Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Manufacturing Technology >> Sistem Kontrol Otomatisasi

SMIP CESMII bersinar dalam uji coba

PENGELOLAAN DATA:Perangkat lunak agnostik vendor baru untuk analitik prediktif yang didemonstrasikan di NC State

Dalam demonstrasi baru-baru ini dari Platform Inovasi Manufaktur Cerdas (SMIP) vendor-agnostik dari CESMII, mitra proyek pertama-tama membantu manajer pabrik pemurnian air North Carolina State University mendapatkan uang receh dan menganalisis data yang mereka kumpulkan dengan instrumen pintar.

“Otomasi telah berlangsung selama lebih dari 100 tahun,” kata Niels Andersen, salah satu pendiri mitra proyek ThinkIQ. “Kami memiliki banyak pengumpulan data, tetapi sangat sedikit data yang digunakan. Data tidak memiliki arti, tidak memiliki konteks, dan tidak disatukan dengan cara yang dapat kami analisis.”

Bagian penting lainnya dari proyek ini termasuk memastikan semua peralatan pengumpulan data memiliki nama yang sepenuhnya memenuhi syarat, menggunakan basis data grafik untuk memetakan hubungan yang beragam, berfokus pada satu standar (idealnya OPC UA), memastikan bahwa sistem dan protokol yang berbeda dapat berkomunikasi satu sama lain, dan mengembangkan model peralatan virtual yang lebih baik.

Hasil akhirnya adalah SMIP yang menstandarisasi penerapan manufaktur cerdas dan menggantikan tugas kustom dengan platform berulang, agnostik pabrikan, dan mudah digunakan yang akan memungkinkan pabrik dengan ukuran berapa pun memanfaatkan semua data mereka.

CESMII (Lembaga Inovasi Manufaktur Cerdas Energi Bersih) bermaksud untuk memiliki SMIP versi 1.0 yang kuat pada akhir tahun ini, kata Jonathan Wise, VP teknologi di CESMII.

Untuk mendapatkan analitik prediktif di pabrik NC State—dianggap sebagai lingkungan seperti manufaktur—mitra proyek ThinkIQ, Savigent, Seeq, Syspro, Semiotic Labs, dan Microsoft berfokus pada pengintegrasian beberapa teknologi dari silo terpisah dan meningkatkan PC yang memantau kualitas air, kata Tim Shope, direktur transformasi digital di integrator sistem Avid.

Sebelum peningkatan versi, tugas dasar seperti mengumpulkan data historis selama seminggu membutuhkan waktu terlalu lama.

Selanjutnya, tim ThinkIQ dan yang lainnya menggunakan mesin analitik dari Seeq untuk menarik data real-time dari lingkungan infrastruktur yang dapat diprogram di OSISoft, menganalisis membran pada filter osmosis balik, menggabungkan semua data menggunakan SMIP CESMII, dan menetapkan tingkat kondisi kapan membran perlu diganti—tindakan yang secara otomatis akan memulai perintah kerja melalui perangkat lunak Savigent, kata Shope.

Langkah selanjutnya adalah mengembangkan model untuk pompa air dengan kemurnian tinggi, sebuah pompa yang sangat penting sehingga pompa cadangan berada di sampingnya untuk mematikan gaya NASCAR dengan cepat jika alarm menunjukkan a masalah tekanan atau masalah lainnya, katanya.

Sensor IoT memantau pompa dari jarak jauh dalam sistem pembelajaran mesin. Setelah beberapa minggu, alat ini mempelajari bentuk gelombang tanda tangan pompa sehingga dapat mendeteksi apakah pompa bekerja sesuai desain atau jika mulai mengalami masalah mekanis atau elektrik.

Platform baru ini dapat memprediksi kegagalan motor hampir empat bulan sebelumnya, katanya.

Para mitra juga memberi masing-masing pompa nama yang berbeda. “Jika semua pompa diberi label Pump_01, kami tidak memiliki konteksnya,” kata Andersen. “Sangat penting untuk memberikan nama lengkap dan memiliki beragam alat untuk memberikan makna.”

Idealnya, setiap pompa diberi nama dengan cara yang mengidentifikasi nama mesin, nama jalur pompa, nama pabrik, pemasok yang membuat pompa, kata Wise. Beberapa produsen menawarkan sistem penamaan yang sepenuhnya memenuhi syarat tetapi banyak yang tidak.

Pada tahap selanjutnya dari proyek CESMII, pemetaan ini akan otomatis, katanya.

