Indsamling af produktionsdata: Sådan kommer du i gang i 5 nemme trin.

Producenter har brug for nøjagtige produktionsdata for effektivt at kunne ændre arbejdsmetoder og øge produktiviteten. Producenter, der forlader sig på intuition for at skabe forbedringer, vil hurtigt tabe terræn til mere effektive virksomheder andre steder.

Det er nu nemt og billigt at installere sensorer og industrielle IoT-gateways, der diskret indsamler produktionsdata. Og når du har et klart billede af virkeligheden gennem indsamling af produktionsdata, er det meget lettere at overbevise teams om at ændre status quo.

Denne artikel beskriver, hvordan du hurtigt kan komme i gang med at indsamle relevante data om produktionslinjer og hurtigt nå frem til en tilstand, hvor du kan opnå smarte effektivitetsgevinster.

Hvordan indsamler du produktionsdata?

Det er stadig almindeligt at se manuel dataindsamling på butiksgulve over hele verden. Det sker enten med pen og papir eller på laptops og tablet-computere. Her registrerer operatørerne maskinaflæsninger, registrerer stop, registrerer procesresultater eller tæller endda gennemløb manuelt. Denne tilgang er tidskrævende, udsat for menneskelige fejl og giver ikke feedback i realtid. Når det er sagt, er det stadig bedre end slet ingen indsamling af produktionsdata.

Der er et klart skift til automatisk dataindsamling, som styrkes af Internet of Things (IoT) og avanceret analyse til mere effektiv og pålidelig indsamling af produktionsdata. Et typisk industrielt IoT-system har følgende komponenter:

1. Sensorer, der omdanner fysiske fænomener til elektriske signaler.
2. Edge-enheder og gateways, der oversætter, lagrer og behandler signalerne til kommunikation med et netværk.
3. Forbindelser som mobilnet, LoRaWAN, Wi-Fi og Ethernet sender dataene til skyen.
4. Skyen behandler dataene og udfører derefter handlinger som f.eks. at sende alarmer.
5. En brugergrænseflade, hvor folk ser og analyserer data yderligere.

Lad os nu se nærmere på de skridt, du skal tage for at få succes med indsamling af produktionsdata og komme væk fra den gamle verden med brandslukning af problemer og kamp for at øge produktiviteten.

Trin 1: Hvorfor vil du indsamle data?

Her er nogle eksempler fra vores erfaring med, hvorfor producenter typisk begynder at bruge Factbird til at indsamle og analysere data:

1. Du har en fornemmelse af, at en maskine er dårlig; den virker problematisk, men du kan ikke helt sætte fingeren på, hvad der går galt.
2. Du indser, at du er nødt til at øge produktionen og reducere omkostningerne på grund af pres fra kunderne, og/eller du er presset af mangel på arbejdskraft og stigende materialeomkostninger.
3. Du vil gerne fordele de menneskelige ressourcer bedre ved at vide på forhånd, hvornår bestemte processer eller udstyr kræver ekstra opmærksomhed.
4. Du vil gerne gå fra reaktiv vedligeholdelse (slukke brande) til forebyggende og forudsigende vedligeholdelse, dvs. vedligeholde udstyr, før det går i stykker, og bruge teknikernes tid mere effektivt.
5. Du har nogle data, som du allerede ved, at du vil bruge, men de er ikke i en brugbar form. For eksempel har du PLC-data, men de er ikke tilgængelige for nogen at analysere.

De kampe, der driver folk til at ændre status quo i produktionen og søge efter forbedringer, kan ikke undervurderes.

At tage springet og igangsætte forandring kan føles som et risikabelt og kompliceret forslag, og det er derfor, de næste to trin hjælper med at forenkle din vej til forandring.

Trin 2: Hvilke data vil give mest værdi?

Når du kender dit hvorfor, kan du gå videre til "hvad": Hvilken slags data skal du indsamle for at nå dine mål?

1) Produktionsresultater

• F.eks. produktionstællinger og mål vs. faktisk månedlig produktion.
• Skrot og omarbejde tæller.
• Forbrug af råmaterialer.

2) Maskinens oppetid

• Oppetid versus nedetid (og dens årsager).
• Skiftets varighed.

3) Procesparametre

• Disse påvirker både 1 og 2. Temperatur og vibrationer, for eksempel.
• Disse data kan også bruges uafhængigt, f.eks. til at overvåge temperaturen i et kølerum.
• Den virkelige værdi af Manufacturing Intelligence kommer fra korrelationsanalyse, dvs. måling af procesparametre sammen med maskinens ydeevne.‍

4) Forbrug af forsyningsydelser

• Månedligt energiforbrug.
• Overvågning af forbruget af elektricitet, vand, gas og trykluft.

