Mengubah Mesin Legacy menjadi Aset Berbasis Data untuk Operasi Modern

Saat setahun lalu, ketika Brad Klippstein dari Okuma America ingin mengeluarkan data operasional dari mesin perkakas legacy, dia harus menghubungkan puluhan kabel ke control cabinet dan menambahkan PLC. Setelah selesai, mengalir dari mesin perkakas ke PLC dan kemudian ke hub atau server di mana disimpan.

"Kami memiliki hal seperti Ethernet dan Wi-Fi dan semua teknologi ini yang dapat kita gunakan saat ini," ujar Klippstein, supervisor spesialis produk. "Tetapi peralatan dari 30 tahun lebih tidak memiliki kemampuan itu, jadi Anda harus secara fisik memasang perangkat ke control cabinet untuk mengekstrak semua data tersebut. Sekarang kami bahkan tidak perlu memiliki koneksi kabel [dengan mesin baru]. Anda dapat melakukan hal-hal secara nirkabel. Itu adalah transisi selama 30-40 tahun terakhir."

Sebagian dari pekerjaan Klippstein adalah untuk membantu pelanggan mengambil langkah diskrit ke dalam dunia Industry 4.0 yang terhubung, digital dan berbasis data—untuk mesin perkakas baru dan legacy.

Manfaat dapat meliputi:

• Pemantauan mesin perkakas real-time, di pabrik atau dari lokasi jarak jauh
• Peningkatan produktivitas dan kualitas
• Laporan tanpa bias
• Justifikasi akuisisi
• Pemeliharaan prediktif
• Menarik dan mempertahankan talenta terbaik yang bersemangat dengan prospek untuk belajar hal baru dan berada di garis depan proses modern.

Baik ditransmisikan melalui kabel atau udara, data yang dikumpulkan dari perangkat pabrik dapat membantu pemilik bengkel membuat keputusan bisnis yang lebih cerdas.

Dengan analisis data di tangan, pekerja akan memiliki visibilitas yang lebih tinggi pada operasi lantai pabrik, yang dapat membantu mereka memecahkan masalah, meningkatkan proses dan meningkatkan produktivitas.

Dengan kemajuan terbaru, pemilik bengkel mungkin bahkan tidak lagi membutuhkan seseorang seperti Klippstein untuk mesin perkakas legacy-nya.

Pada 2019, Okuma menghadirkan NET BOX suite-C Quick sebagai alternatif biaya rendah dari solusi engineered untuk mengumpulkan data dari mesin lama. NET BOX CQ, untuk singkatnya, terhubung langsung ke signal tower dan kemudian ke hub atau perangkat yang digunakan untuk menarik sinyal.

NET BOX CQ menggunakan tiga sensor optik—satu untuk lampu hijau, kuning dan merah di tower—dan mengonversi informasi yang mereka kumpulkan ke dalam format yang dapat dibaca oleh sistem komputer. Untuk mensyaratkan data yang dikumpulkan oleh perangkat lunak apa pun, Okuma menggunakan MT Connect, protokol komunikasi open-source yang sering digunakan.

"Mudah diinstal, dan Anda tidak perlu teknisi Okuma untuk melakukannya," ujar Klippstein tentang NET BOX CQ.

Untuk memulai, kemampuan untuk melihat apakah mesin berjalan adalah metrik yang bagus untuk dilacak karena pemilik bengkel biasanya ingin mendorong setiap peralatan ke produksi maksimum. Dia ingin overall equipment effectiveness (OEE) berada dalam kisaran 65-85 persen karena mesin hanya menghasilkan uang ketika berjalan.

"Jadi, hanya dengan menarik informasi itu—hijau, kuning, merah—saya dapat melacak dan mencari tren seiring waktu dan setidaknya melihat saat berhenti terjadi dan selama berapa lama," ujar Klippstein. "Dan kemudian saya akan mengambil langkah berikutnya dan berkata, 'Mengapa ini terjadi dan mengapa terus terjadi setiap hari pada pukul 2:30?' Jadi, sekarang saya dapat mencari tren. Setidaknya itu membawa saya satu langkah ke arah yang benar."

