Jak na AI v praxi, díl VII, Vacuum plant
Druhý model kalírny je vakuová kalírna sloužící ke kalení nástrojů. Typ produktu je nedefinovatelný, jedná se vždy o unikát, část nástroje, tvarová vložka, forma. Obdobně je to s materiály, seznam je obvykle hodně dlouhý, nicméně převažují skupiny ocelí pro práci za tepla H11, H13, nebo pro práci za studena 1.2379, K110, rychlořezné oceli.
Kalírna má obvykle více kalících pecí s přetlakem dusíku, v našem modelu budeme uvažovat s 5ti pecemi, a dvojnásobný počet popouštěcích pecí, nejlépe opět vakuových. Průměrná vsázka je 250 kg, průměrná hmotnost jednoho dílu je do 30 kg, čas cyklu pro kalení je kolem 8 hodin, stejně tak i čas pro cyklus popouštění. Kalírna opět pracuje v režimu 24/7, pouze se zimní a letní odstávkou.
U některý procesů lze definovat čas cyklu od zavření vrat do jejich otevření, jsou možné ale i cykly se dvěma i třemi popouštěcími teplotami, bez otevření vrat, pouze mezi dvěma popouštěcími teplotami musíme dochladit díly na 50 C. V tomto sektoru se pracuje obvykle s termočlánky Ts a Tc u kalení, a s Tc u popouštění.
Protože každá kalící pec může provádět až 3 kalící cykly denně, ročně 5 pecí může provést více jak 5 000 kalení, s hmotností přes 1 200 tun materiálu. U popouštění máme k dispozici 10 popouštěcích pecí a ty nám provedou 10 000 popouštěcích cyklů ročně v režimu H+2T.
Pokud by se 5 000 ročních cyklů rovnoměrně rozdělilo mezi 100 materiálů, připadlo by na jednu jakost oceli pouze 50 kalících cyklů za rok. Tak tomu ale není. Převažuje skupina ocelí jsou oceli pro práci za tepla (50%), za studena (25%) a zbytek (25%).
V případě, že bychom požadovali data pro všechny kombinace:
- materiál × výrobek × pec × přípravek × kalicí tlak × popouštěcí režim
dat by nikdy nebylo dost. Je proto opět doporučena hierarchická struktura.
Společný model vakuové kalírny použije všechny kvalitní záznamy a naučí se obecné vlivy. Na rozdíl od produktového modelu, tento typ kalírny bude pracovat s materiálovým modelem. Není realistické vytvářet samostatný AI model pro každý výrobek nebo každou jakost oceli. Data se musí sdružovat podle metalurgických a procesních rodin.
Pro každý Product ID by měla být zaznamená trasa:
Product ID
→ RFQ
→ Quotation Header ID
→ Quotation Line ID
→ Quotation Routing ID
→ Quotation Quality Order ID
—————————-
→ Sales Order Header ID
→ Sales Order Line ID
→ Routing ID
→ Quality Order ID
—————————-
→ Production order ID
→ Hardening Cycle ID
→ Hardening Process Parameters
→ Hardening Furnace ID
→ Tempering 1 Cycle ID
→ Tempering 1 Process Parameters
→ Tempering 1 Furnace ID
→ Tempering 2 Cycle ID
→ Tempering 2 Process Parameters
→ Tempering 2 Furnace ID
——————————
→ Quality Order ID – Hardness
→ Quality Release
→ Packing slip
→ Invoice
Každá položka této trasy má svoje datová pole. Pokud je budeme mít, bude to výhodou, pokud je mít nebudeme, musíme zvážit co nám AI vrstva přinese. Stěžejní jsou především data vztažená k Production Order ID, a sledovatelnost Production Order ID dle pecního cyklu prostřednictvím Job ID. JOB ID je identifikace operace z pracovního postupu na Production Order ID. Na níže uvedeném obrázku je plánovací tabulka cyklů z AX2012. Vlevo je řada cyklů definovaná jako Cycle ID, vpravo jsou díly vložené do cyklu, s JOB ID.
Proto 5 000 kalicích cyklů a 10 000 popouštěcích cyklů nepředstavuje 15 165 nezávislých referencí, ale představuje maximálně 5 000 kompletních technologických tras za rok ve formě např. H+2T.
Každá trasa musí být spojena jedním Product ID, více Cycle ID, podle Materiál Familly ID. Každá skupina materiálů bude tvořit procesní rodinu, např.
Doporučený počet tras pro jednu procesní rodinu:
- 100–150 tras – první orientační model,
- 200–500 tras – použitelný pilot,
- 500–1 000 tras – dobrý produkční model.
Takto sestavený pilotní model nám může pomoci nejenom při procesu RFQ, ale především při hodnocení ekonomičnosti, účinnosti, spolehlivosti a předvídatelnosti naší výroby.
