Productiegegevens verzamelen: In 5 eenvoudige stappen aan de slag.

Fabrikanten hebben nauwkeurige productiegegevens nodig om hun manier van werken effectief te kunnen veranderen en hun productiviteit te verhogen. Fabrikanten die op intuïtie vertrouwen om verbeteringen door te voeren, zullen snel terrein verliezen aan effectievere bedrijven elders.

Het installeren van sensoren en industriële IoT-gateways die onopvallend productiegegevens verzamelen is nu eenvoudig en goedkoop. En als je een duidelijk beeld hebt van de werkelijkheid door middel van het verzamelen van productiegegevens, is het een stuk eenvoudiger om teams te overtuigen om de status quo te veranderen.

In dit artikel wordt beschreven hoe je snel kunt beginnen met het verzamelen van relevante gegevens over productielijnen en snel een situatie kunt bereiken waarin je slimme efficiëntiewinsten kunt behalen.

Hoe verzamel je productiegegevens?

Wereldwijd is het nog steeds gebruikelijk om gegevens handmatig te verzamelen op winkelvloeren. Dit gebeurt met pen en papier of op laptops en tabletcomputers. Hier registreren operators machinewaarden, registreren stops, registreren procesresultaten of tellen zelfs handmatig de doorvoer. Deze aanpak is tijdrovend, vatbaar voor menselijke fouten en biedt geen real-time feedback. Maar het is nog altijd beter dan helemaal geen inspanningen op het gebied van productiegegevensverzameling.

Er is een duidelijke verschuiving naar automatische gegevensverzameling met behulp van het Internet of Things (IoT) en geavanceerde analyses voor een efficiëntere en betrouwbaardere verzameling van productiegegevens. Een typisch industrieel IoT-systeem heeft de volgende componenten:

1. Sensoren die fysische fenomenen omzetten in elektrische signalen.
2. Randapparaten en gateways die de signalen voor communicatie met een netwerk vertalen, opslaan en verwerken.
3. Connectiviteit, zoals cellulair, LoRaWAN, Wi-Fi en Ethernet, stuurt de gegevens naar de cloud.
4. De cloud verwerkt de gegevens en voert vervolgens acties uit, zoals het verzenden van waarschuwingen.
5. Een gebruikersinterface waar mensen gegevens bekijken en verder analyseren.

Laten we nu eens kijken welke stappen je moet nemen om met succes productiegegevens te verzamelen en de oude wereld van problemen oplossen en worstelen om de productiviteit te verhogen, achter ons te laten.

Stap 1: Waarom wil je gegevens verzamelen?

Hier zijn enkele voorbeelden uit onze ervaring waarom fabrikanten meestal Factbird gaan gebruiken om gegevens te verzamelen en te analyseren:

1. Je hebt het gevoel dat een machine slecht is; het lijkt problematisch, maar je kunt er niet helemaal achter komen wat er mis gaat.
2. Je realiseert je dat je de productie moet verhogen en de kosten moet verlagen onder druk van klanten en/of door personeelstekorten en stijgende materiaalkosten.
3. U wilt uw personeel beter inzetten door van tevoren te weten wanneer bepaalde processen of apparatuur extra aandacht nodig hebben.
4. Je wilt graag overstappen van reactief onderhoud (brandjes blussen) naar preventief en voorspellend onderhoud, d.w.z. apparatuur onderhouden voordat deze kapot gaat en de tijd van technici efficiënter gebruiken.
5. Je hebt al gegevens waarvan je weet dat je ze wilt gebruiken, maar ze zijn niet bruikbaar. Je hebt bijvoorbeeld PLC-gegevens, maar deze zijn voor niemand toegankelijk om te analyseren.

De strijd die mensen drijft om de status quo van de productie te veranderen en op zoek te gaan naar verbeteringen kan niet worden onderschat.

De sprong wagen en veranderingen in gang zetten kan riskant en ingewikkeld aanvoelen. Daarom helpen de volgende twee stappen om je pad naar verandering te vereenvoudigen.

Stap 2: Welke gegevens bieden de meeste waarde?

Als je eenmaal weet waarom, kun je verder gaan met het "wat": Wat voor soort gegevens moet je verzamelen om je doelen te bereiken?

1) Productieprestaties

• Zoals productietellingen en doel- vs. werkelijke maandelijkse productie.
• Schroot en herbewerking tellen.
• Grondstofverbruik.

2) Uptime van de machine

• Uptime versus downtime (en de oorzaken daarvan).
• Omschakelingsduur.

3) Procesparameters

• Deze beïnvloeden zowel 1 als 2. Temperatuur en trillingen, bijvoorbeeld.
• Deze gegevens kunnen ook onafhankelijk worden gebruikt, bijvoorbeeld om de temperatuur in een koelruimte te bewaken.
• De echte waarde van Manufacturing Intelligence komt van correlatieanalyse, d.w.z. het meten van procesparameters samen met machineprestaties.

4) Verbruik

• Maandelijks energieverbruik.
• Het verbruik van elektriciteit, water, gas en perslucht bewaken.

