Hoe kan de automobielindustrie profiteren van het IoT?

De auto-industrie ondergaat — net als veel andere productiesectoren — momenteel een grote digitale transformatie.

De opkomst van Industry 4.0-technologie, waaronder industriële IoT-apparaten (IIoT), evenals AI en big data-analyse, heeft de productie als geheel ontwricht. Dit heeft fabriekseigenaren ertoe aangezet om nieuwe technologie en oplossingen te gebruiken waarmee ze workflows kunnen stroomlijnen of fabrieksbeheer kunnen optimaliseren.

De uitrol van 5G heeft IIoT-technologie praktischer en voordeliger dan ooit gemaakt, ook voor autofabrikanten. Dit zijn de belangrijkste voordelen die ze kunnen behalen door IIoT-oplossingen in hun fabrieken te implementeren en IIoT-technologie op de meest effectieve manier te gebruiken.

Hoe IIoT-vloten werken in autofabrieken

Een IIoT-vloot van geschikte grootte kan enorme hoeveelheden gegevens verzamelen over hoe een fabriek werkt - alles van machine- en taaktiming tot voorraadverplaatsing.

Met voldoende sensoren die de juiste informatie verzamelen, is het mogelijk om in vogelvlucht te zien hoe fabrieksprocessen er van dag tot dag echt uitzien. Dit kan het voor supervisors veel gemakkelijker maken om potentiële inefficiënties te ontdekken.

Een fabrikant kan bijvoorbeeld IIoT-apparaten gebruiken voor traceerbaarheid - het volgen van onderdelen en componenten terwijl ze door het productieproces gaan. Met de juiste gegevens zou dit bedrijf kunnen vaststellen dat verkeerd vervaardigde stukken afkomstig zijn uit dezelfde fabriek of bepaalde machines.

Een ander vindt misschien dat zoiets eenvoudigs als een wijziging van de indeling van de vloer, zoals het verbreden van de gangpaden in het magazijn, tijd kan besparen en een veiligere werkomgeving kan creëren.

Een IIoT-systeem is een manier waarop fabriekseigenaren operationele en informatietechnologie kunnen integreren - twee technische investeringen die soms van elkaar kunnen worden gescheiden. Autofabrikanten kopen doorgaans ofwel complete IIoT-platforms — waaronder individuele sensoren, IoT-machines en analyseplatforms — of stellen ze zelf samen.

In het tweede geval beginnen ze meestal met het identificeren van een probleem dat ze in hun fabriek willen oplossen of een KPI die ze willen verbeteren. Ze zullen vervolgens de sensoren zoeken die ze nodig hebben om gegevens met betrekking tot dat probleem of KPI te volgen, samen met een open IIoT-analyseplatform dat die IIoT-apparaten coördineert en de gegevens die ze verzamelen organiseert.

Ondersteunde besluitvorming met IIoT-gegevens

Verzamelde gegevens kunnen meer doen dan supervisors helpen bij het coördineren van personeel en het aanpassen van workflows. Het kan hen ook in staat stellen betere beslissingen te nemen en feedback te geven over hoe ze workflows of productkwaliteit in de loop van de tijd kunnen beïnvloeden.

Veel autofabrikanten moeten bijvoorbeeld beslissen of ze passiveren of elektrolytisch polijsten willen gebruiken om corrosiebestendige onderdelen te maken. Beide methoden hebben unieke voor- en nadelen. Het is niet altijd duidelijk welke impact een proces kan hebben op de efficiëntie of de prestaties van onderdelen. Bij het beslissen welke te gebruiken, kunnen supervisors ook rekening houden met het onderdeel dat wordt gefabriceerd, de beschikbare machines en de bestaande fabrieksworkflows.

Het aantal variabelen dat ze moeten bijhouden, kan het moeilijk maken om te beslissen welke methode het beste is. Historische prestatiegegevens van componenten, operationele informatie en meer kunnen supervisors helpen bij het nemen van een beslissing.

Soortgelijke technologie kan autofabrikanten helpen bij het kiezen van bepaalde afwerkingen, roestvrijstalen legeringen of componentvormen voor een bepaald voertuigmodel.

