Innovaatio

Tehtaan suunnittelu ja optimointi esineiden internetiin ja valmistukseen

Tehtaan suunnittelu ja optimointi esineiden internetiin ja valmistukseen


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Valmistus 2000-luvulla on kiistatta helpompaa kuin koskaan, mutta lukuisat uudet tekniikat tarkoittavat myös sitä, että nykyaikaisten valmistajien on oltava kaikentyyppisiä tunkeja kilpailun voittamiseksi.

Moderni tehdas määritetään yhä enemmän sen avulla, kuinka hyvin se käsittelee tuottamansa valtavan määrän tietoja. Tuotantolaitosten tuottaman tiedon nopeus ja monimutkaisuus ovat tähtitieteellisiä verrattuna vuosien menneisyyteen. Valmistuksen digitalisointi on antanut monille mahdollisuuden saavuttaa kilpailuetua vanhempiin työkaluihin ja menetelmiin nähden.

Kun kaikki siirtyy kohti digitalisointia nykyaikaisessa tehtaassa, tämä tarkoittaa, että kaikki tuottaa myös dataa. Tämän tiedon mukana tulee analyyttinen kyky, jonka avulla valmistajat voivat tehdä älykkäämpiä, viisaampia päätöksiä prosesseistaan. Tämä tiedonkeruu tapahtuu esineiden internetin (IoT) kautta, termi, jonka kaikki todennäköisesti tunnemme tässä vaiheessa.

Kun kaikki valmistustyökalumme ovat nyt kaksinkertaistuneet tietojen tuottajina, tehtaan hallinta ei enää tarkoita vain parhaiden valmistustyökalujen tuntemista, vaan myös tietoa tietojen hyödyntämisestä parhaan prosessin määrittämiseksi.

Kun tämä tiedonkulku lisääntyy IoT: n ja muun älykkään valmistustekniikan kautta, herää kysymys, kuinka hallitsemme laitoksen johtajina, operaattoreina tai vain pieninä valmistajina isoja tietoja ja ylimääräistä arvoa, joka vaikuttaa lopputulokseemme?

Isojen tietojen käsittely tehtaalla

Suurten tietojen käyttö valmistuksessa voi olla ylivoimaista ilman oikeaa ymmärrystä sen hallinnasta. Tiedot voivat olla monissa muodoissa, kovasta, jäsennellystä datasta, kuten valmistustiedostoista, aina täysin strukturoimattomiin tietoihin, kuten virhelokit ja konelokit.

Voimme määritellä nykyaikaisessa tehtaassa tuotetun datan kolmella tavalla: strukturoidulla, strukturoimattomalla ja reaaliaikaisella puolirakenteisella.

Jäsennelty data on taulukkoihin sopiva data, joka on jo muotoiltu siten, että oivalluksia voidaan tehdä helposti. Sitä on helppo hallita ja pitää. Esimerkiksi strukturoitu data voi olla tietokantoihin tallennettu valmistustieto.

Strukturoimaton data on sellainen iso data, jota saamme epätyypillisistä lähteistä. Nämä ovat esimerkiksi vuorolokit käyttäjille tai kuvat laitoksesta tai koneista. Kaikki nämä tiedot ovat olemassa, mutta ne on purettava ja järjestettävä, ennen kuin niistä voidaan kerätä arvoa.

Puolirakenteinen data on tietoja, jotka eivät ole standardidatamallien mukaisia, mutta joilla on otsikot, tunnisteet ja merkinnät, jotka erottavat sen eri osat osittain tulkittaviksi asiakirjoiksi. Esimerkkejä puolirakenteisista tiedoista ovat koneiden anturit, RFID-tiedot, liikeohjaimen tiedot ja vastaavat.

Hyödyllisten tietojen järjestäminen, hallinta ja poiminta useista lähteistä saatavista erityyppisistä tiedoista ja useissa osavaltioissa oli kerran mahdoton tehtävä. Mutta tämän päivän esineiden internet ja tiedonhallinta-alustat tekevät sen paitsi mahdolliseksi myös suhteellisen yksinkertaisen ja skaalautuvan.

