מומחים דנים בתחזוקה חזויה בייצור

כדי למנוע תקלות פוטנציאליות, פציעות עובדים ואובדן ייצור, יותר ויותר חברות מתוודעות לניטור נכסים מרחוק. הם מנסים לברוח מערכות תחזוקה חזויות לתפוס בעיות לפני שהן מתרחשות בייצור, למזער את הסיכונים לחוסר שביעות רצון של עובדים ולקוחות ומניעת אובדן כסף.

למרבה המזל, המאה ה-21 מציעה פתרונות מודרניים ויעילים לתחזוקה חזויה בייצור ליישום בתעשיות שונות.

לאחרונה ערכה פרילדה סדרה של ראיונות לפיתוח לקוחות, בהם פנינו למומחים מתעשיית הייצור. הצוות שלנו שם למטרה לאסוף מידע בעל ערך על ניטור נכסים ואתגרי אימוץ טכנולוגיה בתעשייה, וכיצד חברות פותרות אותם.

במהלך הראיונות דנו במצב הנוכחי של השוק, הנושאים המטרידים ביותר, תחרות והמלצות לפיתוח אפקטיבי בתעשייה.

פרילדה

כיצד השתנה שוק הייצור ב-5 השנים האחרונות?

העדפות צרכנים כלפי התאמה אישית של מוצרים, תמחור תחרותי ומסגרות המשלוח הטובות ביותר הפכו למניעים העיקריים של חברות ייצור לחשוב מחדש על גישת העבודה שלהן. כדי לעמוד בקצב הדרישות המודרניות, הם צריכים להגביר את הפרודוקטיביות על ידי הטמעת טכנולוגיות דיגיטליות. טכנולוגיות אלו כוללות פתרונות קיימות המאפשרים דיגיטלית, תאומים דיגיטליים, רובוטים ניידים אוטונומיים, מציאות רבודה, בינה מלאכותית ולמידת מכונה.

"המציאות של העבר הייתה שיצרנים עבדו שעות נוספות, הם עשו דברים מאוד ידניים, והם לא קיבלו תמיכה. הם פשוט ביצעו את העבודה, ועכשיו זה עבר למקום שבו חברות הייצור הללו הלכו מעצם הביצוע למקום שבו הם צריכים להשיק יוזמות טרנספורמציה דיגיטלית גדולות." 

- ריצ'רד לבוביץ, מנכ"ל LeanDNA

היצרנים החלו לחשוב מנקודת המבט הבאה:

• אנחנו צריכים להיות הרבה יותר מחוברים
• אנחנו צריכים לקבל נראות טובה יותר לא רק לנושאים שאנו נאבקים בהם אלא גם מהן הפעולות שעלינו לנקוט.

התמונה הכוללת עברה מהעבודה כפי שהיא לטרנספורמציה דיגיטלית לתעדוף פעולות. בנוסף, COVID-19 הדגיש את החשיבות של רשתות אספקה ​​חזקות וניתנות להתאמה. הפסדים משמעותיים מההשלכות הבלתי צפויות של המגיפה הובילו חברות תעשייתיות לשקול מחדש את האסטרטגיות העסקיות הנוכחיות שלהם. כתוצאה מכך, הם שאפו לייעל תהליכים קיימים ולהפחית את התלות שלהם בגורמים חיצוניים, ובכך להגביר את העמידות במצבי כוח עליון.

ההתמקדות בקיימות הופכת לכוח מניע לשימוש רב יותר בטכנולוגיות IoT חכמות, מה שהופך את תעשיית הייצור לחכמה יותר, יעילה ובר קיימא, תוך שיפור ברווחת העובדים. זה קורה באמצעות אוטומציה וטרנספורמציה דיגיטלית, וזה ממנף ניתוח חזוי כדי לקבל המלצות טובות יותר. בתורו, זה נותן לנו הבנה טובה יותר של מה הם צווארי הבקבוק ומהם האתגרים.

מאידך, תהליך אימוץ טכנולוגיות חכמות חדשות הפך למורכב יותר ולאורך זמן. אתגרי שרשרת האספקה ​​ומחסור בכוח אדם הובילו את C-Suite כולה לעסוק עמוק בעניינים תפעוליים והחלטות ברמת הקומה. זה הביא למספר רב יותר של בעלי עניין שצריכים להבין את הסיכונים, להתיישר לפי יתרונות הערך הצפויים ולאזן את השיקולים הללו מול יוזמות אחרות של החברה.

