Memanfaatkan IoT untuk Mengubah Manufaktur Otomotif: Meningkatkan Efisiensi & Inovasi
Industri otomotif — seperti banyak sektor manufaktur lainnya — sedang melalui transformasi digital besar saat ini.
Kenaikan teknologi Industri 4.0 — yang mencakup perangkat IoT industri (IIoT), serta AI dan analitik big data — telah mengganggu manufaktur secara keseluruhan. Ini telah mendorong pemilik pabrik untuk mengadopsi teknologi dan solusi baru yang memungkinkan mereka untuk menyederhanakan alur kerja atau mengoptimalkan manajemen pabrik.
Peluncuran 5G telah membuat teknologi IIoT lebih praktis dan bermanfaat dari sebelumnya, termasuk untuk produsen otomotif. Ini adalah manfaat utama yang dapat mereka peroleh dari penerapan solusi IIoT di pabrik mereka dan adopsi teknologi IIoT dengan cara paling efektif yang mungkin.
Cara Kerja Armada IIoT di Pabrik Otomotif
Armada IIoT dengan ukuran yang sesuai dapat mengumpulkan sejumlah besar data tentang cara kerja pabrik — semuanya dari timing mesin dan tugas hingga pergerakan inventaris.
Dengan cukup sensor yang mengumpulkan informasi yang tepat, mungkin untuk membuat tampilan burung tentang apa yang sebenarnya terlihat proses pabrik sehari-hari. Ini dapat membuat jauh lebih mudah untuk pengawas mengidentifikasi ketidakefisian potensial.
Misalnya, satu produsen mungkin menggunakan perangkat IIoT untuk pelacakan — melacak bagian dan komponen saat mereka bergerak melalui proses produksi. Dengan data yang tepat, perusahaan ini dapat menemukan bahwa bagian yang diproduksi secara salah berasal dari pabrik yang sama atau mesin tertentu.
Yang lain mungkin menemukan bahwa sesuatu yang sederhana seperti perubahan tata letak lantai, seperti perlebaran lorong gudang, dapat menghemat waktu dan menciptakan lingkungan kerja yang lebih aman.
Sistem IIoT adalah satu cara pemilik pabrik dapat mengintegrasikan teknologi operasional dan teknologi informasi — dua investasi teknologi yang terkadang terisolasi satu sama lain. Produsen mobil biasanya atau 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 sensor yang mereka butuhkan untuk melacak data yang terkait dengan masalah atau KPI tersebut, bersama dengan platform analitik IIoT terbuka yang akan mengkoordinasi perangkat IIoT tersebut dan mengatur data yang mereka kumpulkan.
Pengambilan Keputusan yang Didukung Dengan Data IIoT
Data yang dikumpulkan dapat melakukan lebih dari sekadar membantu pengawas mengkoordinasi staf dan menyesuaikan alur kerja. Ini juga dapat membiarkan mereka membuat keputusan yang lebih baik dan memberikan umpan balik tentang cara mempengaruhi alur kerja atau kualitas produk di masa depan.
Misalnya, banyak produsen mobil harus memutuskan apakah mereka ingin menggunakan passivation atau electropolishing untuk membuat bagian yang tahan karat. Keduanya memiliki keuntungan dan kekurangan yang unik. Tidak selalu jelas dampak satu proses terhadap efisiensi atau performa bagian. Saat memutuskan mana yang akan digunakan, pengawas juga dapat mempertimbangkan bagian yang diproduksi, mesin yang tersedia dan alur kerja pabrik yang ada.
Jumlah variabel yang harus mereka pantau mungkin membuat sulit untuk memutuskan metode mana yang akan terbaik. Data performa komponen historis, informasi operasional dan lebih dapat membantu pengawas membuat keputusan.
Teknologi serupa mungkin membantu pembuat mobil memutuskan di antara finishing tertentu, alloy stainless steel atau bentuk komponen untuk model kendaraan tertentu.
Satu Use Case untuk IIoT Otomotif: Perawatan Pencegahan Menjadi Perawatan Prediktif
Salah satu aplikasi paling populer IoT dalam manufaktur adalah perawatan prediktif. Pemilik pabrik menggunakan perangkat IIoT untuk mengumpulkan informasi operasional pada mesin tertentu. Data ini mungkin termasuk suhu seiring waktu atau pola gerakan atau getarannya. Dalam beberapa kasus, sensor mungkin mendengarkan bunyi supersonik dan suara yang mengindikasikan kebocoran gas.
Saat dimasukkan ke dalam algoritma AI atau metode analitik big data, metode ini dapat mengestimasi kesehatan mesin secara real-time. Seringkali, dengan informasi yang tepat, sistem ini dapat secara akurat memprediksi kegagalan mesin yang akan datang segera.
Jika diberikan kontrol atas sistem mesin, sistem perawatan prediktif bahkan mungkin dapat memaksa pemadaman mesin di ambang kegagalan, potensial menghindari kerusakan atau cedera pada pekerja di sekitar.
Perawatan pencegahan adalah pendekatan standar industri untuk sebagian besar produsen. Pemeriksaan yang dijadwalkan secara teratur memastikan kondisi kerja yang baik dan perbaikan yang dapat memperpanjang umur mesin dan mengurangi risiko kegagalan tiba-tiba, tidak terduga.
Pendekatan ini tidak sempurna, namun. Membuka mesin untuk perawatan dapat mempersulit elektronika dan komponen sensitif. Proses ini mungkin mengekspos bagian dalam mesin ke debu, kelembaban dan kontaminan lainnya di lokasi.
Pekerja dan operator mesin mungkin tidak mendapat peringatan jika kegagalan terjadi antara pemeriksaan. Mereka masih akan berisiko cedera dan downtime yang avrebbe bisa dihindari dengan perbaikan yang tepat.
Perawatan prediktif dapat membantu mengatasi beberapa masalah ini dan memberikan pengawas dan pekerja peringatan dini tentang kegagalan mesin.
Dalam hal biaya, perawatan 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 yang tampak rusak atau bermasalah.
Perawatan prediktif juga dapat menyelamatkan bisnis dari downtime dan cedera yang mungkin terjadi sebagai akibat kegagalan mesin tiba-tiba.
Mengadopsi Perawatan Prediktif
Produsen yang ingin mengintegrasikan pendekatan ini memiliki dua opsi. Mereka dapat membeli solusi perawatan prediktif lengkap atau menggabungkan teknologi dari berbagai vendor untuk mengumpulkan dan memproses data perawatan.
Produsen yang ingin membangun solusi mereka sendiri dengan teknologi dari beberapa vendor harus memulai dengan data yang akan mereka kumpulkan. Misalnya, sensor getaran sering digunakan untuk melacak performa mesin dengan komponen berputar.
Mereka kemudian perlu menemukan platform perawatan prediktif atau analitik big data yang sudah ada yang kompatibel dengan sensor IoT yang dipilih mereka.
Produsen juga harus merencanakan periode fase-in, di mana data baseline akan dikumpulkan. Periode ini memungkinkan algoritma analitik untuk membangun statistik pada performa mesin “normal”.
Manfaat Utama dan Best Practices untuk IIoT Manufaktur Otomotif
Perangkat IIoT dapat memberikan manfaat besar bagi produsen otomotif. Mereka menawarkan berbagai macam penggunaan, seperti kemampuan untuk mengumpulkan sejumlah besar data yang dapat membantu meningkatkan pemahaman tentang pabrik dan proses manufaktur mereka.
Produsen yang ingin mengadopsi teknologi ini harus memahami dengan jelas apa yang ingin mereka tingkatkan atau use case IoT tertentu yang ingin mereka terapkan.
