Gromadzenie danych produkcyjnych: Jak zacząć w 5 prostych krokach.

Producenci potrzebują dokładnych danych produkcyjnych, aby móc skutecznie zmieniać sposoby pracy i zwiększać produktywność. Producenci, którzy polegają na intuicji przy wprowadzaniu ulepszeń, szybko stracą grunt pod nogami na rzecz bardziej efektywnych firm.

Instalowanie czujników i przemysłowych bram IoT, które dyskretnie zbierają dane produkcyjne, jest teraz łatwe i tanie. A kiedy masz jasny obraz rzeczywistości dzięki gromadzeniu danych produkcyjnych, przekonanie zespołów do zmiany status quo jest o wiele łatwiejsze.

W tym artykule opisano, w jaki sposób można szybko rozpocząć gromadzenie odpowiednich danych na liniach produkcyjnych i szybko osiągnąć stan, w którym można uzyskać inteligentny wzrost wydajności.

Jak gromadzić dane produkcyjne?

Ręczne gromadzenie danych w sklepach na całym świecie jest nadal powszechne. Odbywa się to za pomocą długopisu i papieru lub laptopów i tabletów. Operatorzy zapisują odczyty maszyn, rejestrują zatrzymania, wyniki procesów, a nawet ręcznie liczą przepustowość. Takie podejście jest czasochłonne, podatne na błędy ludzkie i nie zapewnia informacji zwrotnych w czasie rzeczywistym. Jest to jednak lepsze rozwiązanie niż brak jakichkolwiek wysiłków w zakresie gromadzenia danych produkcyjnych.

Istnieje wyraźna zmiana w kierunku automatycznego gromadzenia danych w oparciu o Internet Rzeczy (IoT) i zaawansowaną analitykę w celu bardziej wydajnego i niezawodnego gromadzenia danych produkcyjnych. Typowy przemysłowy system IoT składa się z następujących elementów:

1. Czujniki przetwarzające zjawiska fizyczne na sygnały elektryczne.
2. Urządzenia brzegowe i bramy, które tłumaczą, przechowują i przetwarzają sygnały do komunikacji z siecią.
3. Łączność, taka jak komórkowa, LoRaWAN, Wi-Fi i Ethernet, przesyła dane do chmury.
4. Chmura przetwarza dane, a następnie wykonuje działania, takie jak wysyłanie alertów.
5. Interfejs użytkownika, w którym ludzie przeglądają i analizują dane.

Przejdźmy teraz do kroków, które należy podjąć w celu skutecznego gromadzenia danych produkcyjnych i odejścia od starego świata gaszenia problemów i walki o zwiększenie produktywności.

Krok 1: Dlaczego chcesz zbierać dane?

Oto kilka przykładów z naszego doświadczenia, dlaczego producenci zazwyczaj zaczynają korzystać z Factbird do gromadzenia i analizowania danych:

1. Masz przeczucie, że maszyna jest zepsuta; wydaje się problematyczna, ale nie możesz dokładnie określić, co jest nie tak.
2. Zdajesz sobie sprawę, że musisz zwiększyć produkcję i obniżyć koszty ze względu na presję ze strony klientów i/lub presję związaną z niedoborem siły roboczej i wzrostem kosztów materiałów.
3. Chciałbyś lepiej alokować zasoby ludzkie, wiedząc z wyprzedzeniem, kiedy pewne procesy lub sprzęt wymagają dodatkowej uwagi.
4. Chciałbyś przejść od konserwacji reaktywnej (gaszenie pożarów) do konserwacji prewencyjnej i predykcyjnej, tj. konserwacji sprzętu przed jego awarią i bardziej efektywnego wykorzystania czasu techników.
5. Masz pewne dane, które wiesz, że chcesz wykorzystać, ale nie są one w użytecznej formie. Na przykład masz dane PLC, ale nie są one dostępne dla nikogo do analizy.

Nie można lekceważyć walki, która popycha ludzi do zmiany status quo produkcji i poszukiwania ulepszeń.