Christopher Rezny, manajer regional pusat untuk penyedia otomatisasi pabrik Fastems, mengatakan meski MT Connect dan perangkat lunak Okuma adalah media yang sangat baik untuk pengumpulan data, jumlah data yang terbatas yang tersedia dari mesin legacy bukanlah kekurangannya dibandingkan dengan mesin modern.

"Antarmuka dari mesin legacy lama kembali ke perangkat lunak internal lainnya yang digunakan, katakanlah sistem ERP sebagai contoh, juga sangat terbatas atau tidak ada, juga," katanya. "Ada juga masalah yang terkait dengan mekanisme umpan balik dari mesin lama ini mengenai protokol keselamatan untuk pengguna."

Pekerja lantai pabrik harus siap untuk perubahan

Meskipun keterbatasan yang dijelaskan Rezny, masih banyak data dan mesin untuk perusahaan seperti Okuma dan Excellerant Manufacturing untuk bekerja.

"Mayoritas bengkel memiliki peralatan legacy," ujar John Carpenter, presiden Excellerant Manufacturing. "Sebagian besar orang datang ke kami karena sejarah kami dengan peralatan legacy—mengetahui kabinet ini dari dalam dan luar—karena kami secara harfiah telah menghubungkan puluhan ribu mesin CNC selama bertahun-tahun dan kami telah mengumpulkan apa yang akan saya sebut rahasia perdagangan tentang cara terbaik untuk menghubungkan peralatan legacy ini."

Tujuan pertama saat dipanggil ke pelanggan baru adalah untuk memahami apa yang diinginkannya. Apakah orang itu hanya mencoba untuk membawa data dari lantai pabrik sehingga semua orang sadar akan apa yang sedang terjadi?

"Semua tentang masalah apa yang Anda coba selesaikan," ujar Carpenter. "Dan kemudian berikan Anda dasar untuk memulai. Sebagian besar pabrik belum sepenuhnya mengapresiasi data yang ada. Mereka baru merangkak saat ini. Saya akan masuk ke bengkel dan merasa sayang kepada mereka karena mereka bahkan belum sampai ke tahap merangkak."

Carpenter mengingat satu pelanggan di mana manajemen ingin transparansi dasar—data dari apa yang sedang terjadi di lantai pabrik. Dan pekerja lantai pabrik menolak untuk mengumpulkan data karena takut Big Brother memantau mereka.

Carpenter meninggalkan masalah untuk ditangani oleh manajemen pabrik. Tetapi dia menyadari pekerja tidak punya pilihan. Dia tahu pemimpin pabrik mencari data untuk mengukur produksi dan meningkatkan proses, bukan sebagai taktik Big Brother. Sayangnya, manajemen belum mempersiapkan karyawannya untuk perpindahan.

"Itu membuka begitu banyak mata di begitu banyak tingkat tetapi orang Anda harus siap untuk perubahan," katanya.

Setelah dasar-dasar dilacak—Apakah kita memotong? Jika kita memotong, apakah pada 100 persen? Dan jika tidak, apakah kita dalam mode produksi teredup?—dan data dikirim ke platform komunikasi dan data mesin real-time Excellerant, memungkinkan untuk menambahkan banyak sensor dan transducer untuk mendapatkan lebih banyak data.

Sensor dapat diintegrasikan untuk mengukur suhu, getaran, tekanan, aliran, konsentrasi dan lainnya.

"Anda harus menentukan apa yang penting," ujar Carpenter. "Kami dapat mengumpulkan segala macam data dari titik di lantai pabrik. Ada jumlah data yang besar ketika Anda memasuki analisis getaran dan patah alat. Daftar terus berlanjut."

Selalu ada cara untuk mengumpulkan lebih banyak data, tetapi terkadang menjadi dilarang biaya, katanya. Pemilik bengkel perlu menentukan berapa yang ingin dihabiskan untuk sensor untuk mendapatkan data ke level berikutnya.

"Typically, when you wrap this around some kind of OEE project, it’s a quick ROI,” Carpenter said.

