ခုလုံး၏ အမြတ်ငွေ စွမ်းဆောင်ရည်ကို အလွန်အမင်း မြှင့်တင်ပေးနိုင်ပါသည်။

ကြိုတင်ခန့်မှန်းသော အရှိန်မြင့်ပေးသည့် ပုံစံထုပ်ပေးခြင်း ဘဝသက်တမ်းစီမံခန့်ခွဲမှုအတွက် ဒစ်ဂျစ်တယ် တွွင်းန် ပေါင်းစပ်မှု

Digital twin နည်းပညာသည် တကယ့်ထုတ်လုပ်မှုအခြေအနေများ၏ အရှိန်အဟုန်ဖြင့် တပ်ဆင်သည့်အခါ ၎င်းတို့၏ စွမ်းဆောင်ရည်ကို တုပသည့် တကယ့်ထိုးသွင်းမှိုများ၏ အသေးစိတ် virtual မိတ္တူများကို တည်ဆောက်ပေးသည်။ ဤမော်ဒယ်များသည် အချိန်နှင့်အမျှ အပူချိန်ပြောင်းလဲမှု၊ ထပ်ခါတလဲလဲအသုံးပြုခြင်းမှ ဖိအားနှင့် ပစ္စည်းများ၏ တဖြည်းဖြည်းယိုယွင်းပျက်စီးမှုကဲ့သို့သော အရာများကို ထည့်သွင်းစဉ်းစားသည်။ ဤသရုပ်ဖော်မှုများဖြင့် ကုမ္ပဏီများသည် အစိတ်အပိုင်းများ အချိန်နှင့်အမျှ မည်သို့ယိုယွင်းပျက်စီးသွားသည်ကို ကြည့်ရှုခြင်းဖြင့် အလားအလာရှိသော ပြဿနာများကို မဖြစ်ပွားမီ ရှာဖွေတွေ့ရှိနိုင်သည်။ စက်ရုံအများစုသည် အစိတ်အပိုင်းများသည် အချိန်ဇယားထက် ၁၄ ရက်မှ ၂၁ ရက်အထိ ပျက်ကွက်နိုင်သည့်အချိန်ကို ခန့်မှန်းနိုင်ကြောင်း သတင်းပို့ကြသည်။ ၎င်းသည် စက်ရုံမန်နေဂျာများအား မမျှော်လင့်ထားသော ပြိုကွဲမှုများကို ကိုင်တွယ်ဖြေရှင်းမည့်အစား နှေးကွေးသောကာလများအတွင်း ပြုပြင်ထိန်းသိမ်းမှုကို စီစဉ်ရန် အခွင့်အရေးပေးသည်။ ရုပ်ပိုင်းဆိုင်ရာမှိုများတွင် စျေးကြီးသောပြောင်းလဲမှုများ မပြုလုပ်မီ အင်ဂျင်နီယာများသည် ၎င်းတို့ကို virtual ကမ္ဘာတွင် ဦးစွာစမ်းသပ်လေ့ရှိသည်။ ရလဒ်များက ၎င်းတို့ကိုယ်တိုင် စကားပြောသည်- စက်ရုံများစွာသည် မှိုသက်တမ်း ၂၅% မှ ၄၀% အကြား တိုးလာသည်ကို မြင်တွေ့ကြရသည်။ Ponemon Institute မှ ပြီးခဲ့သည့်နှစ်က သုတေသနပြုချက်အရ အချို့စက်ရုံများသည် ၎င်းတို့၏ အံ့အားသင့်ဖွယ်ပြုပြင်စရိတ်များကို နှစ်စဉ် ဒေါ်လာ ၇၀၀,၀၀၀ ခန့် လျှော့ချနိုင်ခဲ့သည်။ ရုပ်ပိုင်းဆိုင်ရာပစ္စည်းကိရိယာများနှင့် ၎င်း၏ digital twin တို့သည် တစ်ပြိုင်တည်းဖြစ်နေသောအခါ စက်ရုံအင်ဂျင်နီယာများသည် မှိုလည်ပတ်မှုနှင့် ပြုပြင်ထိန်းသိမ်းမှုအဆင့်အားလုံးတွင် ပိုမိုကောင်းမွန်သော မြင်သာမှုကို ရရှိကြသည်။