Co říct na závěr. Z toho, co jsem uvedl je zřejmé, že přechod na AI při řízení kalírny je zajímavou úlohou. Abychom ale měli dostatek správných dat pro AI vrstvu, musíme mít kvalitní ERP systém, a především řízení cyklů. To nejenom kvůli RFQ procesu, ale především kvůli budoucnosti. Pouze Cyklus je reprezentativní část naší činnosti, ukazující, jak jsme skutečně efektivní a ziskoví. Pouze ziskovost jednotlivých dílčích pecí nám dává ziskovost kalírny. Všechno ostatní, tedy i přepočet na Product ID, kg, ks, počet zakázek, je pouze rozdělení toho, jak jsme efektivně používali cykly.
Teprve když se vypořádáme s řízením cyklů, můžeme začít uvažovat o AI. Janusz Kowalewski napsal:
„AI by neměla být vnímána jako obecná technologická iniciativa, ale jako cílený operační nástroj, který převádí stávající data z vakuových pecí a kvality do akčních rozhodnutí.“
Tohle je pouze a jen jeho technický pohled. Ano, pec, i vakuová, je důležitý subjekt ve vidění AI, ale je to jen část z celku, který potřebujeme vidět. Pokud nakoupíme drahou energii, technické plyny, budeme mít nezdravě vysoké mzdy, sebelepší chování a kontrola pece nám nezajistí životaschopnost kalírny. A tato data ve SCADA nenajdeme. Já bych to přeformuloval na:
„AI by neměla být vnímána jako obecná technologická iniciativa, ale jako cílený operační nástroj, který propojuje obchodní, technologická, kvalitativní, kapacitní a ekonomická data provozu tepelného zpracování a převádí je na konkrétní predikce, doporučení a akční rozhodnutí.“
Jak si to přeložit? Z ERP máme dokonalá data, účetně ověřená, o tom, co se stalo.
AI nám ale řekne co se stane!!!
A je tedy pouze na nás, jestli tu predikci chování kalírny necháme na nás omylných, na našich zkušenostech a znalostech, nebo ji předáme AI.
Jednou v minulosti jsem se zúčastnil reklamace našeho kalení, jednalo se o formu na tlakové lítí. Technolog zákazníka naprosto přesvědčivě tvrdil, jak tavenina ve formě proudí, a kde jsou kritická místa. S dovětkem, že už to dělá 20 let, tak to prostě musí vědět. Tak jsme celý model dali do PROCAST a proces lití simulovali. Vše bylo úplně jinak. Co z toho vyplývá? Ani 100x opakovaná zkušenost nemusí být pravdivá, pokud nemáme správné informace.
Takže za mě ano, AI je dobrý nástroj, ale aby dobře fungoval, nemůžeme se soustředit jen pece, ale musí řešit celý systém.
=======================================================================================================
Abbreviations used:
AI: Artificial Intelligence
API: Application Programming Interface: definované rozhraní a soubor pravidel, podle kterých si dva systémy předávají data a příkazy. Webové API může být dostupné prostřednictvím jedné nebo více URL adres, označovaných jako endpoints.
JSON: JavaScript Object Notation: textový formát pro strukturovaný přenos dat. Vznikl v prostředí JavaScriptu, ale dnes je nezávislý na programovacím jazyce.
Middleware: integrační vrstva, která propojuje systémy, transformuje data, řídí komunikaci, zabezpečení a auditní záznamy.
AI model: matematický nebo statistický model, který provádí klasifikaci, predikci, detekci odchylek nebo doporučení.
OPC UA: Open Platform Communications nebo OPC Unified Architecture
AI vrstva: řešení sestavené ze standardních platforem, konektorů, pravidel a individuálně nakonfigurovaných nebo vyvinutých modelů.
Document AI: Technologie využívaná k extrakci využívá k extrakci informací z tištěných i digitálních dokumentů, jako jsou obrázky, texty, znaky
DMS: Document Management System
FQ: Request For Quotation
APQP: Advanced Product Quality Planning
PPAP: Production Part Approval Process
ERP: Enterprise Resource Planning
OTIF: On Time In Full (%) – percentage of orders delivered within the required deadline
TAT: Turn Around Time (hrs) – the time between order recording and packing slip printing
=======================================================================================================
Are you solving a similar problem? I will help you with the analysis…
40+ years of experience in the field
30+ years of experience… HT-PROGRES, Bodycote, Galvamet
cooperation… VŠB, Czechimplant, ECM Technologies, TAV Vacuum Furnaces, GHC Invest
12+ years of expert activity
Want to ask for a solution or want a non-binding consultation? Click on this link, I will usually respond within 24 hours. Contact email
========================================================================================================
Jiří Stanislav, Ing. CSc.
Consultant and forensic expert
========================================================================================================
1/8/2026
