Insamling av tillverkningsdata: Hur man kommer igång i 5 enkla steg.

Tillverkare behöver exakta produktionsdata för att effektivt kunna förändra arbetssätt och öka produktiviteten. Tillverkare som förlitar sig på intuition för att göra förbättringar kommer snabbt att förlora mark till mer effektiva företag på andra håll.

Att installera sensorer och industriella IoT-gateways som diskret samlar in produktionsdata är nu enkelt och billigt. Och när du har en tydlig bild av verkligheten genom insamling av tillverkningsdata är det mycket lättare att övertyga teamen om att ändra status quo.

I den här artikeln beskrivs hur du snabbt kan börja samla in relevanta data om produktionslinjer och snabbt komma till ett läge där du kan göra smarta effektivitetsvinster.

Hur samlar ni in tillverkningsdata?

Det är fortfarande vanligt att se manuell datainsamling på butiksgolv över hela världen. Detta görs antingen med penna och papper eller på bärbara datorer och surfplattor. Här registrerar operatörerna maskinavläsningar, stopp, processresultat eller räknar till och med genomströmningen manuellt. Detta tillvägagångssätt är tidskrävande, känsligt för mänskliga fel och ger inte feedback i realtid. Men det är ändå bättre än att inte ha någon som helst insamling av tillverkningsdata.

Det finns en tydlig övergång till automatisk datainsamling med hjälp av Internet of Things (IoT) och avancerad analys för effektivare och mer tillförlitlig insamling av tillverkningsdata. Ett typiskt industriellt IoT-system har följande komponenter:

1. Sensorer som omvandlar fysiska fenomen till elektriska signaler.
2. Edge-enheter och gateways som översätter, lagrar och bearbetar signalerna för kommunikation med ett nätverk.
3. Anslutningsmöjligheter som mobilnät, LoRaWAN, Wi-Fi och Ethernet skickar data till molnet.
4. Molnet bearbetar data och utför sedan åtgärder som att skicka varningar.
5. Ett användargränssnitt där människor kan visa och vidare analysera data.

Nu ska vi titta närmare på de steg du behöver ta för att lyckas med datainsamlingen i tillverkningen och komma bort från den gamla världen där man bekämpade problem och kämpade för att öka produktiviteten.

Steg 1: Varför vill du samla in data?

Här är några exempel från vår erfarenhet av varför tillverkare vanligtvis börjar använda Factbird för att samla in och analysera data:

1. Du har en känsla av att en maskin är dålig; den verkar problematisk, men du kan inte riktigt sätta fingret på vad som går fel.
2. Du inser att du måste öka produktionen och minska kostnaderna på grund av press från kunderna, och/eller du har press från arbetskraftsbrist och ökade materialkostnader.
3. Du vill kunna fördela personalresurserna bättre genom att i förväg veta när vissa processer eller viss utrustning behöver extra uppmärksamhet.
4. Du skulle vilja gå från reaktivt underhåll (släcka bränder) till förebyggande och prediktivt underhåll, dvs. underhålla utrustning innan den går sönder och använda teknikernas tid mer effektivt.
5. Du har redan data som du vet att du vill använda, men de är inte i en användbar form. Du har till exempel PLC-data, men de är inte tillgängliga för någon att analysera.

Den kamp som driver människor att förändra status quo i produktionen och söka efter förbättringar kan inte underskattas.

Att ta steget och inleda en förändring kan kännas som ett riskfyllt och komplicerat förslag, och det är därför de kommande två stegen hjälper till att förenkla vägen till förändring.

Steg 2: Vilka uppgifter skulle ge störst värde?

När du vet varför kan du gå vidare till "vad": Vilken typ av data ska ni samla in för att nå era mål?

1) Produktionsresultat

• Till exempel produktionsräkningar och mål kontra faktisk månadsproduktion.
• Antal skrot och omarbetningar.
• Förbrukning av råmaterial.

2) Maskinens drifttid

• Drifttid kontra stilleståndstid (och dess orsaker).
• Omställningstid.

3) Processparametrar

• Dessa påverkar både 1 och 2. Temperatur och vibrationer, till exempel.
• Dessa data kan också användas oberoende av varandra, t.ex. för att övervaka temperaturen i ett kylrum.
• Det verkliga värdet av Manufacturing Intelligence kommer från korrelationsanalys, dvs. mätning av processparametrar tillsammans med maskinprestanda.‍

4) Förbrukning av allmännyttiga tjänster

• Månatlig energiförbrukning.
• Övervakning av användningen av el, vatten, gas och tryckluft.