NC State center pertama yang mendapatkan SMIP

CESMII pada bulan April meluncurkan Smart Manufacturing Innovation Center (SMIC) baru di NC State. Ini adalah yang pertama dari empat SMIC CESMII yang memiliki SMIP berlapis. Tiga pusat lainnya berada di UCLA, Texas A&M, dan Rensselaer Polytechnic Institute.

Pada pertemuan tahunan virtual CESMII baru-baru ini, CEO John Dyck mengatakan bahwa dia mencari lebih banyak SMIC di, misalnya, bidang robotika, otomotif, kimia, baja, dan AI/pembelajaran mesin.

Tujuan SMIC adalah untuk menghubungkan produsen, vendor teknologi, integrator sistem, dan penyedia peralatan dengan akademisi, “menunjukkan dan mendorong penelitian dan inovasi yang berskala ke semua manufaktur AS,” kata organisasi publik-swasta.

SMIP akan menjadi spesifikasi terbuka

CESMII akan memublikasikan SMIP sebagai spesifikasi terbuka—sehingga vendor mana pun dapat menggunakannya, kata Wise.

“Kami menang jika ide-ide ini diadopsi di tempat lain dalam industri ini. Ini membutuhkan tingkat altruisme yang beberapa pabrikan ragu-ragu karena mereka tidak yakin itu akan berhasil, ”katanya.

“Waktunya telah tiba untuk satu tingkat solusi terbuka untuk anak cucu sehingga kami dapat fokus pada masalah lain,” tambah Wise.

'Ruang putih' yang bermasalah

Salah satu tantangan terbesar adalah bahwa “setiap fasilitas telah melakukan penggabungan infrastruktur, sistem, peralatan, dan peralatan selama ini,” kata Mark Besser, VP senior untuk kesuksesan pelanggan di Savigent. “Semua investasi itu dilakukan dengan sangat spesifik karena mereka memecahkan masalah atau tantangan pada satu titik waktu. Banyak dari teknologi tersebut dibuat khusus untuk memecahkan masalah tersebut. Namun ketika Anda melihat lebih luas di seluruh lanskap, Anda mulai melihat semua ruang kosong yang ada di antara teknologi tersebut.”

Dalam kasus lain, produsen mungkin ingin mengintegrasikan teknologi dari vendor yang berbeda tetapi tidak bisa karena sistem ini tidak dirancang untuk menyatu dengan platform berpemilik lainnya.

Tujuannya adalah untuk mendapatkan semua data yang tersedia untuk meningkatkan efisiensi dan keandalan tanpa melanggar anggaran atau memaksa produsen untuk berpindah vendor, kata Wise.

Misalnya, jika produsen menjalankan perangkat lunak dari Perusahaan A dan menginginkan solusi pemantauan energi dari Perusahaan B, seringkali satu-satunya jalan adalah dengan menghapus sistem Perusahaan A dan menginstal Perusahaan B.

Shope menambahkan:“Kami tidak dapat menghapus semua platform vendor dari fasilitas kami hari ini. Kita harus pergi ke tempat agnostik vendor itu.”

Tujuannya adalah untuk menurunkan biaya penyiapan infrastruktur

Sekitar 70 persen dari biaya proyek pabrik digital adalah memasang struktur otomatisasi, menghubungkan data, dan membuat infrastruktur, kata Wise. 30 persen sisanya menciptakan nilai baru dari data tersebut, seringkali dengan mengembangkan aplikasi.

Namun seringkali, seluruh anggaran pabrik digital dihabiskan untuk menyiapkan infrastruktur jauh sebelum proyek pengembangan aplikasi untuk menganalisis data dapat dimulai.

Dengan SMIP, CESMII bertujuan untuk menurunkan biaya 70 persen itu sehingga produsen dapat memfokuskan anggaran pada aplikasi untuk menganalisis data, kata Wise.

Transformasi ini tidak akan terjadi sekaligus. “Itu tidak akan menjadi saklar lampu,” kata Shope. “Kami memiliki basis manufaktur besar di A.S. Sistem ini perlu dimigrasikan dan diadopsi selama periode waktu tertentu.”


Sistem Kontrol Otomatisasi

  1. Apa itu Diferensial?
  2. Evolusi Otomasi Tes dengan Kecerdasan Buatan
  3. Peningkatan Efisiensi Energi dalam Sistem Pemompaan
  4. Letsdig18, Dirt Perfect dan Juan Ibarra Test Drive Peralatan Konstruksi Listrik
  5. NexAIoT bermitra dengan QualityLine untuk mendorong Industri 4.0
  6. Dasar-dasar Pompa
  7. Terhubung
  8. Produsen Didesak untuk Menggunakan AI
  9. Industri 4.0 Menghadirkan Tantangan Pelatihan
  10. Apa itu Pompa Tangan?