IoT Inzetten om Automotive Productie te Transformeren: Efficiëntie & Innovatie Boost

De automotive-industrie — zoals veel andere productiesectoren — ondergaat momenteel een grote digitale transformatie.

De opkomst van Industrie 4.0-tech — wat industriële IoT (IIoT) apparaten omvat, alsook AI en big data analytics — heeft de productie als geheel ontwricht. Dit heeft fabriekseigenars gedwongen om nieuwe technologieën en oplossingen te adoptoren die hen in staat stellen workflows te stroomlijnen of fabrieksbeheer te optimaliseren.

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

Hoe IIoT-Vloten Werken in Automotive Fabrieken

Een IIoT-vloot van geschikte omvang kan massive hoeveelheden data verzamelen over hoe een fabriek werkt — alles van machine- en taaktiming tot inventarisbeweging.

Met genoeg sensoren die de juiste informatie verzamelen, is het mogelijk om een vogelvluchtperspectief te creëren van wat fabrieksprocessen er op dagelijkse basis echt uitzien. Dit kan het voor supervisors veel makkelijker maken om potentiële inefficiënties te ontdekken.

Bijvoorbeeld, één fabrikant kan IIoT-apparaten gebruiken voor traceerbaarheid — onderdelen en componenten tracken terwijl ze door het productieproces bewegen. Met de juiste data, kon dit bedrijf ontdekken dat verkeerd gefabriceerde stukken afkomstig waren van dezelfde fabriek of bepaalde machines.

Een ander kan ontdekken dat iets zo simpels als een vloerlay-out wijziging, zoals het verbreeden van magazijngangen, tijd kan besparen en een veiliger werkplek kan creëren.

Een IIoT-systeem is één manier waarop fabriekseigenars operationele en informatietechnologie kunnen integreren — twee tech-investeringen die soms gesiloed zijn van elkaar. Auto-fabrikanten kopen typisch ofwel complete IIoT-platforms — die individuele sensoren, IoT-machines en analytics-platforms omvatten — of bouwen ze zelf samen.

In het tweede geval zullen ze typisch beginnen met het identificeren van een probleem dat ze in hun fabriek willen oplossen of een KPI die ze willen verbeteren. Ze zullen dan de sensoren bemachtigen die ze nodig hebben om data te tracken gerelateerd aan dat probleem of KPI, samen met een open IIoT-analytics-platform die die IIoT-apparaten zal coördineren en de data die ze verzamelen organiseren.

Ondersteunde Besluitvorming met IIoT-Data

Verzamelde data kan meer doen dan supervisors helpen coördineren met personeel en workflows aanpassen. Het kan hen ook in staat stellen om betere beslissingen te nemen en feedback te geven over hoe workflows of productkwaliteit verderop te beïnvloeden.

Bijvoorbeeld, veel auto-fabrikanten moeten beslissen of ze passivatie of electropolishing willen gebruiken om corrosievaste onderdelen te creëren. Beide methoden hebben unieke voor- en nadelen. Het is niet altijd duidelijk wat de impact van het ene proces kan zijn op efficiëntie of onderdeelprestaties. Bij het beslissen welke te gebruiken, kunnen supervisors ook het te produceren onderdeel, beschikbare machines en bestaande fabrieksworkflows overwegen.

Het aantal variabelen dat ze in de gaten moeten houden, kan het moeilijk maken om te beslissen welke methode het beste zal zijn. Historische onderdeelprestatiedata, operationele informatie en meer kunnen supervisors helpen de beslissing te nemen.

Vergelijkbare tech kan automakers helpen bij het kiezen tussen specifieke afwerkingen, roestvrij staallegeringen of onderdeelformen voor een gegeven voertuigmodel.

Eén Use Case voor Automotive IIoT: Preventief Onderhoud Wordt Voorspellend Onderhoud

Een van de meest populaire toepassingen van IoT in productie is voorspellend onderhoud. Een fabriekeigenaar gebruikt IIoT-apparaten om operationele informatie over een gegeven machine te verzamelen. Deze data kan de temperatuur over tijd of het patroon van beweging of trilling omvatten. In sommige gevallen kunnen sensoren luisteren naar ultrasone geluiden en geluiden die gaslekken aangeven.

Wanneer gevoed in een AI-algoritme of big data analytics-methode, kan deze methode de machinegezondheid in realtime schatten. Vaak, met de juiste informatie, kunnen deze systemen accuraat toekomstige machine-faling voorspellen.

Als gegeven controle over machinesystemen, kunnen voorspellende onderhoudssystemen zelfs het afsluiten van machines op het punt van falen forceren, potentiëel schade of letsel aan nabijgelegen werknemers voorkomend.

Preventief onderhoud is de industriestandaard-benadering voor de meeste fabrikanten. Regelmatig geplande check-ups garanderen goede werkomstandigheden en reparaties die de levensduur van een machine kunnen verlengen en het risico op plotselinge, onverwachte falen reduceren.

De benadering is niet perfect, echter. Een machine openen voor onderhoud kan gevoelige elektronica en componenten in gevaar brengen. Het proces kan machine-internals blootstellen aan stof, vocht en andere contaminanten.

Werknemers en machine-operators hebben misschien geen waarschuwing als een falen tussen checks optreedt. Ze zullen nog steeds risico lopen op letsel en downtime die had kunnen worden vermeden met de juiste reparaties.

Voorspellend onderhoud kan helpen sommige van deze problemen op te lossen en supervisors en werknemers vooruitgaande kennis geven van machine-faling.

In kosten-termen kan voorspellend onderhoud besparingen van 8-12% opleveren ten opzichte van preventieve zorg, volgens een samenvatting van eerdere studies door het U.S. Department of Energy. Besparingen gaan op tot 30-40% voor bedrijven die reactief onderhoud gebruiken of machines repareren als er iets gebroken of defect lijkt.

Voorspellend onderhoud kan bedrijven ook downtime en letsels besparen die kunnen gebeuren als resultaat van plotselinge machine-faling.

Voorspellend Onderhoud Adopteren

Fabrikanten die dit soort benadering willen integreren, hebben twee opties. Ze kunnen ofwel een complete voorspellende onderhoudsoplossing kopen of tech van diverse leveranciers combineren om onderhoudsdata te verzamelen en te verwerken.

Fabrikanten die hun eigen oplossing willen bouwen met technologie van meerdere leveranciers, zouden moeten beginnen met de data die ze zullen moeten verzamelen. Bijvoorbeeld, trillingssensoren worden vaak gebruikt om de prestaties van machines met rotterende componenten te tracken.

Ze zullen dan een bestaand voorspellend onderhouds- of big data analytics-platform moeten vinden dat compatibel is met hun gekozen IoT-sensoren.

Fabrikanten zouden ook moeten plannen voor een infaseperiode, gedurende welke baselinedata verzameld zal worden. Deze periode stelt het analytische algoritme in staat om statistieken op te bouwen over "normale" machineprestaties.

Belangrijkste Voordelen en Best Practices voor Automotive Productie IIoT

IIoT-apparaten kunnen grote voordelen bieden voor automotive-fabrikanten. Ze bieden een wijd scala aan toepassingen, zoals de mogelijkheid om massive hoeveelheden data te verzamelen die helpen het begrip van een fabriek en haar productieproces te verbeteren.

Fabrikanten die de tech willen adoptoren, zouden duidelijk moeten begrijpen wat ze willen verbeteren of welk specifiek IoT-use case ze willen implementeren.