AI မှ စီမံထားသော အင်ဂျက်ရှင် ပုံသေးမော်ဒယ်ဒီဇိုင်းနှင့် ထုတ်လုပ်မှု၏ အကောင်းဆုံးဖော်ထုတ်မှု

အင်ဂျက်ရှင် ပုံသေးမော်ဒယ်ဒီဇိုင်း ပြောင်းလဲမှုများကို မြန်ဆန်စေရန် စက်သင်ယူမှု အယ်လ်ဂွေရစ်သမ်များ

စက်သင်ယူမှု အယ်လ်ဂေါ်ရီသမ်များသည် ယနေ့ခေတ်တွင် ထိုးသွင်းပေးသည့် သံပုတ်များ ဖန်တီးရာတွင် အလွန်မြန်ဆန်စေပါသည်။ ဤအယ်လ်ဂေါ်ရီသမ်များသည် ယခင်က ဒီဇိုင်းများ၊ အစမ်းစစ်ဆေးမှုများ၏ ရလဒ်များနှင့် သံပုတ်များ၏ လက်တွေ့အသုံးပြုမှုအခြေအနေများအပါအဝင် အများအပြားသော အချက်အလက်များကို စုစည်းပြီး ဆန်းစစ်ကြည့်ပါသည်။ ဤမော်ဒယ်များသည် ဂိတ်များကို အကောင်းဆုံး တပ်ဆင်ရန် နေရာများကို ရှာဖွေပေးခြင်း၊ အအေးခံခြင်း နေရာများကို မည်သည့်နေရာတွင် ထားရှိရမည်ကို ဆုံးဖြတ်ပေးခြင်းနှင့် ပုံပေါ်မှု (warping)၊ အနက်ရောင်အမှတ်အသားများ (sink marks) နှင့် ကျန်ရှိသော ဖိအားများ (residual stress) ကဲ့သို့သော ပြဿနာများကို လျော့နည်းစေရန် ဖွဲ့စည်းပုံဆိုင်ရာ အားဖေးမှုများကို အက်ဒ်ဘိုက်စ်ပေးခြင်းတို့တွင် အထိရောက်ဆုံးဖြစ်ပါသည်။ ဤစက်သင်ယူမှု ကိရိယာများကို ပစ္စည်း၏ အထူးသဖြင့် အရည်ပျော်မှု မှုန်းများ (material viscosity curves)၊ အပူလွှဲပေးနိုင်မှု အချက်အလက်များ (thermal conductivity data) နှင့် ချုံ့မှုနှုန်းများ (shrinkage rates) စသည်တို့ပေါ်တွင် သင်ကြားပေးပါက အသုံးပြုမှုအခြေအနေများ အများအပြားတွင် သံပုတ်များ၏ အပြုအမှုများကို ခန့်မှန်းပေးနိုင်ပါသည်။ ထို့ကြောင့် အရင်က အပတ်များစွာကြာခဲ့သည့် ဒီဇိုင်းလုပ်ငန်းစဉ်များကို ယခုအခါ ရက်သတ္တပတ်များအဖြစ်သို့ လျော့ချနိုင်ပါသည်။ ထို့အပ alongside ပထမအကြိမ် ထုတ်လုပ်မှုတွင် ပိုမိုကောင်းမွန်သည့် ထုတ်လုပ်မှုနှုန်းများနှင့် အစိတ်အပိုင်းများတွင် ပိုမိုတည်ငြိမ်သည့် အရွယ်အစားများကို ရရှိနိုင်ပါသည်။ ကုမ္ပဏီများသည် ဈေးကွက်သို့ ပိုမိုမြန်ဆန်စွာ ရောက်ရှိနိုင်ခြင်း၊ စမ်းသပ်မှုများနှင့် အမှားအမှင်များကြောင့် ဖုန်းပေါ်သည့် ပစ္စည်းများ လျော့နည်းခြင်းနှင့် အထူးသဖြင့် အရင်က အားလုံးအတွက် ခက်ခဲမှုများဖြစ်စေသည့် ရှုပ်ထွေးသည့် အစိတ်အပိုင်းများအတွက် ပိုမိုခိုင်မာသည့် သံပုတ်ဖန်တီးမှုဖြေရှင်းနည်းများကို ရရှိနိုင်ပါသည်။