De beslissing hier hangt af van uw branche, bijvoorbeeld farmaceutica versus voeding en dranken, de complexiteit van uw productieprocessen en de staat van uw huidige productieapparatuur.

Laten we nu de beslissingscriteria verder verfijnen om uw tijd tot waarde voor het verzamelen van productiegegevens te verkorten.

Stap 3: Waar zouden gegevens de snelste waarde opleveren?

Veel Manufacturing Intelligence projecten mislukken omdat ze vanaf het begin te veel proberen te doen. We horen vaak van fabrikanten die honderdduizenden dollars (en meer) hebben uitgegeven aan het bouwen van op maat gemaakte Manufacturing Intelligence oplossingen die niet goed geïmplementeerd worden.

Complexiteit en onverwachte complicaties zijn de dooddoeners van projecten. Fabrikanten hebben bijvoorbeeld vaak een verscheidenheid aan machinetypen van verschillende leeftijden (sommige zijn nieuw, sommige zijn oud, sommige zijn van het ene merk, sommige van een ander) en je realiseert je al snel dat het uitrollen van een groot IT-project om alle machines en bedrijfsmiddelen in één keer te dekken een enorme onderneming zal zijn.

Ontdek hoe Swedish Match de OEE met 18% verhoogde na de implementatie van Factbird: Lees de case.

Het is dus een goed idee om je focus te beperken tot één interessegebied. Voer een proof of concept uit, begin direct met het verzamelen van relevante gegevens, verkort de tijd tot je ROI en bouw een goede case op voor het uitbreiden van je Manufacturing Intelligence inspanningen.

Je zou kunnen beginnen met een onderbuikgevoel over welke machine de grootste bottleneck zou kunnen zijn.

• We raden meestal aan om te beginnen met het verzamelen van gegevens van de machine die je het meest problematisch vindt - de machine die je het meest haat. Daar is meestal laaghangend fruit voor verbetering.
• Dit richt zich op het verbeteren van de individuele machineprestaties (bottleneck) en het verbeteren van de algehele procesefficiëntie.

Bij twijfel kun je in de meeste gevallen het beste beginnen met het meten van de productieprestaties.

• Verzamel gegevens aan het einde van de productielijn om realtime statistieken te krijgen over de uiteindelijke uitvoer, zoals het aantal voltooide dozen.
• Dit richt zich op de gehele productielijn en behandelt deze als één continu proces.
• Kijk naar de Overall Equipment Effectiveness (OEE) door stilstandtijd (en oorzaken) te vergelijken met de geplande productietijd en ga na wat de grootste productiewinst kan opleveren.

Hier ziet u een demonstratie van hoe u de Overall Equipment Effectiveness (OEE) meet met Factbird:

Een geweldig aspect van producten als Factbird is dat u eenvoudig kunt valideren of het nieuwe systeem waarde geeft door veranderingen in OEE, zodat u kunt zien of uw keuze om over te stappen op een datagestuurde aanpak de moeite waard is geweest.

Stap 4: Hoe ga je relevante gegevens verzamelen?

Nu is het tijd om naar je productieprocessen te kijken en precies uit te zoeken welke apparatuur je nodig hebt om gegevens te verzamelen.

Sensoren

Hier volgt een overzicht van processen en industriële sensoren die kunnen worden gebruikt om relevante gegevens te verzamelen:

• Productie-input en -output kunnen worden bewaakt met nabijheidssensoren, meestal foto-elektrische (licht) en inductieve sensoren, die het aantal geproduceerde artikelen bewaken, evenals uitval en artikelen die opnieuw moeten worden bewerkt.
• Verpakkingsprocessen zijn een veel voorkomende oorzaak van knelpunten omdat ze meerdere machines en complexe handelingen vereisen. Sensoren die nauwkeurig afstanden en positionering meten, helpen verpakkingsproblemen te verminderen.
• Knelpuntenanalyse maakt gebruik van videocamera's om de hoofdoorzaak van stops te identificeren door video's met tijdstempels te bekijken.
• Conditiebewaking van machines met trillings- en temperatuursensoren die detecteren of een apparaat zich abnormaal gedraagt.
• Verbruikscontrole van nutsvoorzieningen zoals elektriciteit en gas om inefficiënties op te sporen en kosten te besparen.
• Verbetering van de veiligheid van werknemers door videocamera's te gebruiken om te analyseren wat er mis ging bij een ongeluk.

Omron E3AS naderingssensoren zijn bijvoorbeeld geschikt voor de meeste gevallen. Ze kunnen discrete items op de productielijnen detecteren, evenals mechanische bewegingen van apparatuur die de geproduceerde items vertegenwoordigen.

In andere gevallen heeft Factbird tijd geïnvesteerd in het opbouwen van sterke samenwerkingsverbanden met sensorleveranciers. We kunnen off-the-shelf verbinding maken met elke standaard sensor, waardoor we de juiste sensor voor uw specifieke toepassing kunnen vinden.

Aansluitmogelijkheden

Als je begint met het verzamelen van productiegegevens, moet je het eenvoudig houden.