Tahu pertanyaan yang harus ditanyakan

"Ini jelas masalah di seluruh industri, tetapi pertanyaan yang kami terima biasanya terbagi menjadi dua kategori," ujar Cory Weber, arsitek IIoT senior di Bosch Rexroth. "Itu adalah: Bagaimana saya meningkatkan kualitas produksi saya menggunakan IoT atau menggunakan IIoT? Atau itu adalah: Bagaimana saya meningkatkan efisiensi saya?

"Pertanyaan lain yang masuk adalah: Bagaimana saya mengurangi biaya produksi saya?"

Selain membantu menjawab pertanyaan terkait produksi ini, Weber memperkirakan 90 persen pelanggan ingin visualisasi real-time dan pemantauan mesin perkakas, on-site dan secara jarak jauh.

"Itu adalah langkah pertama, kan?" katanya. "Apa yang dilakukan [garis otomatis atau mesin perkakas] saya?"

Solusi Bosch Rexroth untuk mengeluarkan data dari mesin legacy adalah gateway IoT yang disebut PR-21, yang adalah komputer single-board kecil yang dikerasakan untuk lingkungan industri. Ini juga memiliki platform IIoT, ctrlX CORE, untuk menarik dan memproses data dan memindahkannya ke penyimpanan di server lokal atau di cloud.

Salah satu aplikasi yang lebih umum yang telah dilihat Weber untuk menggunakan data yang dikumpulkan adalah pemeliharaan preventif.

Penyesuaian jadwal pemeliharaan yang cerdas dan berbasis data adalah satu cara untuk menjaga mesin perkakas tetap berjalan sambil mengurangi biaya produksi dengan mengurangi boros.

"Saya tahu bahwa bahkan di fasilitas kami sendiri kami telah melakukan hal seperti beralih ke jam penggunaan sebagai ganti [kalender] jadwal pemeliharaan," ujar Weber.

Misalnya, Bosch Rexroth memiliki area pengujian hidrolik di mana pekerja dulu mengubah cairan setiap dua minggu. Setelah mereka memasang pemantauan terus-menerus pada mesin mereka dapat menyunting jadwal penggantian cairan menjadi berdasarkan waktu penggunaan vs waktu kalender.

"Saat Anda berbicara 50-60 galon cairan hidrolik atau lebih, itu bisa menjadi mahal," katanya.

Jenis cairan lainnya memiliki parameter yang harus dipenuhi untuk penggunaan optimal, baik berdasarkan konsentrasi, paparan panas atau faktor lainnya.

"Jika Anda dapat menguji secara teratur, Anda dapat mengubah pemeliharaan menjadi sesuai kebutuhan dan Anda dapat menghemat banyak uang dan melindungi kualitas," ujar Weber. "Itu adalah titik jual yang menarik dan buah rendah."

Weber mendapatkan pengetahuan domain untuk manufaktur saat tumbuh: Ayahnya memiliki bisnis manufaktur kecil. Pendidikan, bagaimanapun, ada di bidang teknologi informasi. Kedua pengetahuan domain manufaktur dan kecerdasan data diperlukan untuk mendapatkan manfaat dari implementasi Industry 4.0, katanya.

"Anda membutuhkan seseorang yang memahami proses sebenarnya," katanya. "Dan seseorang yang memahami proses dapat melihat data dan berkata, 'Ini tidak terlihat seperti apa yang seharusnya'."

Setelah data ada di tangan, kemungkinan tak terbatas, tergantung pada seberapa banyak pengguna ingin memprosesnya.

Jika pemilik bengkel beruntung memiliki seseorang dengan latar belakang data science yang nyata, dia bahkan dapat menjelajahi kecerdasan buatan.

"Ini adalah masalah mengumpulkan cukup data untuk membuatnya berharga dan kemudian, dan saya tidak dapat menekan ini cukup, mengetahui pertanyaan apa yang ingin Anda tanyakan pada data," katanya.

Nasihat terkait data Weber, tentu saja, berlaku untuk baik mesin baru dan legacy. Data mining untuk operasi cerdas berlaku untuk keduanya.