Pelacakan: Fondasi Utama Keberhasilan Manufaktur dengan IIoT
Pelacakan: Fondasi Utama Keberhasilan Manufaktur dengan IIoT
Teknologi Industrial Internet of Things (IIoT) dapat menghasilkan peningkatan dramatis dalam kualitas produksi dan throughput, tetapi mereka seringkali bukan solusi plug-and-play yang banyak perusahaan di sektor manufaktur harapkan. Untuk mendapatkan nilai maksimal dari solusi IIoT, produsen perlu memahami secara menyeluruh sifat operasi mereka dan berinvestasi dalam sistem pelacakan real-time yang kuat untuk mengumpulkan data yang relevan secara proaktif dan sistematis.
Sistem pelacakan menggunakan metode identifikasi seperti barcoding dan radio-frequency identification (RFID) untuk mengumpulkan dan menganalisis data tentang pergerakan barang dalam proses dan barang jadi di seluruh pabrik dan rantai pasok. Sebuah metode yang relatif sederhana untuk melacak produk dan komponen, pelacakan kini telah berkembang menjadi strategi yang kuat untuk mengoptimalkan produktivitas, kualitas, dan reputasi merek dalam operasi manufaktur dengan mengaitkan produk dengan parameter proses dan masukan bahan baku.
Dari Pelacakan Produk Sederhana hingga Visibilitas Proses Komprehensif
Transformasi pelacakan seiring waktu — dari pembacaan barcode dasar bagian dan produk individual hingga sistem yang memungkinkan penyelidikan mendalam terhadap bottleneck dan masalah kualitas — menawarkan berbagai cara untuk memvisualisasikan praktik manufaktur yang meluas ini. Omron telah memecah perubahan ini menjadi empat fase umum, yang culminate dengan fase Traceability 4.0 yang menggabungkan solusi track-and-trace tingkat bawah dengan teknologi Industry 4.0 dan IIoT yang canggih.
Traceability 1.0 tentang identifikasi otomatis produk untuk mendorong akurasi dan efisiensi. Kemampuan untuk menandai bagian dan kemudian melacaknya menggunakan pembaca barcode adalah inovasi yang luar biasa dan strategi ini telah meningkatkan efisiensi dan akurasi manufaktur selama pemrosesan sejumlah besar item atau transaksi diskrit.
Traceability 2.0 tentang manajemen inventaris dan memenuhi kebutuhan masyarakat. Produsen mengidentifikasi penggunaan tambahan untuk barcode — khususnya kemampuan untuk melacak materi dalam fasilitas manufaktur dan di seluruh rantai pasok. Strategi ini telah memungkinkan produk recall yang terarah, mengurangi biaya perbaikan kualitas, dan meningkatkan kepercayaan konsumen.
Traceability 3.0 tentang optimasi manufaktur dan keamanan rantai pasok dengan fokus pada semua komponen bahan baku dan subkomponen yang dibutuhkan untuk membangun produk serta produk jadi dengan nomor seri yang dienkode. Ini membantu memastikan keaslian produk dan memberikan fondasi yang kuat untuk program anti-palsu.
Traceability 4.0 adalah gabungan dari semua di atas, bersama dengan parameter mesin dan proses untuk mencapai tingkat kualitas, produktivitas, dan overall equipment effectiveness (OEE) yang tertinggi. Meskipun beberapa produsen telah mengadopsi Traceability 4.0, itu mewakili masa depan untuk sebagian besar. Mereka yang mengadopsi strategi ini naik ke garis depan manufaktur dan perlindungan merek.
Itu adalah tahap akhir — dan kumulatif — pelacakan di mana IIoT sepenuhnya didukung dan fungsional. Dengan jenis data yang dibawa Traceability 4.0, produsen dapat dengan mudah menjawab berbagai pertanyaan terkait produksi seperti mesin mana yang bekerja pada produk apa pada waktu apa dan siapa yang mengoperasikan mesin pada waktu itu. Potensi skenario diagnostik dan analitik proses adalah tak terbatas dan perbaikan substansial timbul di banyak area ketika data mesin dan proses yang relevan dikumpulkan secara sistematis.
Mendorong Keputusan Manufaktur
Solusi IIoT, pada dasarnya, membangun jembatan antara proses tingkat bawah yang terjadi di lantai pabrik dan tujuan bisnis menyeluruh. Komponen kunci dalam pandangan menyeluruh ini dari operasi manufaktur sebuah perusahaan adalah data, yang diperoleh, diorganisir, dan digunakan melalui sistem pelacakan. Saat mengimplementasikan sistem pelacakan, pertanyaan berikut harus dipertimbangkan untuk membantu menentukan persyaratan.
Bagaimana komponen aliran atau bahan baku dikonfirmasi sebagai kompatibel berdasarkan informasi yang dienkode dalam barcode, tag RFID, atau pengidentifikasi lain?
