Bagaimana Manufaktur Otomotif Dapat Mengambil Manfaat dari IoT?

Industri otomotif — seperti banyak sektor manufaktur lainnya — sedang mengalami transformasi digital besar-besaran saat ini.

Munculnya teknologi Industri 4.0 — yang mencakup perangkat IoT industri (IIoT), serta AI dan analitik data besar — ​​telah mengganggu manufaktur secara keseluruhan. Hal ini mendorong pemilik pabrik untuk mengadopsi teknologi dan solusi baru yang memungkinkan mereka merampingkan alur kerja atau mengoptimalkan manajemen pabrik.

Peluncuran 5G telah membuat teknologi IIoT lebih praktis dan bermanfaat dari sebelumnya, termasuk bagi produsen otomotif. Ini adalah manfaat utama yang dapat mereka peroleh dari penerapan solusi IIoT di pabrik mereka dan mengadopsi teknologi IIoT dengan cara yang seefektif mungkin.

Cara Kerja Armada IIoT di Pabrik Otomotif

Armada IIoT dengan ukuran yang sesuai dapat mengumpulkan sejumlah besar data tentang cara kerja pabrik — mulai dari alat berat dan waktu tugas hingga perpindahan inventaris.

Dengan sensor yang cukup mengumpulkan informasi yang tepat, dimungkinkan untuk membuat pandangan menyeluruh tentang seperti apa proses pabrik sebenarnya dari hari ke hari. Hal ini dapat mempermudah penyelia untuk menemukan potensi inefisiensi.

Misalnya, satu produsen dapat menggunakan perangkat IIoT untuk keterlacakan — melacak suku cadang dan komponen saat mereka bergerak melalui proses produksi. Dengan data yang benar, perusahaan ini dapat menemukan bahwa barang yang diproduksi secara tidak benar berasal dari pabrik yang sama atau mesin tertentu.

Orang lain mungkin menemukan bahwa sesuatu yang sederhana seperti perubahan tata letak lantai, seperti pelebaran lorong gudang, dapat menghemat waktu dan menciptakan lingkungan kerja yang lebih aman.

Sistem IIoT adalah salah satu cara pemilik pabrik dapat mengintegrasikan operasional dan teknologi informasi — dua investasi teknologi yang terkadang dapat dipisahkan satu sama lain. Produsen mobil biasanya membeli platform IIoT lengkap — yang mencakup sensor individual, mesin IoT, dan platform analitik — atau merakitnya sendiri.

Dalam kasus kedua, mereka biasanya akan mulai dengan mengidentifikasi masalah yang ingin mereka selesaikan di pabrik mereka atau KPI yang ingin mereka tingkatkan. Mereka kemudian akan mencari sumber sensor yang mereka butuhkan untuk melacak data yang terkait dengan masalah atau KPI tersebut, bersama dengan platform analitik IIoT terbuka yang akan mengoordinasikan perangkat IIoT tersebut dan mengatur data yang mereka kumpulkan.

Pengambilan Keputusan yang Dibantu Dengan Data IIoT

Data yang dikumpulkan dapat membantu lebih dari sekadar membantu supervisor mengoordinasikan staf dan menyesuaikan alur kerja. Ini juga dapat memungkinkan mereka membuat keputusan yang lebih baik dan memberikan masukan tentang cara memengaruhi alur kerja atau kualitas produk di masa mendatang.

Misalnya, banyak produsen mobil harus memutuskan apakah mereka ingin menggunakan pasivasi atau elektropolishing untuk membuat suku cadang yang tahan korosi. Kedua metode memiliki kelebihan dan kekurangan yang unik. Tidak selalu jelas apa dampak satu proses terhadap efisiensi atau kinerja bagian. Saat memutuskan mana yang akan digunakan, supervisor juga dapat mempertimbangkan suku cadang yang sedang diproduksi, mesin yang tersedia, dan alur kerja pabrik yang ada.

Jumlah variabel yang perlu mereka lacak mungkin membuat sulit untuk memutuskan metode mana yang terbaik. Data kinerja komponen historis, informasi operasional, dan lainnya dapat membantu supervisor membuat keputusan.

Teknologi serupa dapat membantu pembuat mobil memutuskan di antara hasil akhir tertentu, paduan baja tahan karat, atau bentuk komponen untuk model kendaraan tertentu.