အိုင်းန်ဂျက်ရှင် မော်လ်ဒ်လုပ်ဆောင်မှုများတွင် ရိုဘော့စ်အလိုအလျောက်လုပ်ဆောင်မှုနှင့် ပိတ်ထားသောခြေလှမ်းထိန်းချုပ်မှု

စက်ရုပ်စနစ်တွေဟာ ပိတ်လှည့် ထိန်းချုပ်မှုတွေနဲ့ တွဲလုပ်တဲ့အခါ အငွေ့ထိုး ပုံသွင်းမှု လုပ်ငန်းတွေမှာ လုံးဝအသစ်အဆင့် တိကျမှုနဲ့ စိတ်ချရမှု ယူလာပါတယ်။ ဒီပူးပေါင်းဆောင်ရွက်တဲ့ ရိုဘော့တွေဟာ ပုံသွင်းပြီးတဲ့နောက် အစိတ်အပိုင်းတွေကို ဖယ်ရှားခြင်း၊ စမတ်ကင်မရာတွေကနေ အရည်အသွေး စစ်ဆေးခြင်းနဲ့ ပြဿနာတွေ မဖြစ်ခင် ကိရိယာတွေ သန့်ရှင်းခြင်းလို အလုပ်တွေကို လုပ်ပေးကြပြီး ဒါအားလုံးဟာ မိုက်ခရွန်အဆင့်အထိ အံ့ဖွယ် တည်ငြိမ်မှုရှိတာပါ။ ပုံသွင်းမှု စက်ဝန်းတိုင်းမှာ အချိန်နဲ့တပြေးညီ အာရုံခံတွေက အပေါက်ရဲ့ ဖိအား၊ ပလပ်စတစ် ဘယ်လောက် ပူလာတယ်၊ ပုံသွင်းဖို့ ဘယ်လောက်ကြာလဲ ဆိုတာမျိုးတွေကို စောင့်ကြည့်တယ်။ တစ်ခုခု လမ်းကြောင်းမှထွက်သွားရင် ထိန်းချုပ်ရေးစနစ်က ချက်ချင်း ဝင်ပြီး လိုအပ်သလို အရှိန်၊ ဖိအား (သို့) အအေးချိန်တွေကို ညှိပေးတယ်။ ဒီလိုမြန်ဆန်တဲ့ တွေးခေါ်မှုက လူသားရဲ့ အမြဲတမ်း ကြီးကြပ်မှု မလိုပဲ ထုတ်ကုန်တွေကို သောင်းချီတဲ့ စက်ဝန်းတွေအတွင်း တင်းကျပ်တဲ့ သတ်မှတ်ချက်တွေနဲ့ ထိန်းထားတယ်။ မကြာသေးမီက စက်မှုလုပ်ငန်း အစီရင်ခံစာအရ ဒီအပြည့်အဝ အလိုအလျောက် လုပ်ငန်းစဉ်တွေကို ပြောင်းလိုက်တဲ့ စက်ရုံတွေဟာ ရှေးနည်းတွေနဲ့ ယှဉ်ရင် အမှားနှုန်း ၃၀% လျော့ကျတာ တွေ့ရပါတယ်။ ဒါ့အပြင် နောက်ထပ် အပိုဆုတစ်ခုရှိသေးတယ် ထုတ်လုပ်သူတွေက စွမ်းအင် ကုန်ကျစရိတ်မှာ သိသာတဲ့ ချွေတာမှုရှိတယ်လို့ အစီရင်ခံထားတယ် အကြောင်းက ဒီစနစ်တွေဟာ အစဉ်အလာ တပ်ဆင်မှုထက် အပူပိုင်းနဲ့ စက်ပိုင်း နှစ်ခုစလုံးမှာ ပိုထိရောက်စွာ လည်ပတ်လို့ပါ။

အပိုစိတ်အစိတ်အပိုင်းများ ထုတ်လုပ်ခြင်းဖြင့် ပုံသွင်းခြင်း ကိရိယာများကို ပြောင်းလဲခြင်း

အရ быстрый ပရိုတိုတိုက်ပ်နှင့် အသေးစားထုတ်လုပ်မှုအတွက် ၃D-ပရင်တ်ထုတ်ထားသော အရည်ကြည်ဖောက်သည့် သံမဏိပုံစဥ်များ

