Digitale productieteams machtigen met kennis

De vierde industriële revolutie heeft de mogelijkheid geboden om enorme hoeveelheden realtime gegevens van productieprocessen te verkrijgen, en het potentieel voor bijna elk oppervlak om te worden getransformeerd in een sensor voor gegevensverzameling. Maar levert deze schat aan gegevens de kennis die digitale teams nodig hebben om hun activiteiten te optimaliseren?

In deze film worden Alexander Hill en Rob Russell van Senseye vergezeld door Dr. Hannah Edmonds van het Manufacturing Technology Centre, Jim Davison van Make UK en Peter Gagg van MCP Consulting Group, om te bespreken welke data fabrikanten moeten verzamelen en hoe, hoe bestaande datasets kunnen worden hergebruikt om nieuwe inzichten en meer waarde te genereren, en hoe processen zoals onderhoud opnieuw kunnen worden ontworpen om te voldoen aan de behoeften van technici op de werkvloer.

Transcript

Alexander Hill, Senseye:Ik zou graag zeggen dat het zo simpel is als 'je hebt de gegevens en ga je gang'. Helaas zien we dat veel organisaties te veel data hebben. Het is dus de uitdaging om erachter te komen wat de juiste gegevens zijn en wat u uit die gegevens moet begrijpen.

Dr. Hannah Edmonds, Manufacturing Technology Centre:Er is een uitdaging die gepaard gaat met het hebben van een schat aan gegevens, we kunnen een stadium van gegevensverzadiging bereiken - te veel van het goede.

Rob Russell, Senseye:Vanuit het perspectief van voorspellend onderhoud is het verzamelen van conditiebewakingsgegevens belangrijk om de toestand van machines te beoordelen. Maar hoe belangrijk die sensorinformatie ook is, het is echt belangrijk dat gegevens met context en op een geschikt moment worden verzameld.

Dr. Hannah Edmonds:Conditiebewaking en analyse kunnen een meer proactieve benadering van onderhoud mogelijk maken. Het is niet alleen wachten tot er een fout optreedt, maar ook proberen vast te stellen wanneer de toestand van apparatuur in de loop van de tijd verslechtert.

We kunnen apparatuur instrumenteren, de gegevens verzamelen en vervolgens hun activiteiten bewaken om productie-inzichten te krijgen om deze storing te voorkomen - ingrijpen voorafgaand aan het probleem.

Peter Gagg, MCP Consulting Group:De eerste gedachte van iedereen is dat data van de sensoren alles is wat je nodig hebt om een ​​voorspellend onderhoudsprogramma te starten. Er zijn echter al veel andere soorten gegevens in een bedrijf.

Gegevens van de gebouwbeheersystemen, de apparatuurgeschiedenis, gegevens van PLC's, productie-uitvoeringssystemen, OEE-systemen, enz. Samen met de gebruikelijke trillingen, temperatuur, druk, stroming, stroom en spanning.

Het gaat er echt om alles bij elkaar te zoeken, de parameters te identificeren die je echt moet gebruiken binnen het voorspellende regime en te kijken hoe ze allemaal met elkaar verbonden zijn.

Jim Davison, Make UK:Het gaat erom de kritische parameters binnen uw proces, machine of product echt te begrijpen. Begrijp wat de inputs zijn die van invloed kunnen zijn op de vraag of een onderdeel goed of slecht is, of dat een machine betrouwbaar en herhaaldelijk op naambordcapaciteiten kan draaien.

Als u dat eenmaal begrijpt en uw proces kent, kunt u de gegevens vastleggen die belangrijk zijn en de parameters die u zoekt beïnvloeden. Toon dat dan op een manier die nuttig is.

Alexander Hill:In moderne industriële apparatuur is al veel data beschikbaar en vastgelegd. Zaken als stroom, temperatuur, druk, cyclustijden. Dit zijn dingen die daadwerkelijk kunnen worden gebruikt voor conditiebewakingsdoeleinden, maar zijn dat vaak niet - ze worden in plaats daarvan alleen gebruikt om het proces te beheersen.

We kunnen deze metingen uitvoeren en gebruiken om de gezondheid van machines te begrijpen. We bouwen automatisch modellen van de machines met behulp van de beschikbare data. Vervolgens helpen we onze klanten te begrijpen waar ze vanuit machineperspectief op moeten letten. Zonder te zeggen 'kijk naar al deze onbewerkte gegevens', nemen we ze daadwerkelijk weg, abstraheren ze en zorgen we ervoor dat ze kunnen begrijpen aan welke activa - van honderden en duizenden - ze aandacht moeten besteden.