הקצב המהיר של ההתקדמות הטכנולוגית בתחומים כמו אוטומציה, בינה מלאכותית ואינטרנט של הדברים מחייב את היצרנים להתאים ולשלב טכנולוגיות חדשות בפעילותם.

פרילדה

עם זאת, המעבר לטכנולוגיות חדשות לניטור נכסים עשוי להיות מורכב ויקר, הדורש שיפור מיומנות כוח העבודה והבטחת תאימות למערכות קיימות.

אספנו את האתגרים והחסמים הנפוצים ביותר הקשורים למעבר הזה, כפי ששיתפו אותנו המרואיינים שלנו. ממוקמות ראשונות הנקודות שאנו שומעים בתדירות הגבוהה ביותר. זה לא אומר בהכרח שהם הקריטיים ביותר, אבל זה כן מעיד על השכיחות שלהם. בואו נתחיל.

זמן השבתה לא מתוכנן של ציוד ייצור

ייצור עבור מכשירים מודרניים כרוך בתהליכים מורכבים ובדיוק גבוה וציוד מתוחכם. זמן השבתה של ציוד ייצור לא מתוכנן עשוי להיות בעל עלות גבוהה מאוד עקב אובדן תפוקה ואובדן זמן ייצור. חידושים אחרונים בתחזוקה חזויה יכולים לעזור מאוד להפחית את אובדן התפוקה ויכולים לחסוך הרבה מאמץ וזמן.

אחת הטכניקות שהופעלו בהצלחה לתחזוקה חזויה בייצור משתמשת בניתוח של כמויות גדולות של נתוני תקלות, תחזוקה ונתוני מעקב. כדי לחזק את איכות הנתונים המשמשים, פרמטרים כמו תהליך, חותמת זמן ומידע מפורט על הרכיבים מיוחסים למודלים של תקלות כדי ליצור מערכי נתונים חזקים. כמה חברות גדולות לייצור מוליכים למחצה דיווחו על שימוש בטכניקות כאלה כחלק ממודלים תחזוקה חזויים שלהם כדי לשפר את התשואה.

האתגרים נותרו, מכיוון שהרבה תהליכים מורכבים נוטים לסחף ותזוזות תכופות. פרמטרים ספציפיים מותאמים בין הריצות כדי לשמור על התהליך במטרה. ניתן להשתמש בטכניקות כמו חיישנים וירטואליים המנטרים ולוכדים את תצורת הפרמטרים בזמן אמת כדי לאפשר שליטה נכונה. זהו אזור מחקר פעיל כיום, וחוקרים חוקרים באופן פעיל טכניקות חדשות כולל בינה מלאכותית.

היעדר כלים לאיסוף נתונים

מכיוון שנראות מוגבלת של נכסים פירושה עלויות תחזוקה והחלפה מוגדלות, יצרנים רבים כבר נאבקים ללכוד נתוני מכונות בסיסיים. נתונים אלה כוללים בדרך כלל טמפרטורה, רטט, מהירות ומחווני ביצועים אחרים.

עם זאת, עבור חברות רבות, השקעה בכלים לאיסוף נתונים יכולה להיות מאמץ יקר. זו הסיבה שהם מעדיפים לעבוד עם משאבים זמינים, שיכולים להפריע להתפתחות במובנים רבים.

יצרנים המעוניינים להשתמש בנתונים בזמן אמת לניטור נכסים זקוקים לכלי שיכול להתחבר אוטומטית ולאסוף נתונים מכל מקור. באופן אידיאלי, הוא אמור להיות מסוגל גם לנרמל ולנהל את הנתונים, לבצע ניתוחים ולהשתלב בקלות עם יישומי צד שלישי ופלטפורמות מחשוב ענן.

פרילדה

בעיות שילוב נתונים ומדרגיות

תשתית ייצור כוללת לרוב מערכות מגוונות, כגון מכונות, קווי ייצור ומערכות שירות. ייתכן שמערכות אלו יושמו בזמנים שונים, תוך שימוש בטכנולוגיות שונות. יתרה מכך, כל מערכת מייצרת נתונים בפורמט שלה, מה שהופך את האינטגרציה עם מערכות צד שלישי למשימה אדירה. פורמטים לא עקביים, ערכים חסרים ואי דיוקים מעכבים אינטגרציה יעילה.

