Strokovnjaki razpravljajo o predvidenem vzdrževanju v proizvodnji

Da bi preprečili morebitne okvare, poškodbe zaposlenih in izgubo proizvodnje, se vse več podjetij seznanja z daljinskim nadzorom sredstev. Poskušajo teči sistemi prediktivnega vzdrževanja ujeti težave, preden se pojavijo v proizvodnji, zmanjšati tveganja za nezadovoljstvo zaposlenih in strank ter preprečiti izgubo denarja.

Na srečo 21. stoletje ponuja sodobne in učinkovite rešitve za prediktivno vzdrževanje v proizvodnji za implementacijo v različne industrije.

V zadnjem času je Prylada izvedla vrsto razgovorov o razvoju strank, kjer smo nagovorili strokovnjake iz proizvodne industrije. Naša ekipa si je zadala cilj zbrati dragocene informacije o spremljanje premoženja in izzivi sprejemanja tehnologije v industriji ter kako jih podjetja rešujejo.

Med intervjuji smo se pogovarjali o trenutnem stanju na trgu, najbolj motečih temah, konkurenci in priporočilih za učinkovit razvoj v panogi.

Prylada

Kako se je proizvodni trg spremenil v zadnjih 5 letih?

Preference potrošnikov do prilagajanja izdelkov, konkurenčnih cen in najboljših okvirjev za dostavo so postale glavna gonilna sila za proizvodna podjetja, da ponovno razmislijo o svojem delovnem pristopu. Da bi sledili sodobnim zahtevam, morajo povečati produktivnost z uvedbo digitalnih tehnologij. Te tehnologije vključujejo digitalno podprte trajnostne rešitve, digitalne dvojčke, avtonomne mobilne robote, razširjeno resničnost, umetno inteligenco in strojno učenje.

"Realnost preteklosti je bila, da so proizvajalci delali nadure, stvari so delali zelo ročno in niso bili podprti. Delo so preprosto opravili, zdaj pa se je to premaknilo tja, kjer so ta proizvodna podjetja šla od tega, da so ga samo opravila, do mesta, kjer morajo začeti velike pobude za digitalno preobrazbo." 

- Richard Lebovitz, izvršni direktor LeanDNA

Proizvajalci so začeli razmišljati z naslednje perspektive:

• Biti moramo veliko bolj povezani
• Imeti moramo boljšo preglednost ne le glede težav, s katerimi se spopadamo, ampak tudi, kaj so ukrepi, ki jih moramo sprejeti.

Celotna slika se je premaknila z dela, kakršno je, na digitalno preobrazbo, ki daje prednost ukrepom. Poleg tega je COVID-19 poudaril pomen močnih in prilagodljivih oskrbovalnih omrežij. Pomembne izgube zaradi nepredvidenih posledic pandemije so povzročile industrijska podjetja da ponovno razmislijo o svojih trenutnih poslovnih strategijah. Posledično so želeli optimizirati obstoječe procese in zmanjšati njihovo odvisnost od zunanjih dejavnikov ter tako povečati odpornost na višje sile.

Osredotočenost na trajnost postane gonilna sila za večjo uporabo pametnih tehnologij interneta stvari, zaradi česar je proizvodna industrija pametnejša, učinkovitejša in trajnostna, hkrati pa izboljšuje dobro počutje zaposlenih. Dogaja se z avtomatizacijo in digitalno transformacijo ter izkorišča napovedno analitiko za spodbujanje boljših priporočil. To pa nam daje boljše razumevanje, kaj so ozka grla in kakšni so izzivi.

Po drugi strani pa je proces sprejemanja novih pametnih tehnologij postal bolj zapleten in dolgotrajen. Izzivi dobavne verige in pomanjkanje osebja so privedli do tega, da se je celoten C-Suite poglobljeno ukvarjal z operativnimi zadevami in odločitvami na nivoju. Posledica tega je večje število deležnikov, ki so morali razumeti tveganja, se uskladiti s pričakovanimi vrednostnimi koristmi in uravnotežiti te vidike z drugimi pobudami podjetja.