Podjęcie skoku i zainicjowanie zmian może wydawać się ryzykowną i skomplikowaną propozycją, dlatego kolejne dwa kroki pomogą uprościć drogę do zmian.

Krok 2: Jakie dane zapewnią największą wartość?

Gdy już wiesz dlaczego, możesz przejść do "co": Jakiego rodzaju dane powinieneś zbierać, aby osiągnąć swoje cele?

1) Wydajność produkcji

• Takie jak liczba produkcji i docelowa vs. rzeczywista miesięczna produkcja.
• Liczy się złom i przeróbki.
• Zużycie surowców.

2) Czas pracy maszyny

• Czas sprawności a czas przestoju (i jego przyczyny).
• Czas trwania zmiany.

3) Parametry procesu

• Wpływają one zarówno na 1, jak i 2. Na przykład temperatura i wibracje.
• Dane te mogą być również wykorzystywane niezależnie, np. do monitorowania temperatury w chłodni.
• Prawdziwa wartość Manufacturing Intelligence wynika z analizy korelacji, tj. pomiaru parametrów procesu wraz z wydajnością maszyny.‍

4) Zużycie mediów

• Miesięczne zużycie energii.
• Monitorowanie zużycia energii elektrycznej, wody, gazu i sprężonego powietrza.

Decyzja w tym zakresie zależy od branży, np. farmaceutycznej lub spożywczej, złożoności procesów produkcyjnych i stanu obecnego sprzętu produkcyjnego.

Teraz zawęźmy kryteria decyzyjne jeszcze bardziej, aby skrócić czas zbierania danych produkcyjnych.

Krok 3: Gdzie dane przyniosą największą wartość?

Wiele projektów Manufacturing Intelligence kończy się niepowodzeniem, ponieważ od samego początku próbuje się zrobić zbyt wiele. Często słyszymy o producentach, którzy wydali setki tysięcy dolarów (i więcej) na stworzenie szytych na miarę rozwiązań Manufacturing Intelligence, które nie zostały prawidłowo wdrożone.

Złożoność i nieoczekiwane komplikacje są zabójcami projektów. Na przykład, producenci często mają różne typy maszyn w różnym wieku (niektóre są nowe, niektóre stare, niektóre pochodzą od jednej marki, niektóre od innych) i szybko zdajesz sobie sprawę, że wdrożenie dużego projektu IT obejmującego wszystkie maszyny i zasoby jednocześnie będzie ogromnym przedsięwzięciem.

Dowiedz się, jak firma Swedish Match zwiększyła wskaźnik OEE o 18% po wdrożeniu systemu Factbird: Przeczytaj historię przypadku.

Dobrym pomysłem jest więc zawężenie zainteresowania do jednego obszaru. Przeprowadzenie weryfikacji koncepcji, natychmiastowe rozpoczęcie gromadzenia odpowiednich danych, skrócenie czasu zwrotu z inwestycji i zbudowanie dobrego uzasadnienia dla rozszerzenia wysiłków w zakresie inteligencji produkcyjnej.

Możesz zacząć od przeczucia, która maszyna może być najgorszym wąskim gardłem.

• Zazwyczaj zalecamy rozpoczęcie od zebrania danych z maszyny, która sprawia najwięcej problemów - maszyny, której najbardziej nienawidzisz. Zwykle można tam znaleźć nisko wiszące owoce do poprawy.
• Koncentruje się to na poprawie wydajności poszczególnych maszyn (wąskich gardeł) i zwiększeniu ogólnej wydajności procesu.

W razie wątpliwości, w większości przypadków najlepiej zacząć od pomiaru wydajności produkcji.

• Zbieraj dane na końcu linii produkcyjnej, aby uzyskać w czasie rzeczywistym wskaźniki dotyczące końcowej produkcji, takie jak liczba ukończonych pudełek.
• Koncentruje się to na całej linii produkcyjnej, traktując ją jako pojedynczy, ciągły proces.
• Przyjrzyj się ogólnej efektywności sprzętu (OEE) poprzez śledzenie przestojów (i ich przyczyn) w porównaniu z planowanym czasem produkcji i przeanalizuj, co może zapewnić największy wzrost produkcji.