Melalui proses apa bagian tertentu bergerak selama produksi?
-
Perkakas produksi, parameter proses, dan skrip pengujian apa yang harus digunakan saat melakukan langkah proses tertentu untuk item tertentu dalam lingkungan manufaktur fleksibel?
Komponen apa yang digunakan pada subassembly tertentu?
Data apa yang harus dikumpulkan di setiap langkah proses dan bagaimana data itu harus dibuat tersedia untuk aplikasi MES atau Historian tingkat lebih tinggi?
Keputusan real-time apa yang dapat dibuat berdasarkan data yang dikumpulkan?
Saat produsen mengimplementasikan sistem pelacakan yang mempertimbangkan faktor di atas, mereka akan dapat mendukung proses yang semakin kompleks dan halus. Akhirnya, bahkan komponen paling dasar — seperti saklar pintu atau sensor proximity — akan mampu jaringan. Verifikasi rangkaian, jaminan kualitas, dan kontrol bill of material (BOM) semuanya dapat dioptimalkan secara efektif dengan strategi Traceability 4.0 yang menggunakan teknologi manufaktur cerdas seperti sensor IO-Link-enabled.
IO-Link adalah inovasi terbaru yang mendasari banyak perangkat “cerdas” untuk menyediakan koneksi antara sensor/aktuator dan modul antarmuka yang membantu memperoleh lebih banyak informasi dari sensor sendiri di luar pembacaan ON/OFF dasar. Nilai proses, parameter, dan pesan diagnostik kini dapat ditukarkan, memperluas kumpulan informasi yang tersedia dan memungkinkan berbagai opsi proses.
Selain menyediakan lebih banyak data untuk dikerjakan, komponen cerdas juga membantu mengurangi biaya konstruksi mesin dan pemeliharaan secara keseluruhan dengan beralih dari solusi kabel langsung tradisional ke solusi jaringan untuk komponen individu peralatan mereka. Dengan komponen cerdas di jaringan, penggantian perangkat yang gagal secara harfiah plug-and-play dan beberapa OEM telah melaporkan pengurangan hingga 38% dalam biaya kabel.
Apa Selanjutnya untuk Pelacakan dan IIoT?
Kecerdasan buatan (AI) semakin banyak digunakan untuk mendukung aspek baru dari manufaktur. Penerapan algoritma ini dalam cloud untuk memantau dan mendukung proses bukanlah hal baru, tetapi produsen mulai menarik AI keluar dari cloud dan mendorongnya ke mesin untuk mempengaruhi manufaktur pada mesin tertentu secara real time. Sebagai bagian dari sistem pelacakan, ia dapat mengidentifikasi tren ketika ada terlalu banyak variabel untuk memungkinkan pemrograman eksplisit.
Itu dikatakan, penting untuk diingat apa yang dilakukan AI dan apa yang tidak dilakukan. Ini pada dasarnya cara canggih untuk memproses data dan oleh karena itu, memerlukan keahlian manusia untuk menentukan data mana yang akan digunakan dan cara menggunakannya. Membiarkan algoritma berfungsi sebagai “black box” tanpa pemahaman yang kokoh tentang kerumitan garis produksi mungkin bukan resep untuk bencana tetapi juga bukan resep untuk keberhasilan. Produsen perlu memahami jenis informasi apa yang dikumpulkan untuk setiap proses dan mengapa informasi itu penting.
Esensialnya, ini adalah mengapa strategi pelacakan yang jelas harus dipertimbangkan untuk adopsi teknologi IIoT oleh produsen apa pun. Pelacakan, menurut definisi, adalah cara untuk mengumpulkan dan mengorganisir data lantai pabrik secara real time. Jika data ini dikumpulkan secara acak dengan pemahaman minimal tentang pentingnya, itu bukan pelacakan yang efektif dan bukan fondasi yang dapat diimplementasikan untuk menerapkan solusi manufaktur cerdas. Manufaktur cerdas yang diaktifkan IIoT memerlukan solusi pelacakan yang terorganisir dengan baik.
Semakin banyak wawasan produsen tentang proses mereka, semakin dekat mereka akan berada pada tujuan akhir solusi IIoT plug-and-play berdasarkan kebutuhan spesifik yang ditargetkan. Ini adalah jenis kesenjangan yang paling efektif diisi oleh AI. Meskipun membangun sistem Traceability 4.0 yang kuat dan real-time yang benar-benar mencerminkan arsitektur garis produksi dapat menjadi tugas yang menakutkan, bukan tugas yang tidak terhargai. Nilai besar dari upaya tersebut akan terlihat dalam kemudahan dengan mana data dapat dimanipulasi untuk menawarkan wawasan.
Artikel ini ditulis oleh Felix Klebe, Marketing Manager – Sensor and Advanced Sensing, Omron Automation Americas, Hoffman Estates, IL. Untuk informasi lebih lanjut, kunjungi di sini.