One use case voor Automotive IIoT:preventief onderhoud wordt voorspellend onderhoud

Een van de meest populaire toepassingen van IoT in de productie is voorspellend onderhoud. Een fabriekseigenaar gebruikt IIoT-apparaten om operationele informatie over een bepaalde machine te verzamelen. Deze gegevens kunnen de temperatuur in de loop van de tijd of het bewegings- of trillingspatroon omvatten. In sommige gevallen kunnen sensoren luisteren naar supersonische geluiden en geluiden die wijzen op gaslekken.

Wanneer deze methode wordt ingevoerd in een AI-algoritme of big data-analysemethode, kan de gezondheid van de machine in realtime worden geschat. Vaak kunnen deze systemen, met de juiste informatie, nauwkeurig toekomstige machinestoringen voorspellen.

Als ze controle krijgen over machinesystemen, kunnen voorspellende onderhoudssystemen zelfs machines op het punt van falen dwingen te stoppen, waardoor mogelijk schade of letsel aan nabijgelegen werknemers wordt voorkomen.

Preventief onderhoud is de industriestandaard benadering voor de meeste fabrikanten. Regelmatig geplande controles zorgen voor goede werkomstandigheden en reparaties die de levensduur van een machine kunnen verlengen en het risico op plotselinge, onverwachte storingen kunnen verkleinen.

De aanpak is echter niet perfect. Het openen van een machine voor onderhoud kan gevoelige elektronica en componenten in gevaar brengen. Het proces kan de binnenkant van de machine blootstellen aan stof, vocht en andere verontreinigingen op de locatie.

Werknemers en machinebedieners hebben misschien geen waarschuwing als er tussen controles een storing optreedt. Ze lopen nog steeds het risico op letsel en uitvaltijd die met de juiste reparaties voorkomen hadden kunnen worden.

Voorspellend onderhoud kan sommige van deze problemen helpen oplossen en supervisors en werknemers vroegtijdig op de hoogte stellen van machinestoringen.

In termen van kosten kan voorspellend onderhoud een besparing opleveren van 8-12% ten opzichte van preventieve zorg, volgens een samenvatting van eerdere onderzoeken door het Amerikaanse ministerie van Energie. De besparingen lopen op tot 30-40% voor bedrijven die reactieve onderhouds- of reparatiemachines gebruiken wanneer iets kapot of defect lijkt te zijn.

Voorspellend onderhoud kan ook bedrijfsonderbrekingen en letsel voorkomen als gevolg van een plotselinge machinestoring.

Voorspellend onderhoud toepassen

Fabrikanten die dit soort benaderingen willen integreren, hebben twee opties. Ze kunnen ofwel een complete oplossing voor voorspellend onderhoud aanschaffen of technologie van verschillende leveranciers combineren om onderhoudsgegevens te verzamelen en te verwerken.

Fabrikanten die hun eigen oplossing willen bouwen met technologie van meerdere leveranciers, moeten beginnen met de gegevens die ze moeten verzamelen. Trillingssensoren worden bijvoorbeeld vaak gebruikt om de prestaties van machines met roterende componenten te volgen.

Ze moeten dan een bestaand platform voor voorspellend onderhoud of big data-analyse vinden dat compatibel is met de door hen gekozen IoT-sensoren.

Fabrikanten moeten ook plannen voor een geleidelijke invoeringsperiode, waarin basisgegevens worden verzameld. Deze periode stelt het analytische algoritme in staat om statistieken op te bouwen over "normale" machineprestaties.

Belangrijkste voordelen en best practices voor Automotive Manufacturing IIoT

IIoT-apparaten kunnen grote voordelen bieden voor autofabrikanten. Ze bieden een breed scala aan toepassingen, zoals de mogelijkheid om enorme hoeveelheden gegevens te verzamelen die kunnen helpen het begrip van een fabriek en het fabricageproces te verbeteren.

Fabrikanten die de technologie willen toepassen, moeten duidelijk begrijpen wat ze willen verbeteren of welke specifieke IoT-toepassing ze willen implementeren.