Oto demonstracja, jak mierzyć całkowitą efektywność sprzętu (OEE) za pomocą Factbird:

Wspaniałym aspektem produktów takich jak Factbird jest to, że można łatwo zweryfikować, czy nowy system zapewnia wartość poprzez zmiany w OEE, pokazując, czy wybór przejścia na podejście oparte na danych był opłacalny.

Krok 4: Jak będziesz zbierać odpowiednie dane?

Nadszedł czas, aby przyjrzeć się procesom produkcyjnym i dokładnie określić, jaki sprzęt będzie potrzebny do gromadzenia danych.

Czujniki

Oto przegląd procesów i czujników przemysłowych, które można wykorzystać do zbierania odpowiednich danych:

• Monitorowanie wejścia i wyjścia produkcji może odbywać się za pomocą czujników zbliżeniowych, zazwyczaj czujników fotoelektrycznych (światła) i indukcyjnych, które monitorują liczbę wyprodukowanych elementów, a także odpady i elementy wymagające ponownej obróbki.
• Procesy pak owania są częstą przyczyną wąskich gardeł, ponieważ wymagają wielu maszyn i złożonych działań. Czujniki, które dokładnie mierzą odległość i położenie, pomagają ograniczyć problemy związane z pakowaniem.
• Analiza wąskich gardeł wykorzystuje kamery wideo do identyfikacji pierwotnej przyczyny zatrzymań poprzez przeglądanie filmów ze znacznikami czasu.
• Monitorowanie stanu maszyn za pomocą czujników wibracji i temperatury, które wykrywają, czy urządzenie zachowuje się nieprawidłowo.
• Monitorowanie zużycia mediów, takich jak energia elektryczna i gaz, w celu zidentyfikowania nieefektywności i obniżenia kosztów.
• Poprawa bezpieczeństwa pracowników poprzez wykorzystanie kamer wideo do analizy tego, co poszło nie tak w razie wypadku.

Na przykład czujniki zbliżeniowe Omron E3AS są odpowiednie w większości przypadków. Mogą one wykrywać dyskretne elementy na liniach produkcyjnych, a także mechaniczne ruchy urządzeń, które reprezentują produkowane elementy.

W przeciwnym razie Factbird zainwestował czas w budowanie silnej współpracy z dostawcami czujników. Możemy połączyć się z dowolnym standardowym czujnikiem, co pozwala nam znaleźć odpowiedni czujnik do konkretnego zastosowania.

Opcje połączeń

Prostota to podstawa, gdy zaczynasz gromadzić dane produkcyjne.

Nieinwazyjne rozwiązanie do łączenia danych typu plug-and-play, które pobiera dane z czujników i przesyła je do chmury za pomocą bezpiecznego protokołu MQTT, znacznie ułatwia życie. Jeśli przemysłową bramę IoT można zainstalować przy minimalnych wymaganiach dotyczących przestrzeni, kabli i IT oraz bez przestojów, wówczas zwrot z inwestycji będzie szybszy i wyższy.

Dane można przechwytywać za pomocą przemysłowych bramek IoT, na przykład Factbird DUO, korzystając z trzech nieinwazyjnych opcji:

1. Możesz dodać dodatkowe czujniki na linii (w procesie), która łączy się z przemysłowymi bramami IoT bez ingerencji w istniejące systemy OT/IT.
2. Sygnał PLC można skopiować do szafy sterowniczej bez ingerencji w system PLC. Nie jest to uciążliwe dla systemów OT/IT, ponieważ żaden sygnał nie wraca do systemu PLC.
3. Można kopiować sygnały z istniejących czujników, dzieląc sygnał czujnika na przemysłowe bramy IoT. Jest to również nieinwazyjne dla istniejącej infrastruktury OT/IT.