Hitra hitrost tehnološkega napredka na področjih, kot so avtomatizacija, umetna inteligenca in internet stvari, od proizvajalcev zahteva prilagajanje in vključevanje novih tehnologij v svoje delovanje.

Prylada

Vendar pa je lahko prehod na nove tehnologije spremljanja sredstev zapleten in drag ter zahteva izpopolnjevanje delovne sile in zagotavljanje združljivosti z obstoječimi sistemi.

Zbrali smo najpogostejše izzive in ovire, povezane s tem prehodom, ki so jih z nami delili sogovorniki. Na prvem mestu so točke, ki jih najpogosteje slišimo. To ne pomeni nujno, da so najbolj kritične, kaže pa na njihovo razširjenost. Začnimo.

Nenačrtovani izpadi proizvodne opreme

Proizvodnja sodobnih naprav vključuje visoko natančne kompleksne procese in sofisticirano opremo. Nenačrtovane izpade proizvodne opreme imajo lahko zelo visoke stroške zaradi izgube donosa in izgubljenega proizvodnega časa. Nedavne inovacije na področju prediktivnega vzdrževanja lahko močno pomagajo zmanjšati izgubo produktivnosti in lahko prihranijo veliko truda in časa.

Ena od tehnik, ki se uspešno uporablja za napovedno vzdrževanje v proizvodnji, uporablja analizo velikih količin podatkov o napakah, vzdrževanju in sledenju. Za izboljšanje kakovosti uporabljenih podatkov se parametri, kot so proces, časovni žig in podrobne informacije o komponentah, pripišejo modelom napak, da se ustvarijo robustni nizi podatkov. Več velikih podjetij za proizvodnjo polprevodnikov je poročalo, da uporabljajo takšne tehnike kot del svojih modelov predvidenega vzdrževanja za izboljšanje donosa.

Izzivi ostajajo, saj ima veliko zapletenih procesov pogoste premike in premike. Posebni parametri se prilagodijo med poteki, da se proces ohrani na cilju. Tehnike, kot so navidezni senzorji, ki spremljajo in zajemajo konfiguracijo parametrov v realnem času, se lahko uporabljajo za omogočanje pravilnega nadzora. To je trenutno aktivno raziskovalno področje in raziskovalci dejavno raziskujejo nove tehnike, vključno z umetno inteligenco.

Pomanjkanje orodij za zbiranje podatkov

Ker omejena vidljivost sredstev pomeni povečane stroške vzdrževanja in zamenjave, mnogi proizvajalci že težko zajamejo osnovne podatke o stroju. Ti podatki običajno vključujejo temperaturo, vibracije, hitrost in druge indikatorje delovanja.

Za številna podjetja pa je lahko vlaganje v orodja za zbiranje podatkov drag podvig. Zato raje delajo z razpoložljivimi viri, ki lahko v marsičem zavirajo razvoj.

Proizvajalci, ki želijo uporabljati podatke v realnem času za spremljanje sredstev, potrebujejo orodje, ki se lahko samodejno poveže in zbira podatke iz katerega koli vira. V idealnem primeru bi moral biti sposoben normalizirati in upravljati podatke, izvajati analitiko in se enostavno integrirati z aplikacijami tretjih oseb in platformami za računalništvo v oblaku.

Prylada

Težave z integracijo podatkov in razširljivostjo

Proizvodna infrastruktura pogosto obsega različne sisteme, kot so stroji, proizvodne linije in komunalni sistemi. Ti sistemi so bili morda implementirani ob različnih časih z uporabo različnih tehnologij. Poleg tega vsak sistem ustvari podatke v svojem formatu, zaradi česar je integracija s sistemi tretjih oseb težka naloga. Nekonsistentni formati, manjkajoče vrednosti in netočnosti ovirajo učinkovito integracijo.

Ko se proizvodni obrati in procesi razvijajo, se podatkovna krajina povečuje. Sistemi morajo biti razširljivi, da lahko sprejmejo vse večje količine podatkov. Zagotavljanje nemotenega in učinkovitega pretoka podatkov med proizvodnimi operacijami brez preobremenitve nadzorne infrastrukture je bistvenega pomena. To je mogoče doseči z vlaganjem v sodobna orodja in dajanjem prednosti kakovosti podatkov.