Een niet-intrusieve, plug-and-play gegevensverbindingsoplossing die sensorgegevens opneemt en ze naar de cloud verstuurt met behulp van veilige MQTT maakt het leven een stuk eenvoudiger. Als een industriële IoT-gateway kan worden geïnstalleerd met minimale ruimte, kabels en IT-vereisten en zonder onderbrekingen, dan zul je een snellere en hogere ROI zien.

Je kunt gegevens vastleggen met industriële IoT-gateways, bijvoorbeeld Factbird DUO's, door gebruik te maken van drie niet-opdringerige opties:

1. Je kunt extra sensoren toevoegen op een lijn (op een proces) die verbinding maakt met je industriële IoT-gateways zonder inbreuk te maken op bestaande OT/IT-systemen.
2. Je kunt een PLC-signaal kopiëren in je schakelkast zonder het PLC-systeem te verstoren. Dit is niet storend voor OT/IT-systemen omdat er geen signaal teruggaat naar het PLC-systeem.
3. Je kunt signalen van je bestaande sensoren kopiëren door het sensorsignaal te splitsen naar je industriële IoT-gateways. Dit is ook geen inbreuk op je bestaande OT/IT-infrastructuur.

Zodra je een proof-of-concept hebt, kun je overwegen of je je plug-and-play IIoT-gatewayoplossing wilt opschalen, gegevens rechtstreeks van een aangesloten PLC wilt krijgen, Kepware wilt gebruiken of een MQTT-connector wilt gebruiken.

Stap 5: Hoe ziet de installatieomgeving eruit?

De laatste voorwaarde voor het succesvol verzamelen van productiegegevens is het begrijpen van de installatieomgeving van het gekozen productieproces waarover je gegevens wilt verzamelen.

Zo weet je precies welke hardware je nodig hebt om gegevens te verzamelen en te verbinden.

Connectiviteitsopties

Voor het verbinden van industriële machines is traditioneel Ethernet nodig.

Mobiele netwerken en Wi-Fi worden steeds populairder omdat ze stabieler worden in complexe omgevingen (bijvoorbeeld dankzij Wi-Fi 6 en LPWAN).

Stel jezelf deze vragen:

• Is er Wi-Fi in de fabriek beschikbaar voor gebruik?
• Heb je mobiel bereik?
• Is er een Ethernet-dropkabel beschikbaar?

Na de proof-of-conceptfase kun je privé IIoT LTE-netwerken overwegen om de flexibiliteit te vergroten en de kosten te verlagen.

Droog of nat

Sommige productieomgevingen vereisen zware reiniging en agressieve chemicaliën.

Vraag jezelf af:

• Is de omgeving een afwasomgeving?
• Moeten apparaten robuust zijn?

Nu we de randvoorwaarden hebben ingesteld, gaan we de hardware selecteren.

Hoe Manufacturing Intelligence teams ten goede komt

Relevante en verzamelbare productiegegevens, zoals doorvoervolume, uitvalpercentages, energieverbruik, cyclustijd, uitvaltijd, batchprestaties, enz. worden gecombineerd om meerdere afdelingen tegelijk te helpen:

• Onderhoud: Gegevens helpen onderhoudsteams bij het vinden van de hoofdoorzaken van machinestoringen, waardoor teams overstappen van reactieve naar intelligente onderhoudsstrategieën.
• Operationeel team: Fabrieksmanagers, supervisors en operators gaan van half onthouden notities naar nauwkeurige, geautomatiseerde, bruikbare gegevens. Stopcodes worden eenvoudig gevolgd en gevisualiseerd voor meer efficiëntie.
• Financiën: Dankzij nauwkeurige gegevens kan de financiële afdeling effectievere strategieën opstellen om de productiekosten te verlagen en betere prognoses te maken.
• Logistiek: Logistieke teams kunnen zich beter aanpassen aan productiestromen en opslagcapaciteit efficiënt beheren wanneer het verzamelen van productiegegevens in realtime wordt afgehandeld en toegankelijk is voor alle afdelingen.
• Management: De C-Suite heeft on-demand toegang tot site- en bedrijfsbrede niveaus. Goede Manufacturing Intelligence oplossingen zoals Factbird automatiseren dagelijkse executive rapporten, shift rapporten, enz.

Dit is slechts een voorproefje van waar productieorganisaties naartoe gaan dankzij betere gegevensverzameling op winkelvloeren.

Probeer Factbird's plug-and-play oplossingen voor het verzamelen van productiegegevens

Dat is alles. Zodra aan de bovenstaande voorwaarden is voldaan (iets wat vaak in één gesprek kan worden uitgezocht), kunnen fabrikanten aan de slag met het verzamelen van gegevens over werkvloeren en het verhogen van de productiviteit.

Eenvoudige installatie, gebruiksgemak en een duidelijk pad naar operationele uitmuntendheid zijn dingen die Factbird biedt die niemand kan vergelijken. Bekijk onze randapparatuur en gateways en begin uw reis naar datagestuurde prestaties.