အရည်ပေါ်မှုနည်းပညာ (additive manufacturing) နည်းလမ်းများကြောင့် ထိုးသွင်းမှုဖောင်းပေါ်ခြင်း (injection mold) ကိရိယာများ၏ ကမ္ဘာသည် အရေးကြီးသော တိုးတက်မှုကို ရရှိခဲ့ပါသည်။ ဤနည်းလမ်းများဖြင့် ထုတ်လုပ်သူများသည် ရှုပ်ထွေးသော ပုံစံများကို လိုက်နာသော ပုံစံတူ အအေးခံခြင်း နေရာများ (conformal cooling channels)၊ ရှုပ်ထွေးသော ဇလ်ပုံစံများဖြင့် အားပေးထားသော ပေါ့ပါးသော ဖွဲ့စည်းမှုများ၊ ထုတ်လုပ်မှုအတွက် ရှေးရိုးစွဲ မှုန်းခြင်းစက်များ (milling machines) သို့မဟုတ် EDM လုပ်ငန်းစဉ်များကို အသုံးပြုခြင်းဖြင့် မရနိုင်သော သဘောတူညီမှုရှိသော ပုံစံများကို အခုအခါတွင် ဖန်တီးနိုင်ပါသည်။ အမှန်တကယ် ထုတ်လုပ်မှုအတွက် ကိရိယာသံ (tool steel)၊ မာရေဂ်င်းသံ (maraging steel) သို့မဟုတ် ကြေးနီ-နိကယ် အသွေးစပ်များ (copper nickel alloys) ဖြင့် ပုံနှိပ်ထုတ်လုပ်ထားသော သုံးမျှောင်းပုံနှိပ်မှု (3D printed) ဖောင်းပေါ်ခြင်းများသည် အထူးသဖြင့် အောင်မြင်မှုများကို ပြသနေပါသည်။ ဤဖောင်းပေါ်ခြင်းများသည် မျက်နှာပုံစံတစ်ခုလုံးပေါ်တွင် အပူကို အလွန်ကောင်းမောက်စွာ စီမံနိုင်သောကြောင့် စက်ဝိုင်းအချိန် (cycle times) ကို အများအားဖြင့် ၇၀% ခန့် လျော့ချပေးနိုင်ပါသည်။ ထို့အပြင် ပုံစံအစမ်းထုတ်ခြင်း (prototyping) အများကြီး မြန်ဆန်လာခြင်းကိုလည်း မေ့လျော့လို့မရပါ။ အရင်က အပတ်ပေါ်နှစ်ပေါ် ကုန်ကြာခဲ့သော အလုပ်များကို အခုအခါတွင် နေ့နှစ်ရက်မှ သုံးရက်အတွင်း ပြီးမြောက်နိုင်ပါသည်။ ဆေးဘက်ဆိုင်ရာ ကိရိယာများကို စမ်းသပ်ရန် သို့မဟုတ် စက်မှုထုတ်လုပ်မှု စတင်မှုမှုတ်မှုများအတွက် ကားများ၏ ပုံစံအစမ်းများကို တည်ဆောက်ရန် အသုံးပြုသည့် အသေးစား ထုတ်လုပ်မှုများကို လုပ်ဆောင်နေသော ကုမ္ပဏီများအတွက် အရည်ပေါ်မှုနည်းပညာသည် စီးပွားရေးအရလည်း အဓိပ္ပာယ်ရှိပါသည်။ ကိရိယာများ ထုတ်လုပ်ရန် ကုန်ကျစားရိတ်များသည် ၁၅% ခန့် လျော့ကျသောကြောင့် ဒီဇိုင်နာများသည် စိတ်ကူးယဉ်မှုများကို စမ်းသပ်ရန် အသုံးပြုနိုင်ပါသည်။ ထို့အပြင် အသုံးပြုရန် အရမ်းကုန်ကျစားမှုများကို အစပိုင်းတွင် ပေးရန် မလိုအပ်တော့ပါ။ ဤနည်းပညာသည် ပရောဂျက်များသည် အလွန်များပြားသော ပုံစံပေါ်လုပ်ခြင်းများကို လိုအပ်သည့်အခါ၊ ရှုပ်ထွေးသော ဒီဇိုင်းများကို ပါဝင်သည့်အခါ သို့မဟုတ် ထုတ်လုပ်မှုအရေအတွက်များကို အများကြီး မလိုအပ်သည့်အခါများတွင် အထူးသဖြင့် အလွန်ထွက်ပေါ်လာပါသည်။