Hetken taaksepäin tajuan, että pelkästään näiden tietojen saaminen ei tarkoita sitä, että ymmärrämme niiden arvon, mutta sillä voi varmasti olla paljon arvoa. Konetiedot - syöttönopeudet, työkalujen käyttö, kierrosluvut jne. - korreloivat suoraan tai epäsuorasti tuottoon ja laatuun. Jos CNC-koneen käyttäjä kirjaa virheen koneistuksessa joka kymmenes osa, isojen tietojen kerääminen antaa meille mahdollisuuden paitsi tarttua tähän helposti myös käyttämällä erilaisia ​​ongelmanratkaisutyökaluja, kuten perussyyanalyysiä, voimme myös korjata ongelma.

LIITTYVÄT: MITEN WIFI6 TOTEUTTAA mullistamaan asioiden Internetin

Jos arvon tunnistaminen isoissa tiedoissa on ensimmäinen askel, sen käsitteleminen on seuraava. Seuraava vaihe on hallita kaikkia näitä tietoja eri muodoissa ja antaa käyttäjille (laitoksen johtajille) mahdollisuus visualisoida niiden käyttöä. Ytimessä tämä on massiivinen tietorakenne ja datatieteellinen ongelma.

En aio viettää liikaa aikaa tutkia ratkaisuja ja työkaluja, joita käytetään tämän postin tietojen analysointiin ja tulkintaan, koska se edellyttää omaa, paljon laajempaa tutkimusta ja keskustelua. Huomaan, että siellä on lukuisia IoT-työkaluja, ja Intel on epäilemättä yksi älykkäistä tehdasjohtajista.

Olemme tunnistaneet ongelman, isojen tietojen hallinnan. Olemme tunnistaneet, miksi se on tärkeää: oivalluksia ja jatkuvaa parantamista. Ja olemme lyhyesti maininneet, että olemassa on olemassa datatyökaluja, jotka auttavat hallitsemaan kaikkia näitä tietoja. Seuraavaksi meidän on käytettävä jonkin aikaa ymmärtämään kaikki monimutkaisuudet ja oivallukset, jotka voimme kerätä big datan käytöstä älykkäissä tehtaissa.

Analytics on avain älykkäiden tehtaiden etujen ymmärtämiseen

Voisin viettää koko päivän puhumalla älykkäiden tehtaiden korkeatasoisista eduista, mutta väittäisin, että kaikki tämä lentäisi melkein jokaisen tämän lukemattomaan johtoon kuulumattomaan. Mielestäni on paljon käytännöllisempää (ja hyödyllistä) tutkia todellisia tapaustutkimuksia ja käyttää tapauksia big data -analytiikan toteuttamisessa tehtaidemme parantamiseksi.

Viittaan ensin Intel-valmistuksen käyttötapaukseen. Kuten kaikessa, pidä kuitenkin mielessä, että Intelin edun mukaista on myydä sinut IoT: ssä, varsinkin kun otetaan huomioon heidän osuutensa teollisuudesta. Tästä huolimatta katson käyttötapauksen olevan.

Intel halusi selvittää tavan vähentää väärien negatiivisten merkintöjen määrää, joita kone tuotti, jotta voidaan selvittää, ovatko osat hyviä vai huonoja. Tämän automatisoitujen testauslaitteiden (ATE) tehtävänä oli suorittaa laitteiden testejä niiden ominaisuuksien arvioimiseksi hyväksytty / hylätty.

Ongelmana oli, että ATE luokitteli hyvät yksiköt usein väärin viallisiksi, mikä vaikutti tehtaan kokonaistuottoon. Hyvien yksiköiden heittäminen on tietysti ongelma, jota et halua olla, joten Intel halusi selvittää, onko tapa havaita, onko testauskoneessa vika tai vika, joka sai sen merkitsemään hyvät yksiköt viallisiksi.

Kerättyään tietoja koneista he juoksivat tiedot tekoälyn analyysityökalun kautta, joka ennusti lopulta 90% testauskoneen mahdollisista vikoista ennen niiden tapahtumista. Tämä puolestaan ​​vähensi hyvien osien hylkäämisen tuottohäviöitä 25 prosenttia, mikä säästää kustannuksia.