Beslutningen her afhænger af din branche, f.eks. lægemidler vs. føde- og drikkevarer, kompleksiteten af dine produktionsprocesser og tilstanden af dit nuværende produktionsudstyr.

Lad os nu indsnævre beslutningskriterierne yderligere for at forkorte din time-to-value for indsamling af produktionsdata.

Trin 3: Hvor vil data give den hurtigste værdi?

Mange Manufacturing Intelligence-projekter mislykkes, fordi de forsøger at gøre for meget fra starten. Vi hører ofte om producenter, der har brugt hundredtusindvis af dollars (og mere til) på at bygge skræddersyede Manufacturing Intelligence-løsninger, som ikke bliver ordentligt implementeret.

Kompleksitet og uventede komplikationer er det, der dræber projekter. For eksempel har producenter ofte en række forskellige maskintyper i forskellige aldre (nogle er nye, nogle er gamle, nogle er fra ét mærke, nogle er fra andre), og du indser hurtigt, at det vil være en massiv opgave at udrulle et stort IT-projekt, der dækker alle maskiner og aktiver på én gang.

Find ud af, hvordan Swedish Match øgede OEE med 18 % efter at have implementeret Factbird: Læs case-historien.

Så det er en god idé at indsnævre dit fokus til ét interesseområde. Kør et proof of concept, begynd at indsamle relevante data med det samme, forkort din tid til ROI, og opbyg en god case for at udvide din Manufacturing Intelligence-indsats.

Du kan begynde med at handle ud fra en mavefornemmelse om, hvilken maskine der kan være den værste flaskehals.

• Vi anbefaler typisk at starte med at indsamle data fra den maskine, du synes er mest problematisk - den maskine, du hader mest. Der er som regel lavthængende frugter til forbedring der.
• Dette fokuserer på at forbedre den enkelte maskines ydeevne (flaskehals) og forbedre den samlede proceseffektivitet.

Hvis du er i tvivl, er det i de fleste tilfælde bedst at starte med at måle produktionsresultaterne.

• Indsaml data i slutningen af produktionslinjen for at få realtidsmålinger af det endelige output, f.eks. antallet af færdige kasser.
• Det fokuserer på hele produktionslinjen og behandler den som en enkelt, kontinuerlig proces.
• Se på udstyrets samlede effektivitet (OEE) ved at spore nedetid (og årsager) i forhold til planlagt produktionstid, og find ud af, hvad der kan give dig de største produktionsgevinster.

Her er en demonstration af, hvordan man måler Overall Equipment Effectiveness (OEE) med Factbird:

Et godt aspekt ved produkter som Factbird er, at du nemt kan validere, om det nye system giver værdi gennem ændringer i OEE, hvilket viser dig, om dit valg om at gå over til en datadrevet tilgang har været umagen værd.

Trin 4: Hvordan vil du indsamle relevante data?

Det er nu, du skal se på dine produktionsprocesser og finde ud af, præcis hvilket udstyr du skal bruge til at indsamle data.

Sensorer

Her er en oversigt over processer og industrielle sensorer, der kan bruges til at indsamle relevante data:

• Overvågning af produktionsinput og output kan gøres med nærhedssensorer, typisk fotoelektriske (lys) og induktive sensorer, der overvåger antallet af producerede emner såvel som skrot og emner, der skal omarbejdes.
• Pakkeprocesser er en almindelig årsag til flaskehalse, da de kræver flere maskiner og komplekse handlinger. Sensorer, der nøjagtigt måler afstande og positionering, hjælper med at reducere emballageproblemer.
• Flaskehalsanalyse bruger videokameraer til at identificere årsagen til stop ved at se tidsstemplede videoer.
• Tilstandsovervågning af maskiner med vibrations- og temperatursensorer, der registrerer, om et stykke udstyr opfører sig unormalt.
• Forbrugsovervågning af forsyningsselskaber som el og gas for at identificere ineffektivitet og reducere omkostninger.
• Forbedringer af medarbejdernes sikkerhed ved at bruge videokameraer til at analysere, hvad der gik galt i tilfælde af en ulykke.

For eksempel er Omron E3AS nærhedssensorer velegnede i de fleste tilfælde. De kan registrere diskrete emner på produktionslinjerne såvel som mekaniske bevægelser af udstyr, der repræsenterer de producerede emner.

Ellers har Factbird investeret tid i at opbygge stærke partnerskaber med sensorleverandører. Vi kan oprette forbindelse fra hylden med enhver standardsensor, så vi kan finde den rigtige sensor til din specifikke applikation.

Muligheder for tilslutning

Det gælder om at holde det enkelt, når man starter med at indsamle produktionsdata.