လေဆာအခြေပြု ပြုပြင်မှုနှင့် ထည့်သွင်းပေးခြင်းဖြင့် ပြန်လည်ပုံစေးခြင်း လေးစိတ်ပေါင်းစပ် ပုံစေးမှုများ

လေဆာသတ္တုချေးမှု (LMD) ဟာ ဟိုက်ဘရစ် ပေါင်းစပ်ထုတ်လုပ်မှုနဲ့ CNC အလုပ်နဲ့ ပေါင်းစပ်ပြီး အတုံးတွေ အစားထိုးဖို့ မလိုအပ်ခင် ဘယ်လောက်ကြာကြာ တည်တံ့နိုင်လဲဆိုတာ တိုးပွားစေပါတယ်။ ဒီဖြစ်စဉ်က ပျက်စီးနေတဲ့ နေရာတွေကို ပြင်ပေးတယ်၊ ဗဟိုအပေါက်တွေ၊ အချိန်ကြာလာတာနဲ့အမျှ အဝတ်လျှော်သွားတဲ့ ejector pin တွေ၊ ဂိတ်ထည့်တာတွေပေါ့။ ၎င်းဟာ သတ္တုလုပ်ငန်းမှာ ရှိပြီးသား ပစ္စည်းတွေနဲ့ တကယ်ကို ကိုက်ညီတဲ့ ပစ္စည်းတွေကို သုံးပြီး အစိတ်အပိုင်းတွေကို မူလ စပေ့ခ်တွေအဖြစ် ပြန်လည်ရရှိစေပါတယ်။ မိုက်ခရွန် ၂ မိုင်လောက်အတွင်းမှာပါ။ လက်နက်သုံး သံမဏိအများစုဟာ ကုသမှုခံယူပြီးနောက် ၉၈% ဝန်းကျင် သိပ်သည်းမှုရှိကြပါတယ်။ LMD ကို အပူချိန်လျှော့ချခြင်း (သို့) အပူချိန်လျှော့ချခြင်းလို အဟောင်းကျောင်းနည်းလမ်းတွေနဲ့ ဘယ်လိုခြားနားစေလဲ။ ဒါက အခြေခံပစ္စည်းကို အားနည်းစေတဲ့ ပြဿနာရှိတဲ့ အပူဒဏ်ခံဇုန်တွေ (သို့) အက်ကြောင်းလေးတွေ မဖန်တီးဘူး။ ဆိုင်တွေက additive layering နဲ့ CNC finishing ကို ပေါင်းစပ်တဲ့အခါ ပြင်ဆင်နေတုန်းမှာ အလုပ်လုပ်နိုင်စွမ်းကို တိုးတက်စေပါတယ်။ ကုမ္ပဏီတချို့က ဒီလိုနည်းနဲ့ ပြင်ဆင်ထားတဲ့ ကိရိယာတွေထဲကို အေးစက်ရေး လမ်းကြောင်းတွေကို ထည့်သွင်းပေးကြတယ်။ အီလက်ထရောနစ် အစိတ်အပိုင်းတွေ (သို့) ဆေးဘက်ဆိုင်ရာ ကိရိယာတွေ ထုတ်လုပ်တာလို အချိန်ရပ်တာ စျေးကြီးတဲ့ လုပ်ငန်းတွေအတွက် ဒီပြင်ဆင်မှုက အစားထိုးမှု ကုန်ကျစရိတ်မှာ ၄၀ ကနေ ၆၀ ရာခိုင်နှုန်းအထိ သက်သာစေပြီး ထုတ်လုပ်မှုလိုင်းတွေကို အရင်ထက် အများကြီး ပိုမရှုပ်ထွေးအောင် ထိန်းထားတယ်။

တိကျမှု တိုးတက်မှုများ – အရေးကြီးသော အသုံးပြုမှုများအတွက် မိုက်ခရို ထိုးသွင်းမှု ပုံစဥ်