LIITTYVÄT: 11 TEHDASPROSESSIA, JOITA TEHDÄ JOISTAKSI LEMMIKITUOTTEISTA

Löydät lisää esimerkkejä tämänkaltaisista tehtaista ympäri maailmaa, jotka ovat ottaneet käyttöön esineiden internetin ja suurten tietojen hallinnan työkalut. Monissa tapauksissa IoT: n ja big data -hallinnan sallimat optimoinnit ja parannukset voivat säästää tehtailla tarpeeksi rahaa kattamaan ohjelmistokulut ja sitten joitain.

Nykyaikaisen tehtaan IoT mahdollistaa tuotannon näkyvyyden, operaattorin parannukset, pienemmät laadunhallintakustannukset, paremman laadun ja nopeammat parannussyklit. Kaikki tämä johtuu analytiikasta ja suurten tietojen käsittelystä tekoälyn avulla.

Kaikki tämä voi kuulostaa pelottavalta valmistajille, jotka eivät tunne sitä. Nykyään käytettävissä olevat työkalut tekevät prosessista kuitenkin paljon yksinkertaisemman kuin koskaan ennen.

Viimeinen asia, johon haluan puuttua, on valtava kaistanleveys, jonka moderni älykäs tehdas vaatii toimiakseen tehokkaasti. Monissa tapauksissa tiedonkeruun on tapahduttava reaaliajassa, mikä voidaan saavuttaa vain nopeilla verkoilla. 5G: n käyttöönotto tekee tämän mahdolliseksi suuremmalle valmistajaverkostolle.

Kuinka 5G parantaa älykkäitä tehtaita

5G on pohjimmiltaan uusi langattomien verkkojen tietoinfrastruktuuri, joka voi toimia eksponentiaalisesti nopeammin kuin 4G-infrastruktuuri. Dataa vaativat tekniikat, kuten tekoäly ja esineiden Internet, tuodaan todennäköisesti julkiseen tilaan 5G: n kautta.

Esineiden Internet on alue, joka näyttää erityisen sopivan 5G-tekniikkaan. Tällä hetkellä IoT: tä käytetään voimakkaasti valmistussektorilla tietojen keräämiseen tehtaissa, kuten olemme keskustelleet tässä artikkelissa, ja sitä käytetään myös kuljetusalalla laivastojen tietojen keräämiseksi. Älykkäät kodin laitteet on kytketty myös IoT: n kautta, mutta pienitehoisemmat koti-wi-fi-verkot kamppailevat, kun niihin on liitetty liian monta laitetta.

LIITTYVÄT: MITEN 5G-TEKNOLOGIA MUUTTAA MAAILMAN

5G voi olla nopeampi kuin mikä tahansa langallinen wi-fi-verkko, ja sitä voidaan käyttää käytännössä missä tahansa - niin kauan kuin saat signaalin. Tämä tarkoittaa, että 5G antaa IoT-laitteiden toimia melkein missä tahansa ilman, että rajoitetaan paikallisiin langattomiin verkkoihin.

5G-infrastruktuuri on yksi tapa, jolla nykyaikaiset tuotantolaitokset voivat hyödyntää IoT: tä huolimatta kaistanleveyden ja datanopeuden rajoituksista.

Tietysti kaikki tämä infrastruktuuri kuuluu teollisuuden 4.0 kattavaan rakenteeseen. Päivän päätteeksi älykkään tehdasaseman saavuttaminen IoT: n ja 5G: n avulla on askel uuden tuotantosukupolven luomiseen. Se on melkein varmasti alan suunta, joten on tärkeää, että valmistajina omaksumme esineiden internetin, jatkuvan parantamisen ja älykkään valmistuksen pysyäkseen pelin kärjessä. Maailma innovoi nopeammin kuin koskaan, meidän tehtävämme on pysyä mukana.


Katso video: 10 MUST HAVE USEFUL GADGETS (Tammikuu 2023).