Mengubah Data Kecil menjadi Wawasan Big Data untuk Manufaktur
Fasilitas manufaktur menghasilkan jumlah data operasional yang besar dari peralatan produksi otomatis mereka, perangkat pemantauan kondisi, dan sensor serta sistem lain. Seiring perusahaan semakin menyadari potensi yang terkunci dalam aset-aset ini, mereka bertanya bagaimana inisiatif Industrial Internet of Things (IIoT) dapat membantu mengakses informasi ini dan menciptakan wawasan yang berguna. Namun, banyak upaya untuk mengatasi ini melalui proyek mega perusahaan gagal memenuhi harapan karena ukuran dan kompleksitasnya yang besar. Pendekatan yang lebih baik mungkin adalah memulai dengan data "kecil" di sumber untuk membangun hingga big data menggunakan computing tepi, aplikasi terfokus, dan konektivitas terbuka.
Transformasi digital bukanlah tugas yang dilakukan sekali dan selesai. Namun, mengambil proyek yang terlalu besar dapat dengan cepat menghambat upaya. Hanya menghubungkan banyak produsen data yang berbeda bisa sulit, namun mentransmisikan, memproses, dan menyimpan data tersebut — secara lokal atau di cloud — adalah upaya yang sama besarnya. Oleh karena itu, proyek yang paling sukses dimulai dari bawah ke atas menggunakan data tingkat mesin daripada dari atas ke bawah pada tingkat perusahaan ( Gambar 1).
Fokuskan bidang pandang pada tantangan dan aset tertentu dapat memberikan return segera dibandingkan mengumpulkan semua data yang mungkin dan mencoba menemukan kemungkinan tanpa pernyataan masalah yang jelas. Personel pabrik dapat memprioritaskan wawasan yang mengatasi masalah operasional sehari-hari dan memilih data yang paling relevan dari titik penginderaan yang ada atau bahkan baru. Namun, ini mengungkapkan tantangan baru: data yang diinginkan biasanya tidak secara aktif disimpan dalam sistem kontrol.
Misalnya, saat mengalami downtime berlebihan dengan mesin baru, tidak mengumpulkan data berarti operator tidak dapat menemukan penyebab akar. Setiap tindakan yang diambil bersifat reaktif terhadap pengamatan setelah kegagalan terjadi. Menerapkan proyek data kecil, pengguna dapat mengumpulkan data dari sistem kontrol bersama dengan sensor tekanan udara dan getaran baru. Dengan mengumpulkan dan menganalisis data secara real-time dalam konteks mesin, operator dapat dengan cepat menemukan penyebab akar dan mengatasi masalah, yang mengarah pada uptime yang ditingkatkan.
Sumber data produksi umumnya merupakan bagian dari domain teknologi operasional (OT), yang mencakup pengontrol logika terprogram (PLC), perangkat gerak, dan banyak jenis sensor dan instrumen. Namun, berkomunikasi, menyimpan, dan memproses jumlah data yang besar memerlukan kemampuan teknologi informasi (IT).
Kunci untuk menjembatani OT dan IT— dan memungkinkan personel yang tadinya di kedua sisi pembagian ini untuk bekerja kolaboratif — ditemukan dalam generasi baru pengontrol tepi (Gambar 2). Pengontrol tepi menggabungkan kontrol deterministik real-time menggunakan bahasa IEC 61131-3 dengan komputasi berbasis Linux untuk tujuan umum untuk menciptakan platform IIoT yang kuat yang dapat dibangun ke dalam desain baru atau diintegrasikan ke dalam sistem lama.
Generasi baru pengontrol ini juga menggabungkan protokol OT tradisional seperti PROFINET dan Modbus TCP dengan protokol IT modern seperti OPC UA dan MQTT, sehingga memungkinkan konektivitas yang lancar antara sumber data tepi dan platform perusahaan yang lebih tinggi seperti MES, ERP, manajemen pemeliharaan, dan sistem analitik lainnya.
Banyak pengguna akhir menyadari mereka dapat mendapat manfaat dari IIoT tetapi mungkin dengan benar khawatir bahwa serangkaian besar pada big data mungkin tidak akan berhasil. Sebaliknya, dengan mendekati IIoT dengan data kecil, pengontrol tepi, dan analitik yang terfokus, pengguna ini akan mencapai return awal, yang membantu mendorong mereka lebih cepat dalam perjalan transformasi digital mereka.
Artikel ini ditulis oleh Derek Thomas, Wakil Presiden Pemasaran dan Strategi untuk bisnis Machine Automation Solutions Emerson, St. Louis, MO. Untuk informasi lebih lanjut, kunjungi di sini .