Prylada

Varnostne ranljivosti v proizvodnji

Proizvodna industrija se sooča z nenehno razvijajočo se pokrajino kibernetskih groženj, od napadov z izsiljevalsko programsko opremo do ranljivosti dobavne verige. V kontekstu strojne opreme so ponarejeni izdelki nižje kakovosti veljali za glavno težavo za polprevodnike, medtem ko so čipi ostali razmeroma neprizadeti z varnostnimi težavami.

Vendar pa so v zadnjih nekaj letih napadalci našli metode za izkoriščanje zapletenega postopka izdelave polprevodnikov. Poskušali so manipulirati z arhitekturo čipov z uvajanjem zlonamerne logike prek strojnih trojancev. Napadalci nameravajo te trojance bodisi zavrniti storitev (DoS) ali krajo podatkov. Predvsem Sirija je poročala o velikem trojanskem napadu, kjer so napadalci v čip vgradili trojanca, imenovanega »Kill Switch«, da onemogočijo sirski sistem zračne obrambe, kar jim je omogočilo izvedbo zračnega napada.

V zadnjih nekaj letih so proizvajalci razširili uporabo konceptov podatkovne analitike, ki temeljijo na strojnem učenju in internetu stvari (IoT), da bi zagotovili ustrezno zaščito svoje opreme. Pri teh tehnikah najprej inicializirajo opremo za vse parametre spremljanja in nato za te parametre uporabijo algoritme strojnega učenja, da napovejo razred parametrov na izhodu. Če se rezultati (izhod) ne ujemajo z napovedjo, lahko proizvajalci označijo opremo.

Prylada

Druge ovire, ki preprečujejo trajnostno proizvodnjo

Blokade v dobavni verigi

Proizvajalci so se v preteklosti srečevali s številnimi težavami in napovedi za leto 2024 kažejo več enakega. Ker svetovna trgovina postaja bolj zapletena, se morajo proizvajalci pripraviti na nepričakovane ali nenadne prekinitve v svojih dobavnih omrežjih.

Po mnenju nekaterih naših sogovornikov bodo prekinitve v dobavnih verigah še naprej ena najpomembnejših težav, s katerimi se sooča industrija v bližnji prihodnosti. Trenutno so zaloge na najnižji ravni v zadnjih desetletjih, kar kaže, da določenih izdelkov trenutno ni mogoče izdelati. Hudo pomanjkanje polprevodnikov iz Tajvana, Kitajske in drugih offshore podjetij je prisililo nekatere avtomobilske proizvodne obrate v zaprtje. Težave ima tudi domača proizvodnja.

inflacija

Leta 2023 je bila inflacija blizu dvomestne številke zaradi naraščajočega povpraševanja in nezadostne ponudbe v vseh večjih gospodarstvih. Naslednje leto se bodo cene ključnih proizvodnih surovin, kot so aluminij, nafta in jeklo, še bolj zvišale, kar bo povečalo pritisk na podjetja, ki že tako poskušajo zmanjšati stroške brez žrtvovanja kakovosti.

Najti sredstva in naložbe za avtomatizacijo spremljanja sredstev med inflacijo je težko. Toda proizvajalci ne smejo zanemariti potenciala, ki ga prinaša industriji. Lahko pomaga zmanjšati ročne napake in pospeši opravila do 10-krat.

Za spopadanje s tem izzivom mora industrija dodeliti proračun za avtomatizacijo in uvesti več tehnologije umetne inteligence za pregledovanje in avtomatizacijo nalog v realnem času. Pomagal bo ne le prihraniti stroške, ampak tudi izboljšati učinkovitost in zmanjšati količino odpadkov.

Izzivi sprejemanja digitalnih tehnologij

Proizvodni procesi se vrtijo okoli nenehnih, rutinskih urnikov in nalog, ki jih izvaja na stotine dobaviteljev in zaposlenih na več lokacijah in so namenjeni proizvodnji potrošnega blaga. Zaradi tega podjetja izjemno težko spremljajo trenutne rutine in prepoznajo področja izboljšav.

