Как правильная стратегия мониторинга производства может улучшить общую эффективность оборудования

Исаак Мо (Isaac Maw). Перевод: Алла Скобелева
От редакции: Любое промышленное производство заинтересовано в повышении своей эффективности. О том, как анализировать данные с помощью технологий интернета вещей и о влиянии разных стратегий мониторинга оборудования на показатели OEE рассказал в своем исследовании заместитель редактора американского веб-ресурса Engineering.com, Исаак Мо.

Может ли ваше производство стать умнее? Готовы ли вы к 4-ой промышленной революции?

Поставщики программного обеспечения для промышленных предприятий и отраслевые СМИ любят поднимать эти вопросы, но специалистов в области обрабатывающей промышленности волнует реальный вопрос: действительно ли мне нужно внедрять технологии Индустрии 4.0 в производство, чтобы оно было конкурентоспособным?

Чтобы ответить на него, веб-ресурс Engineering.com провел опрос, в котором рассматривается, как использование системы мониторинга производства влияет на показатели общей эффективности оборудования (OEE). Исследование «Связь между производственным мониторингом и показателями OEE» показало, что высокий коэффициент OEE тесно связан с возможностями мониторинга, а также, что огромное значение имеет то, какую систему мониторинга вы выбираете, и как она введена в эксплуатацию.

В число 254 респондентов вошли руководители, менеджеры, а также инженеры и технические специалисты из разных отраслей обрабатывающей промышленности, в том числе автомобильной и аэрокосмической. Частью анализа было деление респондентов на группы по уровню собственной оценки показателей OEE, а затем сравнение стратегий мониторинга производства этих групп. 



«OEE является одним из ключевых показателей эффективности, которому уделяют большое внимание при оценке результативности внедрения мониторинга», - сказал Билл Босуэлл, вице-президент по маркетингу компании Siemens PLM. Он представил свою концепцию анализа данных и разделил её на три этапа.

1. Подключение и мониторинг

«В большинстве случаев, клиенты начинают систематизировать свои данные еще на этапе подключения мониторинга, используя такие системы как Mindsphere. Как только данные начинают поступать, появляется возможность проводить начальную (базовую) аналитику по использованию оборудования и принимать решения по улучшению эффективности использования имеющихся ресурсов» - комментирует Босуэлл.

2. Разблокировка дополнительных возможностей

Перефразируя Босуэлла, следующий шаг в решениях IoT включает в себя более сложные инструменты, такие как предиктивное обслуживание, искусственный интеллект и машинное обучение. Эти и другие более продвинутые стратегии анализа и прогнозирования помогают оптимизировать процессы и предотвращать сбои.

3. Переход к полной цифровизации

Третий уровень предполагает переход к полной цифровизации, который может трансформировать бизнес-процессы. На этом этапе компании начинают использовать «цифровой двойник» своего процесса не только на заводе, но и в цепочке поставок на разных объектах. 

Факт: надежный сбор данных, аналитика и высокие показатели OEE связаны между собой


На этом графике фиолетовым цветом обозначено число респондентов, которые сообщили о высоких показателях OEE. Как показывают данные, те, кто используют аналитику в сочетании с сетевым мониторингом производства, чаще сообщают о большей эффективности оборудования, чем те, которые применяют менее развитые стратегии мониторинга (зеленый цвет).

Означает ли это, что любая производственная операция должна выполняться просто под контролем системы мониторинга для достижения высоких показателей OEE? По словам Джима Брауна, президента независимой исследовательской фирмы Tech-Clarity, достижение высокого уровня OEE требует ориентированного на результаты подхода к планированию. «Начните с вашей бизнес-стратегии: определитесь, что именно вы хотите улучшить на своем производстве», - посоветовал он. «Мониторинг оборудования и IIoT могут помочь увеличить показатели OEE, если вы посмотрите на IIoT, как на способ достижения своих целей по улучшению общей эффективности оборудования, а не начнете с IoT системы и будете искать пути измерения её успеха. Важно на первое место ставить бизнес, а не технологию».

Проблема: доступ к актуальным результатам анализа данных может быть затруднен


Ось Х представляет собой уровень коэффициента OEE, согласно собственным оценкам производителей. Ось У - число респондентов

Данный график показывает, что недостаточно просто собрать производственные данные. Реальное значение имеет то, когда аналитика может предоставить информацию к действию. Например, промышленная печь может сообщать о температуре в центральную базу данных с показателями, доступными на интерфейсе приборной панели. Панель может предупреждать операторов, когда температура в печи не соответствует спецификации, позволяя им настраивать параметры и улучшать качество продукции. Это базовый сбор данных.