En ikke-påtrængende plug-and-play-dataforbindelsesløsning, der tager sensordata og overfører dem til skyen ved hjælp af sikker MQTT, gør livet meget lettere. Hvis en industriel IoT-gateway kan installeres med minimale krav til plads, kabler og IT og uden afbrydelser, vil du se en hurtigere og højere ROI.

Du kan indsamle data med industrielle IoT-gateways, for eksempel Factbird DUO, ved hjælp af tre ikke-indgribende muligheder:

1. Du kan tilføje ekstra sensorer på en linje (i en proces), som forbindes til dine industrielle IoT-gateways uden at gribe ind i eksisterende OT/IT-systemer.
2. Du kan kopiere et PLC-signal i dit kontrolskab uden at forstyrre PLC-systemet. Det er ikke forstyrrende for OT/IT-systemer, da der ikke er noget signal, der går tilbage til PLC-systemet.
3. Du kan kopiere signaler fra dine eksisterende sensorer ved at opdele sensorsignalet til dine industrielle IoT-gateways. Dette er også en ikke-påtrængende løsning til din eksisterende OT/IT-infrastruktur.

Når du har proof-of-concept, kan du overveje, om du vil opskalere din plug-and-play IIoT-gateway-løsning, hente data direkte fra en tilsluttet PLC, bruge Kepware eller bruge en MQTT-connector.

Trin 5: Hvordan ser enhedens installationsmiljø ud?

Den sidste forudsætning for en vellykket indsamling af produktionsdata er at forstå installationsmiljøet for den valgte produktionsproces, du gerne vil indsamle data om.

Det vil fortælle dig præcis, hvilken slags hardware du skal bruge for at indsamle og forbinde data.

Tilslutningsmuligheder

Traditionelt kræver tilslutning af industrimaskiner Ethernet.

Mobilnetværk og Wi-Fi bliver mere og mere populære, efterhånden som de bliver mere stabile i komplekse miljøer (f.eks. takket være Wi-Fi 6 og LPWAN).

Stil dig selv disse spørgsmål:

• Er der Wi-Fi til rådighed fra fabrikken?
• Har du mobildækning?
• Er der et Ethernet-dropkabel til rådighed?

Efter proof-of-concept-fasen kan du overveje private IIoT LTE-netværk for at øge smidigheden og reducere omkostningerne.

Tør eller våd

Nogle produktionsmiljøer kræver kraftig rengøring og skrappe kemikalier.

Spørg dig selv:

• Er miljøet et miljø, hvor man vasker sig?
• Skal enhederne være robuste?

Nu, hvor vi har indstillet forudsætningerne, kan vi gå i gang med at vælge hardware.

Hvordan Manufacturing Intelligence gavner teams

Relevante og indsamlede produktionsdata, som f.eks. gennemløbsmængde, skrotprocent, energiforbrug, cyklustid, nedetid, batchydelse osv. kan hjælpe flere afdelinger på én gang:

• Vedligeholdelse: Data hjælper vedligeholdelsesteams med at finde de grundlæggende årsager til maskinfejl og flytter teams fra reaktive til intelligente vedligeholdelsesstrategier.
• Driftsteamet: Anlægsledere, supervisorer og operatører går fra halvt huskede noter til nøjagtige, automatiserede, brugbare data. Stopkoder kan nemt spores og visualiseres for større effektivitet.
• Økonomi: Takket være præcise data kan økonomiafdelingen udarbejde mere effektive strategier for at reducere produktionsomkostningerne og udarbejde bedre prognoser.
• Logistik: Logistikteams kan bedre tilpasse sig produktionsflowet og effektivt styre lagerkapaciteten, når indsamlingen af produktionsdata håndteres i realtid og er tilgængelig for alle områder.
• Ledelse: C-Suite har on-demand adgang til niveauer for hele virksomheden. Gode Manufacturing Intelligence-løsninger som Factbird automatiserer daglige ledelsesrapporter, skiftrapporter osv.

Det er bare en forsmag på, hvor produktionsvirksomheder er på vej hen takket være bedre dataindsamling på butiksgulve.

Prøv Factbirds plug-and-play-løsninger til indsamling af produktionsdata

Og det er det. Når ovenstående forudsætninger er opfyldt (noget, der ofte kan afklares over et enkelt opkald), kan producenterne komme i gang med at indsamle data om butiksgulve og øge produktiviteten.

Nem opsætning, brugervenlighed og en klar vej til operationel ekspertise er ting, som Factbird tilbyder, og som ingen andre kan sammenligne. Tjek vores edge-enheder og gateways, og begynd din rejse mod datadrevet performance.