Empoderar a los equipos de fabricación digital con conocimiento

La cuarta La revolución industrial ha brindado la oportunidad de obtener grandes cantidades de datos en tiempo real de los procesos de fabricación y el potencial de que casi todas las superficies se transformen en un sensor para la recopilación de datos. Pero, ¿esta gran cantidad de datos proporciona el conocimiento que los equipos digitales necesitan para optimizar sus actividades?

En esta película, Alexander Hill y Rob Russell de Senseye se unen a la Dra. Hannah Edmonds del Centro de tecnología de fabricación, Jim Davison de Make UK y Peter Gagg de MCP Consulting Group, para analizar qué datos deben recopilar los fabricantes y cómo, cómo los conjuntos de datos existentes se pueden reutilizar para generar nuevos conocimientos y mayor valor, y cómo se pueden rediseñar procesos como el mantenimiento para satisfacer las necesidades de los ingenieros en el taller.

Transcripción

Alexander Hill, Senseye:Me encantaría decir que es tan simple como "tienes los datos y listo". Desafortunadamente, lo que vemos es que muchas organizaciones tienen demasiados datos. Por lo tanto, descubrir cuáles son los datos correctos y qué necesita comprender de esos datos es el desafío.

Dra. Hannah Edmonds, Centro de Tecnología de Manufactura:Hay un desafío que viene con tener una gran cantidad de datos, podemos llegar a una etapa de saturación de datos, demasiado de algo bueno.

Rob Russell, Senseye:Desde la perspectiva del mantenimiento predictivo, la clave es recopilar datos de monitoreo de condición a partir de los cuales podamos evaluar el estado de las máquinas. Pero a pesar de lo importante que es la información del sensor, es realmente importante que los datos se recopilen con contexto y en un momento adecuado.

Dra. Hannah Edmonds:El monitoreo y análisis de condiciones pueden permitir un enfoque más proactivo para el mantenimiento. No se trata solo de esperar hasta que ocurra un error, sino de tratar de identificar cuándo la condición de las piezas del equipo se está deteriorando con el tiempo.

Podemos instrumentar el equipo, recopilar los datos y luego monitorear sus operaciones para obtener información de producción a fin de evitar esta falla:intervenir antes del problema.

Peter Gagg, MCP Consulting Group:El primer pensamiento de todos es que los datos de los sensores es todo lo que necesita para iniciar un programa de mantenimiento predictivo. Sin embargo, existen muchos otros tipos de datos que ya existen en una empresa.

Datos de los sistemas de gestión de edificios, historial de equipos, datos de PLC, sistemas de ejecución de fabricación, sistemas OEE, etc. Junto con la vibración, temperatura, presión, flujo, corriente y voltaje habituales.

Realmente se trata de unir todo, identificar los parámetros que realmente necesita usar dentro del régimen predictivo y ver cómo están todos interconectados.

Jim Davison, Make UK:Se trata de entender realmente los parámetros críticos dentro de su proceso, maquinaria o producto. Comprenda cuáles son las entradas que pueden afectar si una pieza es buena o mala, o si una máquina puede funcionar con las capacidades nominales de manera confiable y repetida.

Una vez que pueda comprender eso y conocer su proceso, puede capturar los datos que son importantes y pueden influir en los parámetros que está buscando. Luego muéstrelo de una manera que sea útil.

Alexander Hill:En los equipos industriales modernos, ya hay una gran cantidad de datos disponibles y capturados. Cosas como corriente, temperatura, presión, tiempos de ciclo. Estas son cosas que en realidad se pueden usar con fines de monitoreo de condición, pero a menudo no se usan; en cambio, solo se usan para controlar el proceso.

Podemos tomar estas medidas y usarlas para comprender el estado de la máquina. Construimos modelos de las máquinas automáticamente, utilizando los datos disponibles. Luego, ayudamos a nuestros clientes a comprender a qué deben prestar atención desde la perspectiva de la máquina. Sin decir 'mire todos estos datos sin procesar', en realidad los eliminamos, los abstraemos y nos aseguramos de que puedan entender a qué activos, entre cientos y miles, deben prestar atención.