Beslutet beror på din bransch, t.ex. läkemedel kontra livsmedel och drycker, komplexiteten i dina produktionsprocesser och hur din nuvarande tillverkningsutrustning ser ut.

Låt oss nu begränsa beslutskriterierna ytterligare för att förkorta tiden till värde för insamling av tillverkningsdata.

Steg 3: Var skulle data ge det snabbaste värdet?

Många Manufacturing Intelligence-projekt misslyckas för att de försöker göra för mycket från början. Vi hör ofta talas om tillverkare som har spenderat hundratusentals dollar (och mer) på att bygga skräddarsydda lösningar för Manufacturing Intelligence som inte lyckas implementeras ordentligt.

Komplexitet och oväntade komplikationer är det som dödar projekt. Till exempel har tillverkare ofta en mängd olika maskintyper i olika åldrar (vissa är nya, vissa är gamla, vissa är från ett varumärke, vissa är från andra), och du inser snabbt att det kommer att bli ett enormt åtagande att rulla ut ett stort IT-projekt för att täcka alla maskiner och tillgångar på en gång.

Ta reda på hur Swedish Match ökade OEE med 18% efter att ha implementerat Factbird: Läs vår case story.

Därför är det en bra idé att begränsa fokus till ett intresseområde. Gör ett proof of concept, börja samla in relevanta data direkt, förkorta tiden till ROI och bygg ett bra argument för att utöka era insatser inom Manufacturing Intelligence.

Du kan börja med att agera utifrån en magkänsla om vilken maskin som kan vara den värsta flaskhalsen.

• Vi brukar rekommendera att du börjar med att samla in data från den maskin som du upplever som mest problematisk - den maskin som du hatar mest. Där finns det oftast lågt hängande frukter för förbättringar.
• Detta fokuserar på att förbättra enskilda maskiners prestanda (flaskhalsar) och öka den övergripande processeffektiviteten.

Om du är osäker är det i de flesta fall bäst att börja med att mäta produktionsresultatet.

• Samla in data i slutet av produktionslinjen för att få realtidsmätningar av den slutliga produktionen, t.ex. antalet färdiga lådor.
• Detta fokuserar på hela produktionslinjen och behandlar den som en enda, kontinuerlig process.
• Titta på den totala utrustningseffektiviteten (OEE) genom att spåra driftstopp (och orsaker) i förhållande till planerad produktionstid och gå igenom vad som kan ge dig de största produktionsvinsterna.

Här är en demonstration av hur man mäter Overall Equipment Effectiveness (OEE) med Factbird:

En bra aspekt av produkter som Factbird är att du enkelt kan validera om det nya systemet ger värde genom förändringar i OEE, vilket visar dig om ditt val att gå över till en datadriven strategi har varit värt det.

Steg 4: Hur kommer ni att samla in relevanta uppgifter?

Nu är det dags att se över dina produktionsprocesser och ta reda på exakt vilken utrustning du behöver för att samla in data.

Sensorer

Här får du en översikt över processer och industriella sensorer som kan användas för att samla in relevanta data:

• Övervakning av produktionens in- och utdata kan göras med närhetssensorer, vanligtvis fotoelektriska (ljus) och induktiva sensorer, som övervakar antalet producerade artiklar samt kassation och artiklar som behöver omarbetas.
• Förpackningsprocesser är en vanlig orsak till flaskhalsar eftersom de kräver flera maskiner och komplexa åtgärder. Sensorer som noggrant mäter avstånd och positionering bidrar till att minska förpackningsproblemen.
• Flaskhalsanalys använder videokameror för att identifiera grundorsaken till stopp genom att titta på tidsstämplade videor.
• Tillståndsövervakning av maskiner med vibrations- och temperatursensorer som upptäcker om en utrustning beter sig onormalt.
• Övervakning av förbrukningen av exempelvis el och gas för att identifiera ineffektivitet och minska kostnaderna.
• Förbättrad säkerhet för medarbetarna genom att använda videokameror för att analysera vad som gick fel i händelse av en olycka.

Omron E3AS närhetssensorer är till exempel lämpliga för de flesta fall. De kan detektera diskreta objekt på produktionslinjerna samt mekaniska rörelser i utrustningen, som representerar de producerade objekten.

I annat fall har Factbird investerat tid i att bygga upp starka partnerskap med sensorleverantörer. Vi kan ansluta alla standardsensorer från hyllan, vilket gör att vi kan hitta rätt sensor för din specifika tillämpning.

Anslutningsmöjligheter

Det gäller att hålla det enkelt när du börjar med insamling av tillverkningsdata.