မိုက်ခရို အင်ဂျက်ရှင် မော်လ်ဒင်းသည် ၁ ဂရမ်ထက်နည်းသော အလေးချိန်ရှိသည့် ပစ္စည်းများကို အရွယ်အစားကြီးမားစွာဖြင့် ထုတ်လုပ်နိုင်စေပါသည်။ ထိုပစ္စည်းများတွင် ၀.၀၀၁ မီလီမီတာအထိသော အသေးစိတ်အချက်အလက်များနှင့် ±၀.၅ မိုက်ခရောမီတာအောက်ရှိသည့် တိကျမှုအဆင့်များ ပါဝင်ပါသည်။ ဤစံနှုန်းများကို အကောင်အထည်ဖော်ရန်အတွက် မိုက်ခရိုမီတာအောက် တိကျမှုရှိသည့် အထူးပိုင်းဆို့မှုများ၊ အလွန်နည်းသည့် အသုံးအဆောင်ပမာဏအတွက် ဒီဇိုင်းထုတ်ထားသည့် ဘာရယ်များနှင့် စိတ်ကြိုက်ထိန်းချုပ်နိုင်သည့် ပတ်ဝန်းကျင်များ (စိတ်ကြိုက်ထိန်းချုပ်နိုင်သည့် အပူချိန်အောက် ၀.၅ စီလီယပ်စ်ဒီဂရီအထိ တည်ငြိမ်မှုရှိခြင်းနှင့် စိုထောင်မှုကို ထိရောက်စွာ စီမံခန့်ခွဲနိုင်ခြင်း) တို့ကို အသုံးပြုရပါမည်။ ဤအလွန်သေးငယ်သည့် အစိတ်အပိုင်းများကို ခန္တာကိုယ်အတွင်းသို့ ဆေးဝါးများကို ပေးပို့သည့် ဆေးဘက်ဆိုင်ရာ အစိတ်အပိုင်းများမှ စတင်၍ မိုက်ခရိုဖလူအီဒစ် ခေါင်းလောင်းများပါဝင်သည့် ရေးသားမှုစက်များအထိ အသုံးပြုကြပါသည်။ ထို့အပြင် လေယာဉ်များတွင် အရွယ်အစားသေးငယ်သည့် အသိအမှတ်ပြုမှုများကို အသုံးပြုသည့် အိမ်အုပ်များတွင်လည်း အသုံးပြုကြပါသည်။ ထိုအစိတ်အပိုင်းများသည် အလွန်သေးငယ်သည့် အရည်အသွေးများကို အောက်ပါအတိုင်း အောင်မြင်စွာ ထောက်ပံ့ပေးနိုင်ရန် လိုအပ်ပါသည်။ စီးဆင်းမှုပြဿနာများနှင့် အမှုန်များ ညစ်ညမ်းမှုတို့နှင့် ပတ်သက်၍ အဖြေရှာရန် အခုထိ အခက်အခဲများ ရှိနေပါသည်။ သို့သော် နောက်ဆုံးပေါ်စနစ်များတွင် အချိန်နှင့်တစ်ပါက် အခေါင်းအိုင်အား စောင်းချိန်ခြင်း၊ အင်ဖရာရက် နည်းပညာကို အသုံးပြုသည့် အပူချိန် ပုံရိပ်ဖော်ခြင်းနှင့် အရှိန်မြင်းသည့် အမှားအမှင်များကို အချိန်မီ ဖမ်းမိနိုင်ရန် အတုအပေါ်အခြေခံသည့် စမတ်စနစ်များ ပါဝင်လာပါသည်။

မေးလေ့ရှိသောမေးခွန်းများ

အင်ဂျက်ရှင်မော်လ်ဒင်းနယ်ပယ်တွင် Industry 4.0 ဆိုသည်မှာ အဘယ်နည်း။

Industry 4.0 သည် IoT နှင့် AI ကဲ့သို့သော ဒစ်ဂျစ်တယ်နည်းပညာများကို ရိုးရာထုတ်လုပ်မှုစနစ်များသို့ ပေါင်းစပ်ခြင်းကို ရည်ညွှန်းပါသည်။ ထိုသို့သော ပေါင်းစပ်မှုများသည် စနစ်များ၏ ချိတ်ဆက်မှုနှင့် ဉာဏ်ရည်မြင့်စွမ်းရည်များကို မြင့်တင်ပေးပြီး ထုတ်လုပ်မှုစွမ်းဆောင်ရည်နှင့် ထုတ်လုပ်မှုထိရောက်မှုကို မြင့်တင်ပေးပါသည်။