ככל שמתקני ייצור ותהליכים מתפתחים, נוף הנתונים גדל. המערכות חייבות להיות ניתנות להרחבה כדי להכיל נפחי נתונים גדלים. הבטחת זרימת נתונים חלקה ויעילה לאורך פעולות הייצור מבלי להכריע את תשתית הניטור היא חיונית. להגיע אליו אפשר על ידי השקעה בכלים מודרניים ותעדוף איכות הנתונים.

פרילדה

פרצות אבטחה בייצור

תעשיית הייצור מתמודדת עם נוף מתפתח כל הזמן של איומי סייבר, מהתקפות של תוכנות כופר ועד לפגיעויות בשרשרת האספקה. בהקשר של חומרה, מוצרים מזויפים באיכות נמוכה יותר נחשבו לבעיה מרכזית עבור מוליכים למחצה, בעוד שבבים נותרו יחסית לא מושפעים מבעיות הקשורות לאבטחה.

עם זאת, בשנים האחרונות, תוקפים מצאו שיטות לנצל את תהליך הייצור המורכב של מוליכים למחצה. הם ניסו לתמרן את ארכיטקטורת השבבים על ידי הכנסת לוגיקה זדונית דרך סוסים טרויאניים של חומרה. התוקפים מתכוונים לסוסים טרויאניים אלה למניעת שירות (DoS) או לגניבת נתונים. במיוחד, סוריה דיווחה על מתקפה טרויאנית גדולה, שבה הטמיעו תוקפים טרויאני בשם "Kill Switch" בשבב כדי להשבית את מערכת ההגנה האווירית הסורית, מה שמאפשר להם לבצע תקיפה אווירית.

בשנים האחרונות, יצרנים הרחיבו את השימוש במושגים של ניתוח נתונים המבוססים על למידת מכונה ו-Internet-of-Things (IoT), כדי להבטיח שהציוד שלהם מוגן כראוי. בטכניקות אלו, הם מאתחלים תחילה ציוד עבור כל פרמטרי הניטור ולאחר מכן מיישמים אלגוריתמים של למידת מכונה על הפרמטרים הללו, כדי לחזות את מחלקת הפרמטרים בפלט. אם התוצאות (הפלט) אינן תואמות את התחזית, היצרנים עשויים לסמן את הציוד.

פרילדה

מכשולים אחרים המונעים ייצור בר קיימא

חסימות בשרשרת האספקה

היצרנים התמודדו היסטורית עם כמה קשיים, ותחזיות 2024 מראות יותר מאותו הדבר. ככל שהסחר העולמי הופך מורכב יותר, היצרנים חייבים להתכונן לעמוד בפני הפרעות בלתי צפויות או פתאומיות ברשתות האספקה ​​שלהם.

לדברי חלק מהמרואיינים שלנו, הפסקות בשרשרת האספקה ​​ימשיכו להיות אחד הקשיים המשמעותיים ביותר שעומדים בפני התעשייה בעתיד הנראה לעין. נכון לעכשיו, המלאי נמצא ברמות הנמוכות ביותר מזה עשרות שנים, מה שמצביע על כך שלא ניתן לייצר מוצרים מסוימים בשלב זה. המחסור החמור של מוליכים למחצה מטייוואן, סין וחברות חוץ אחרות אילץ כמה מתקני ייצור רכב להיסגר. גם הייצור המקומי נתקל בקשיים.

אינפלציה

בשנת 2023, האינפלציה הייתה קרובה לדו ספרתי עקב עלייה בביקוש והיצע לא מספיק בכל הכלכלות הגדולות. בשנה הבאה, המחירים עבור תשומות ייצור מרכזיות כמו אלומיניום, נפט ופלדה יעלו עוד יותר, ויגדילו את הלחץ על עסקים שכבר מנסים להפחית עלויות מבלי לוותר על האיכות.

קשה לאתר משאבים והשקעות עבור אוטומציה של ניטור נכסים במהלך אינפלציה. אבל ליצרנים אסור להתעלם מהפוטנציאל שהוא מביא לתעשייה. זה יכול לעזור להפחית שגיאות ידניות ולהאיץ משימות עד פי 10.

כדי להתמודד עם האתגר הזה, התעשייה חייבת להקצות תקציב לאוטומציה ולהציג יותר טכנולוגיית AI לבדיקה ואוטומציה של משימות בזמן אמת. זה יעזור לא רק לחסוך בעלויות אלא גם לשפר את היעילות ולהפחית את הפסולת.

