Memberdayakan Tim Manufaktur Digital Dengan Pengetahuan
Revolusi industri keempat telah memberikan kesempatan untuk memperoleh sejumlah besar data real-time dari proses manufaktur, dan potensi untuk hampir setiap permukaan diubah menjadi sensor untuk pengumpulan data . Namun apakah kekayaan data ini memberikan pengetahuan yang dibutuhkan tim digital untuk mengoptimalkan aktivitas mereka?
Dalam film ini, Alexander Hill dan Rob Russell dari Senseye bergabung dengan Dr. Hannah Edmonds dari Manufacturing Technology Centre, Jim Davison dari Make UK, dan Peter Gagg dari MCP Consulting Group, untuk mendiskusikan data apa yang harus dikumpulkan oleh produsen dan bagaimana, bagaimana kumpulan data yang ada dapat digunakan kembali untuk mendorong wawasan baru dan nilai yang lebih besar, dan bagaimana proses seperti pemeliharaan dapat dirancang ulang untuk memenuhi kebutuhan para insinyur di lantai produksi.
Transkrip
Alexander Hill, Senseye:Saya ingin mengatakan ini sesederhana 'Anda memiliki data dan pergilah'. Sayangnya, yang kami lihat adalah banyak organisasi memiliki terlalu banyak data. Jadi mencari tahu apa data yang benar dan apa yang perlu Anda pahami dari data itu adalah tantangannya.
Dr. Hannah Edmonds, Pusat Teknologi Manufaktur:Ada tantangan yang datang dengan memiliki banyak data, kita bisa sampai ke tahap saturasi data - terlalu banyak hal yang baik.
Rob Russell, Senseye:Dari perspektif pemeliharaan prediktif, kuncinya adalah mengumpulkan data pemantauan kondisi yang dapat digunakan untuk menilai keadaan mesin. Namun, sama pentingnya dengan informasi sensor tersebut, data dikumpulkan dengan konteks dan pada titik waktu yang tepat.
Dr. Hannah Edmonds:Pemantauan kondisi dan analitik dapat memungkinkan pendekatan pemeliharaan yang lebih proaktif. Tidak hanya menunggu sampai terjadi kesalahan, tetapi juga mencoba mengidentifikasi saat kondisi peralatan memburuk dari waktu ke waktu.
Kami dapat mengatur peralatan, mengumpulkan data, kemudian memantau operasinya untuk mendapatkan wawasan produksi guna mencegah kegagalan ini - campur tangan sebelum masalah terjadi.
Peter Gagg, MCP Consulting Group:Pikiran pertama semua orang adalah bahwa data dari sensor adalah semua yang Anda butuhkan untuk memulai program pemeliharaan prediktif. Namun, ada banyak jenis data lain yang sudah ada dalam bisnis.
Data dari sistem manajemen gedung, riwayat peralatan, data dari PLC, sistem eksekusi manufaktur, sistem OEE, dll. Bersama dengan getaran, suhu, tekanan, aliran, arus, dan tegangan yang biasa.
Ini benar-benar tentang menyatukan semuanya, mengidentifikasi parameter yang benar-benar perlu Anda gunakan dalam rezim prediktif, dan melihat bagaimana semuanya saling berhubungan.
Jim Davison, Make UK:Ini semua tentang benar-benar memahami parameter kritis dalam proses, mesin, atau produk Anda. Pahami input apa saja yang dapat memengaruhi baik atau buruknya suatu suku cadang, atau mesin dapat berjalan pada kemampuan papan nama dengan andal dan berulang kali.
Setelah Anda dapat memahaminya, dan mengetahui proses Anda, Anda dapat menangkap data yang penting dan dapat memengaruhi parameter yang Anda cari. Kemudian tampilkan itu dengan cara yang berguna.
Alexander Hill:Dalam peralatan industri modern, ada banyak data yang sudah tersedia dan sudah ditangkap. Hal-hal seperti arus, suhu, tekanan, waktu siklus. Ini adalah hal-hal yang sebenarnya dapat digunakan untuk tujuan pemantauan kondisi tetapi seringkali tidak - mereka hanya digunakan untuk mengontrol proses.
Kami dapat melakukan pengukuran ini dan menggunakannya untuk memahami kesehatan alat berat. Kami membuat model mesin secara otomatis, menggunakan data yang tersedia. Kemudian kami membantu pelanggan kami memahami apa yang perlu mereka perhatikan dari sudut pandang alat berat. Tanpa mengatakan 'lihat semua data mentah ini', kami benar-benar mengambilnya, mengabstraksikannya, dan memastikan mereka dapat memahami aset mana - dari ratusan dan ribuan - yang perlu mereka perhatikan.