IoT စနစ်များသည် အင်ဂျက်ရှင်မော်လ်ဒင်းလုပ်ငန်းစဉ်များကို မည်သို့ မြှင့်တင်ပေးပါသနည်း။

IoT စနစ်များသည် အချိန်နှင့်တစ်ပါက ဖောက်ပွင့်နေသော အိုင်းမ် (cavity pressure) နှင့် ပေါင်းသော အပူချိန် (melt temperatures) ကဲ့သို့သော အရေးကြီးသော စံချိန်စံညွှန်းများကို စောင်းကြည့်ပါသည်။ ထိုသို့သော စောင်းကြည့်မှုများသည် လုပ်သက်များအား ပြဿနာများကို အများအားဖြင့် အများဆုံးမှုန်းနှင့် အများဆုံးမှုန်းဖြင့် ဖမ်းမိနိုင်စေပြီး အက်ဖက်တ်များကို လျော့နည်းစေပါသည်။ ထို့အတူ စက်ဝိုင်းအချိန် (cycle times) များကိုလည်း မြှင့်တင်ပေးပါသည်။

အင်ဂျက်ရှင်မော်လ်ဒင်းမော်လ်များကို စီမံခန့်ခွဲရာတွင် ဒစ်ဂျစ်တယ်တွွင် (digital twin) ၏ အခန်းကဏ္ဍမှာ အဘယ်နည်း။

ဒစ်ဂျစ်တယ်တွွင်များသည် အင်ဂျက်ရှင်မော်လ်ဒင်းမော်လ်များ၏ စိတ်ကူးယဉ်မှုအတိုင်း အွန်လိုင်းတွင် အတုအဖော်များကို ဖန်တီးပေးပါသည်။ ထိုသို့သော အတုအဖော်များသည် အမှန်တကယ်ဖြစ်ပေါ်နေသော ထုတ်လုပ်မှုအခြေအနေများကို အတုအဖော်ပြုနိုင်ပါသည်။ ထိုသို့သော အတုအဖော်များသည် ကြိုတင်ပိုင်းခြားမှု (predictive maintenance) နှင့် သက်တမ်းစီမံခန့်ခွဲမှု (lifecycle management) များကို အောင်မြင်စေပါသည်။ ထို့ကြောင့် မျှော်လင့်မထားသော ပျက်စီးမှုများကို လျော့နည်းစေပါသည်။

မေးရင်းသင်ယူမှု (machine learning) သည် အင်ဂျက်ရှင်မော်လ်ဒင်းမော်လ်ဒီဇိုင်းကို မည်သို့ အကောင်းဆုံးဖော်ထုတ်ပေးပါသနည်း။

စက်သင်ယူမှုက ယခင် ဒီဇိုင်းတွေနဲ့ စွမ်းဆောင်မှု ဒေတာတွေကို ဆန်းစစ်ပြီး ပုံသေပုံစံ တည်ဆောက်မှုတွေမှာ တိုးတက်မှု အကြံပြုကာ ရုပ်ပိုင်း ရှေ့ပြေးပုံစံတွေကို အားမကိုးပဲ အလျော့အလဲနဲ့ ဖိအားလို အမှားတွေကို လျော့နည်းစေတယ်။

စက်ရုပ် အလိုအလျောက် ထုတ်လုပ်မှုမှ ရလာမယ့် အကျိုးကျေးဇူးများ

စက်ရုပ် အလိုအလျောက်စနစ်နဲ့ ပိတ်ထားတဲ့ လည်ပတ်မှု ထိန်းချုပ်ရေး စနစ်တွေ ပေါင်းစပ်လိုက်ရင် လုပ်ငန်းစဉ်တွေမှာ တိကျမှုနဲ့ တစ်သမတ်တည်းမှုကို မြှင့်တင်ပေးပြီး ချို့ယွင်းမှုနှုန်းကို လျှော့ချပေးပြီး ပိုထိရောက်တဲ့ လုပ်ငန်းစဉ်တွေကြောင့် စွမ်းအင်ကုန်ကျစရိတ်ကို ချွေတာပေးပါတယ်။