Proizvajalci lahko preprosto sledijo vsakemu koraku v svoji celotni vrednostni verigi z implementacijo tehnologij za spremljanje v realnem času, ki temeljijo na IoT. Takšne tehnologije jim bodo pomagale bolje razumeti vrzeli v njihovih trajnostnih ciljih in najti rešitve za izboljšanje učinkovitosti, donosa in skladnosti.

Inteligentno spremljanje sredstev je običajno povezano z dvema izzivoma. Prvi vključuje integracijo in nadgradnjo stare opreme, da bo združljiva z novo tehnologijo, kar omogoča polni potencial industrije 4.0. Drugi predvideva prekvalificiranje osebja, da se zagotovi, da lahko učinkovito spremljajo, uporabljajo in izkoristijo nov sistem spremljanja.

Manjši proizvajalci pogosto menijo, da je začetna naložba v novo tehnologijo zastrašujoča. Vendar se je nujno zavedati, da sta tako digitalna transformacija kot transformacija zaposlenih postopen proces. Te spremembe se ne zgodijo čez noč.

Prylada

Zavijanje Up

Proizvodna industrija že doživlja učinke avtomatizacije in robotizacije, kot so umetna inteligenca, internet stvari, senzorji, roboti na tleh in vse večja uporaba robotske avtomatizacije procesov. Naraščajoče povpraševanje po sprejemanju digitalnih tehnologij in koristi, ki jih lahko proizvodna podjetja dobijo od njih, spodbujajo rast digitalizacije.

Kot del nenehnih prizadevanj za spopadanje z izzivi, s katerimi se dandanes sooča industrija, proizvajalci izvajajo rešitve, ki temeljijo na IoT, za inteligentno spremljanje sredstev. Vendar pa je izbira tehnologije in možnost njene implementacije še vedno odvisna od poslovnih priložnosti in potreb.

Nenačrtovani izpadi industrijskih strojev, težave z zbiranjem podatkov, varnostne ranljivosti in omejitve razširljivosti so tisti izzivi, ki so na prvem mestu v proizvodnem okolju in jih je mogoče obravnavati s tehnologijami za spremljanje, ki temeljijo na IoT. Takšne tehnologije dajejo proizvajalcem natančne, kontekstualizirane podatke v celotni dobavni verigi, tako da lahko hitro ugotovijo težave in ukrepajo.

Poleg tega lahko tudi predvidijo morebitne težave, preden se zgodijo, s čimer se izognejo odpoklicem in drugim pomembnim okoljskim tveganjem. Sčasoma bodo tehnologije spremljanja uporabnikom omogočile spremljanje napredka pri doseganju ciljev glede trajnosti in zagotovile skladnost z industrijskimi predpisi.

Zahvaljujemo se vsem, ki so sodelovali v našem intervjuju za razvoj strank:

• Vatsal Shah, izvršni direktor podjetja Lakmus
• Stefan Schwab, direktor podjetja Razsvetljen
• Tom Richter, globalni vodja vertikale diskretne in procesne proizvodnje za digitalne industrije pri Nokia
• Nils Arnold, izvršni direktor Adtance
• Duncan Kerr, nekdanji izvršni direktor Aeristech
• Richard Lebovitz, izvršni direktor LeanDNA
• Gulroz Singh, varnostni arhitekt SoC pri Polprevodniki NXP
• Donnie Rand,  koordinator trženja pri Ameriško združenje lastnikov operaterjev, LLC
• David Reid, direktor prodaje pri Orodje VEM
• Derrick Hathaway, direktor prodaje pri VEM Medical
• Harman Singh, direktor pri Cyphere
• Doug Lawson, izvršni direktor ThinkIQ
• In drugi strokovnjaki iz industrije, katerih komentarji so bili uporabljeni za ta članek

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://www.iotforall.com/experts-discuss-predictive-maintenance-and-innovation-in-manufacturing