Po uzyskaniu proof-of-concept, można rozważyć, czy chce się skalować rozwiązanie bramy IIoT typu plug-and-play, pobierać dane bezpośrednio z podłączonego sterownika PLC, korzystać z Kepware lub używać złącza MQTT.

Krok 5: Jak wygląda środowisko instalacji urządzenia?

Ostatnim warunkiem wstępnym skutecznego gromadzenia danych produkcyjnych jest zrozumienie środowiska instalacji wybranego procesu produkcyjnego, którego dane mają być gromadzone.

Dzięki temu dowiesz się dokładnie, jakiego rodzaju sprzętu będziesz potrzebować do gromadzenia i łączenia danych.

Opcje łączności

Tradycyjnie łączenie maszyn przemysłowych wymaga sieci Ethernet.

Sieci mobilne i Wi-Fi stają się coraz bardziej popularne, ponieważ stają się bardziej stabilne w złożonych środowiskach (na przykład dzięki Wi-Fi 6 i LPWAN).

Zadaj sobie następujące pytania:

• Czy dostępna jest fabryczna sieć Wi-Fi?
• Czy masz zasięg sieci komórkowej?
• Czy dostępny jest kabel Ethernet?

Po fazie weryfikacji koncepcji można rozważyć prywatne sieci IIoT LTE, aby zwiększyć elastyczność i obniżyć koszty.

Na sucho lub na mokro

Niektóre środowiska produkcyjne wymagają intensywnego czyszczenia i stosowania agresywnych środków chemicznych.

Zadaj sobie pytanie:

• Czy środowisko jest zmywalne?
• Czy urządzenia muszą być wzmocnione?

Teraz, gdy ustawiliśmy wymagania wstępne, przejdźmy do wyboru sprzętu.

Jak system Manufacturing Intelligence przynosi korzyści zespołom

Istotne i możliwe do zebrania dane produkcyjne, takie jak przepustowość, ilość odpadów, zużycie energii, czas cyklu, przestoje, wydajność partii itp. pomagają wielu działom jednocześnie:

• Konserwacja: Dane pomagają zespołom utrzymania ruchu znaleźć przyczyny awarii maszyn, przenosząc zespoły z reaktywnych do inteligentnych strategii utrzymania ruchu.
• Zespół operacyjny: Kierownicy zakładów, kierownicy i operatorzy przechodzą od na wpół zapamiętanych notatek do dokładnych, zautomatyzowanych i praktycznych danych. Kody zatrzymań są łatwo śledzone i wizualizowane w celu zwiększenia wydajności.
• Finanse: Dzięki dokładnym danym dział finansowy może opracowywać skuteczniejsze strategie obniżania kosztów produkcji i tworzyć lepsze prognozy.
• Logistyka: Zespoły logistyczne mogą lepiej dostosowywać się do przepływów produkcji i efektywnie zarządzać pojemnością magazynową, gdy gromadzenie danych produkcyjnych odbywa się w czasie rzeczywistym i jest dostępne dla wszystkich obszarów.
• Zarządzanie: C-Suite ma dostęp na żądanie do danych na poziomie zakładu i całej firmy. Dobre rozwiązania do analityki produkcji, takie jak Factbird, automatyzują codzienne raporty dla kierownictwa, raporty zmianowe itp.

To tylko przedsmak tego, w jakim kierunku zmierzają organizacje produkcyjne dzięki lepszemu gromadzeniu danych na powierzchniach sklepowych.

Wypróbuj rozwiązania Factbird do gromadzenia danych produkcyjnych typu plug-and-play

To wszystko. Po spełnieniu powyższych warunków wstępnych (co często można ustalić podczas jednej rozmowy telefonicznej), producenci mogą rozpocząć gromadzenie danych na temat powierzchni sklepowych i zwiększyć produktywność.

Łatwa konfiguracja, łatwość obsługi i jasna ścieżka do doskonałości operacyjnej to rzeczy, które oferuje Factbird, a których nikt nie może porównać. Sprawdź nasze urządzenia brzegowe i bramy i rozpocznij swoją podróż do wydajności opartej na danych.