Satu Kasus Penggunaan untuk IIoT Otomotif:Pemeliharaan Pencegahan Menjadi Pemeliharaan Prediktif

Salah satu aplikasi IoT yang paling populer di bidang manufaktur adalah pemeliharaan prediktif. Pemilik pabrik menggunakan perangkat IIoT untuk mengumpulkan informasi operasional pada mesin tertentu. Data ini dapat mencakup suhunya dari waktu ke waktu atau pola pergerakan atau getarannya. Dalam beberapa kasus, sensor dapat mendengarkan suara supersonik dan suara yang mengindikasikan kebocoran gas.

Ketika dimasukkan ke dalam algoritma AI atau metode analitik data besar, metode ini dapat memperkirakan kesehatan mesin secara real time. Seringkali, dengan informasi yang tepat, sistem ini dapat secara akurat memprediksi kegagalan mesin yang akan datang.

Jika diberikan kontrol atas sistem alat berat, sistem pemeliharaan prediktif bahkan mungkin dapat memaksa mesin mati secara paksa di ambang kegagalan, yang berpotensi menghindari kerusakan atau cedera pada pekerja di sekitar.

Pemeliharaan preventif adalah pendekatan standar industri untuk sebagian besar produsen. Pemeriksaan terjadwal secara teratur memastikan kondisi kerja yang baik dan perbaikan yang dapat memperpanjang masa pakai alat berat dan mengurangi risiko kegagalan mendadak yang tidak terduga.

Pendekatan ini tidak sempurna, namun. Membuka mesin untuk perawatan dapat membahayakan elektronik dan komponen sensitif. Proses ini dapat membuat bagian dalam alat berat terpapar debu, kelembapan, dan kontaminan lainnya.

Pekerja dan operator mesin mungkin tidak memiliki informasi awal jika terjadi kegagalan di antara pemeriksaan. Mereka akan tetap menghadapi risiko cedera dan waktu henti yang sebenarnya dapat dihindari dengan perbaikan yang tepat.

Pemeliharaan prediktif dapat membantu menyelesaikan beberapa masalah ini dan memberikan pemberitahuan awal kepada supervisor dan pekerja tentang kegagalan mesin.

Dalam hal biaya, pemeliharaan prediktif dapat memberikan penghematan 8-12% dibandingkan perawatan pencegahan, menurut ringkasan studi sebelumnya oleh Departemen Energi AS. Penghematan naik hingga 30-40% untuk bisnis yang menggunakan perawatan reaktif atau memperbaiki mesin ketika ada sesuatu yang tampaknya rusak atau tidak berfungsi.

Pemeliharaan prediktif juga dapat menghemat waktu henti bisnis dan cedera yang mungkin terjadi akibat kegagalan alat berat secara tiba-tiba.

Mengadopsi Pemeliharaan Prediktif

Produsen yang ingin mengintegrasikan pendekatan semacam ini memiliki dua opsi. Mereka dapat membeli solusi pemeliharaan prediktif lengkap atau menggabungkan teknologi dari berbagai vendor untuk mengumpulkan dan memproses data pemeliharaan.

Produsen yang ingin membangun solusi mereka sendiri dengan teknologi dari beberapa vendor harus mulai dengan data yang perlu mereka kumpulkan. Misalnya, sensor getaran sering digunakan untuk melacak kinerja mesin dengan komponen yang berputar.

Mereka kemudian perlu menemukan pemeliharaan prediktif yang ada atau platform analisis data besar yang kompatibel dengan sensor IoT pilihan mereka.

Produsen juga harus merencanakan periode fase-in, di mana data dasar akan dikumpulkan. Periode ini memungkinkan algoritme analitik untuk membangun statistik pada kinerja mesin "normal".

Manfaat Utama dan Praktik Terbaik untuk IIoT Manufaktur Otomotif

Perangkat IIoT dapat menawarkan manfaat besar bagi produsen otomotif. Mereka menawarkan berbagai kegunaan, seperti kemampuan untuk mengumpulkan sejumlah besar data yang dapat membantu meningkatkan pemahaman tentang pabrik dan proses manufakturnya.

Produsen yang ingin mengadopsi teknologi tersebut harus memahami dengan jelas apa yang ingin mereka tingkatkan atau kasus penggunaan IoT tertentu yang ingin mereka terapkan.