En icke-påträngande plug-and-play-lösning för dataanslutning som tar sensordata och överför dem till molnet med hjälp av säker MQTT gör livet mycket enklare. Om en industriell IoT-gateway kan installeras med minimalt utrymme, kabel- och IT-krav och utan avbrott, kommer du att se en snabbare och högre ROI.

Du kan samla in data med industriella IoT-gateways, till exempel Factbird DUO, med hjälp av tre icke-påträngande alternativ:

1. Du kan lägga till extra sensorer på en linje (i en process) som ansluts till dina industriella IoT-gateways utan att inkräkta på befintliga OT/IT-system.
2. Du kan kopiera en PLC-signal i ditt styrskåp utan att störa PLC-systemet. Detta är inte störande för OT/IT-system eftersom det inte finns någon signal som går tillbaka till PLC-systemet.
3. Du kan kopiera signaler från dina befintliga sensorer genom att dela upp sensorsignalen till dina industriella IoT-gateways. Detta är också en lösning som inte inkräktar på din befintliga OT/IT-infrastruktur.

När du har ett proof-of-concept kan du överväga om du vill skala upp din plug-and-play IIoT-gatewaylösning, hämta data direkt från en ansluten PLC, använda Kepware eller använda en MQTT-kontakt.

Steg 5: Hur ser enhetens installationsmiljö ut?

Den sista förutsättningen för framgångsrik insamling av tillverkningsdata är att förstå installationsmiljön för den valda produktionsprocessen som du vill samla in data om.

Detta ger dig information om exakt vilken typ av hårdvara du behöver för att samla in och ansluta data.

Anslutningsmöjligheter

För att ansluta industriella maskiner krävs traditionellt Ethernet.

Mobilnät och Wi-Fi blir allt populärare i takt med att de blir stabilare i komplexa miljöer (t.ex. tack vare Wi-Fi 6 och LPWAN).

Ställ dig själv dessa frågor:

• Finns det Wi-Fi tillgängligt för användning på fabriken?
• Har du mobiltäckning?
• Finns det en Ethernet-kabel tillgänglig?

Efter proof-of-concept-fasen kan ni överväga privata IIoT LTE-nätverk för att öka flexibiliteten och minska kostnaderna.

Torr eller våt

Vissa tillverkningsmiljöer kräver omfattande rengöring och starka kemikalier.

Fråga dig själv:

• Är miljön en tvättmiljö?
• Måste enheterna vara robusta?

Nu när vi har fastställt förutsättningarna kan vi gå vidare med valet av hårdvara.

Hur Manufacturing Intelligence gynnar team

Relevanta och insamlingsbara tillverkningsdata, såsom genomströmningsvolym, skrotfrekvens, energiförbrukning, cykeltid, stilleståndstid, batchprestanda etc., kombineras för att hjälpa flera avdelningar på en gång:

• Underhåll: Data hjälper underhållsteamen att hitta grundorsakerna till maskinfel, vilket gör att teamen kan gå från reaktiva till intelligenta underhållsstrategier.
• Driftteam: Anläggningschefer, arbetsledare och operatörer går från halvminnesanteckningar till korrekta, automatiserade och användbara data. Stoppkoder kan enkelt spåras och visualiseras för ökad effektivitet.
• Ekonomi: Tack vare korrekta data kan ekonomiavdelningen utarbeta mer effektiva strategier för att minska produktionskostnaderna och ta fram bättre prognoser.
• Logistik: Logistikteam kan bättre anpassa sig till produktionsflöden och effektivt hantera lagringskapacitet när insamling av tillverkningsdata hanteras i realtid och är tillgänglig för alla områden.
• Ledning: C-Suite har on-demand tillgång till anläggnings- och företagsomfattande nivåer. Bra lösningar för Manufacturing Intelligence som Factbird automatiserar dagliga ledningsrapporter, skiftrapporter osv.

Det är bara en försmak av vart tillverkningsorganisationer är på väg tack vare bättre datainsamling på butiksgolven.

Prova Factbirds plug-and-play-lösningar för insamling av tillverkningsdata

Det var allt. När ovanstående förutsättningar är uppfyllda (något som ofta kan klaras av under ett samtal) kan tillverkarna börja samla in data om butiksgolv och öka produktiviteten.

Enkel installation, användarvänlighet och en tydlig väg till operativ excellens är saker som Factbird erbjuder som ingen annan kan jämföra sig med. Kolla in våra edge-enheter och gateways och påbörja din resa mot datadriven prestanda.