אתגרים של אימוץ טכנולוגיות דיגיטליות

תהליכי ייצור סובבים סביב לוחות זמנים ומשימות מתמשכים ושגרתיים המופעלים על ידי מאות ספקים ועובדים במספר מקומות, ומכוונים לייצור מוצרים מתכלים. זה מקשה במיוחד על עסקים לנטר את השגרה הנוכחית ולזהות תחומי שיפור.

יצרנים יכולים לעקוב בקלות אחר כל שלב על פני כל שרשרת הערך שלהם על ידי הטמעת טכנולוגיות ניטור מבוססות IoT בזמן אמת. טכנולוגיות כאלה יעזרו להם להבין טוב יותר את הפערים ביעדי הקיימות שלהם ולמצוא פתרונות לשיפור היעילות, התשואה והעמידה בדרישות.

ניטור נכסים חכם קשור בדרך כלל לשני אתגרים. הראשון כרוך בשילוב ושדרוג של ציוד מדור קודם כך שיהיה תואם לטכנולוגיה חדשה, המאפשר את מלוא הפוטנציאל של Industry 4.0. השני מניח מיומנות מחדש של צוות כדי להבטיח שהם יכולים לנטר, להשתמש ולהפיק תועלת ממערכת ניטור חדשה ביעילות.

יצרנים קטנים יותר מוצאים לעתים קרובות את ההשקעה הראשונית בטכנולוגיה חדשה כמרתיעה. עם זאת, חיוני להכיר בכך שגם טרנספורמציה דיגיטלית וגם טרנספורמציה של עובדים הם תהליכים הדרגתיים. שינויים אלו אינם מתרחשים בן לילה.

פרילדה

עטיפת Up

תעשיית הייצור כבר חווה את ההשפעות של אוטומציה ורובוטיקה, כמו בינה מלאכותית, האינטרנט של הדברים, חיישנים, רובוטים על הרצפה, ועוד שימוש באוטומציה רובוטית של תהליכים. הביקוש הגובר לאימוץ טכנולוגיות דיגיטליות והיתרונות שחברות יצרניות יכולות לקבל מהן מניעים את הצמיחה בדיגיטליזציה.

כחלק מהמאמצים המתמשכים להתמודד עם האתגרים העומדים בפני התעשייה בימינו, יצרנים מיישמים פתרונות מבוססי IoT לניטור נכסים חכם. עם זאת, הבחירה בטכנולוגיה ואפשרות היישום שלה עדיין תלויה בהזדמנויות ובצרכים העסקיים.

השבתה לא מתוכננת של מכונות תעשייתיות, בעיות איסוף נתונים, פגיעויות אבטחה ומגבלות מדרגיות הם אותם אתגרים הממוקמים בראש ובראשונה בנוף הייצור וניתן להתמודד עם טכנולוגיות ניטור מבוססות IoT. טכנולוגיות כאלה מעניקות ליצרנים נתונים מפורטים והקשריים לאורך כל שרשרת האספקה, כך שהם יכולים לאתר במהירות בעיות לנקוט בפעולה.

יתר על כן, הם יכולים גם לחזות בעיות פוטנציאליות לפני שהן קורות, תוך הימנעות מהחזרות וסיכונים סביבתיים משמעותיים אחרים. לאורך זמן, טכנולוגיות ניטור יאפשרו למשתמשים לעקוב אחר התקדמות יעדי הקיימות שלהם ולהבטיח עמידה בתקנות התעשייה.

ברצוננו להודות לכל מי שהשתתף בראיון לפיתוח הלקוחות שלנו:

• וצל שאה, מנכ"ל קמוס
• סטפן שוואב, מנכ"ל מואר
• טום ריכטר, ראש עולמי של אנכיות בייצור דיסקרטי ותהליכי עבור תעשיות דיגיטליות ב נוקיה
• נילס ארנולד, מנכ"ל התקדמות
• דאנקן קר, לשעבר מנכ"ל אייריסטק
• ריצ'רד לבוביץ, מנכ"ל LeanDNA
• Gulroz Singh, SoC Safety Architect ב NXP Semiconductors
• דוני ראנד, רכז שיווק ב איגוד מפעילי הבעלים האמריקאי, LLC
• דיוויד ריד, מנהל מכירות ב VEM Tooling
• דריק האת'ווי, מנהל מכירות ב VEM רפואי
• הרמן סינג, מנהל ב סייפר
• דאג לוסון, מנכ"ל ThinkIQ
• ואנשי מקצוע אחרים בתעשייה, שהערותיהם נלקחו עבור מאמר זה

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://www.iotforall.com/experts-discuss-predictive-maintenance-and-innovation-in-manufacturing