Однако если данные в реальном времени объединить с историческими данными и данными о полученном продукте, а затем сравнить их с показателями других печей на заводе, система аналитики может выявить ранее скрытые инсайты. Например, эти результаты могут показать, что температура печи постоянно падает при изготовлении определенного продукта. Простой мониторинг – это реакция. Аналитика открывает двери для проактивного решения производственных проблем.

«Что на самом деле создает большое отличие, я думаю, это возможности IoT для сбора большего количества данных и объединения их с данными из других источников, например, из системы ERP или экосистемы – и взгляните на них более широко с помощью аналитических инструментов»,- рассказывает Браун. «Вот, где вы начинаете достигать целей, которые были недостижимы с точки зрения улучшения посредством обычного контроля. Если вы потратите время и соберете эти дополнительные данные, они могут вернуться в существующую программу непрерывного улучшения, позволяя вам находить новые проблемы и их коренные причины. Именно таким образом, аналитика IoT позволяет добиться еще большей производственной эффективности».

Босуэлл согласился с мнением Брауна и добавил следующее: «Некоторые из наших клиентов следят за тем, работает ли устройство в конкретных условиях эксплуатации так, как ожидается, а не просто, как оно работало в течение какого-то произвольного времени. Например, компания Ham-Let Group, которая производит клапаны высокого давления на основе технологий интернета вещей. Благодаря этой технологии доступно большее количество данных, чем просто отображение выключенного/включенного состояния. Данные могут показать, что клапаны работают лучше всего при определенных условиях, что позволяет инженерам активно избегать неблагоприятных условий эксплуатации». Для сбора и анализа данных требуется платформа IIoT. Итак, как выбрать правильную?

Решение: выбор правильной платформы IIoT


Платформы IIoT существуют в трех основных вариантах. Первый - производители могут создать собственное, штатное решение, предназначенное для устранения своих неотложных проблем. Второй вариант - они могут выбрать готовую, стандартную платформу, поставляемую с оборудованием. Или третий метод - производители выбирают платформы IIoT специального назначения, такие как Mindsphere, Thingworx, Predix и др. Наше исследование показало, что те, кто выбрал последний вариант, впоследствии, имели более высокие показатели OEE.

«Одним из способов получения большей пользы от данных IIoT является включение большего количества данных из различных источников и поиск скрытых корреляций между ними», - сказал Браун. «Наличие платформы, созданной для извлечения данных из нескольких источников и их анализа, позволит это сделать, поэтому я не удивлен — это обеспечивает большую ценность, что определенно соответствует нашему опыту».

Тем не менее, необходимо признать ценность систем, созданных поставщиками оборудования. В некоторых областях применения, где платформе не требуется работать на сложном уровне с помощью сторонних компьютеров или программного обеспечения, использование таких решений может быть вполне приемлемым вариантом. Но, если вы работаете в сложной среде, как отметил Босуэлл, разработки от поставщиков оборудования могут не учитывать все необходимые особенности вашего производства.

Теперь, когда специализированные платформы IIoT становятся все более распространенными, у предприятий появляется меньше оснований для разработки собственных систем. В то время как самодельные системы предлагают максимальную настройку, они, как правило, менее надежны и не имеют поддержки. Кроме того, проект может оказаться больше, чем изначально планировалось. «Если вы строите систему с нуля внутри компании, вам нужно будет построить весть этот “водопровод”, который ставится поверх поставщика услуг инфраструктуры», - подчеркнул Босвелл. «Работа с [специализированным вендором] позволяет вам сосредоточиться на создании и развертывании тех специализированных производственных приложений, которые вам нужны, без необходимости каждый раз изобретать колесо».

Следующие шаги для мониторинга производства

Анализ Брауна использует прагматический подход к индустриальному IoT. «Найдите любую проблему на заводе - может быть, это часть оборудования, которая продолжает выходить из строя, или часть оборудования, которая имеет тенденцию производить брак, например. Найдите проблему, которую обычная программа непрерывного улучшения не может решить самостоятельно», - сказал Браун. «Затем выясните, что можно сделать, чтобы получить больше понимания, получить больше знаний о том, что на самом деле происходит на основе мониторинга и аналитики, и расколите этот орешек».

Вы можете скачать полную версию исследования «Связь между производственным мониторингом и показателями OEE» здесь.

Источник:  https://www.engineering.com/AdvancedManufacturing/ArticleID/17934/How-the-Right-Production-Monitoring-Strategy-Can-Improve-OEE.aspx?e_src=relart

Читайте также:

Комментарии (0)

Авторизуйтесь или Зарегистрируйтесь, чтобы оставить комментарий.