Мониторинг производительности:проблемы, решения и преимущества

Посмотрите, как Интернет вещей и аналитика могут улучшить и улучшить мониторинг производительности промышленного оборудования и процессов.

Многие промышленные организации стремятся к цифровизации, чтобы помочь улучшить операции и повысить эффективность. Одной из основных областей, которой уделяется большое внимание, является использование Интернета вещей и аналитики для улучшения и улучшения мониторинга производительности промышленного оборудования и процессов.

Недавно представители RTInsights встретились с Андреасом Стайделе, старшим менеджером по корпоративным продажам Siemens. Мы обсудили отраслевые проблемы, связанные с мониторингом производительности, как Siemens MindSphere может помочь, а также преимущества использования такого решения IoT. Вот краткое изложение нашего разговора.

RTInsights:какие проблемы в отрасли возникают при мониторинге производительности?

Стейделе: В течение многих лет одной из самых больших проблем, с которыми сталкивались производители, был ручной ввод данных с использованием бумажных инструментов. Я думаю, что наиболее часто используемым инструментом по-прежнему является Excel. И это, конечно, инструмент, не подходящий для цифровизации. Вы получаете человеческие ошибки и проблемы с транскрипцией. Вы никогда не можете быть уверены, что ваши данные верны.

Еще одна проблема возникает из-за отсутствия стандартизации методов сбора данных. Если в вашей компании есть много разных инструментов, все они могут работать по-разному и иметь разные алгоритмы для сбора и представления данных.

Ландшафт оборудования также является проблемой, потому что, особенно на крупных заводах, они унаследовали или привезли много различных типов оборудования. У них разнородный ландшафт оборудования, который включает в себя различное аппаратное и программное обеспечение. Это затрудняет подключение к каждому устройству и получение данных с вашего оборудования вообще.

И, наконец, последняя проблема — недостающая информация, необходимая для того, чтобы ваши данные были информативными и доступными, чтобы вы могли делать выводы и извлекать из них пользу.

RTInsights:какие технологии и решения Siemens помогают решить эти проблемы?

Стейделе: Siemens предлагает промышленный IoT как сервисное решение под названием MindSphere, которое размещается в облаке. Он поддерживает хранилище данных, которые вы отправляете с вашего оборудования и машин в облако. Данные находятся в определенной модели данных. Он определяется в соответствии с вашими активами и машинами и имеет контекст вокруг него.

Кроме того, у нас есть приложения MindSphere. Эти приложения используют данные в MindSphere для выполнения аналитики и других функций. В случае управления производительностью он отображает определенные вами ключевые показатели эффективности и предоставляет данные о том, как ваши машины ведут себя с точки зрения качества, производительности и обслуживания.

У нас есть несколько приложений, которые работают вместе, чтобы создать очень надежное решение для мониторинга производительности:

• SIMATIC Notifier доставляет предупреждения и позволяет менеджерам отслеживать и контролировать состояние своих машин по всему миру. Он позволяет устанавливать пороговые значения и отслеживать данные временных рядов в MindSphere. Менеджер может реализовать рабочий процесс в приложении на основе этих данных.
• SIMATIC Performance Insight обеспечивает краткий обзор производительности машин и установок. С помощью приложения менеджеры могут получить доступ к полному обзору производительности своих машин, производственных линий и заводов по всему миру. Менеджеры также могут отслеживать показатели эффективности с течением времени и анализировать данные, например, за выбранные периоды времени, чтобы обнаружить неиспользованный потенциал производительности.
• SIMATIC Collaboration Board предлагает совместное решение для решения производственных задач. Приложение позволяет менеджерам обмениваться проблемами и решениями между командами и сайтами. Они также могут назначать задачи и управлять ими, а также отслеживать статус проблем и решений.

MindSphere объединяет возможности этих приложений и позволяет пользователям настраивать сквозные рабочие процессы для мониторинга производительности. Типичная ситуация с решением может заключаться в том, что менеджер получает предупреждение о том, что что-то не так. Менеджер просматривает и анализирует KPI и другие показатели, чтобы попытаться понять проблему. Затем менеджер может выполнить поиск в совместной базе данных, чтобы узнать, существует ли уже решение выявленной проблемы. Если нет, они могут использовать другие методы для решения проблемы, документируя то, что сработало, чтобы любой, кто столкнется с проблемой в будущем, мог извлечь пользу из их работы.

RTInsights:каковы преимущества использования такого решения Интернета вещей?

Стейделе: Если у вас есть правильное решение IoT, все ваши активы подключены, и вы отправляете данные в облачное пространство. Таким образом, они доступны не только локально, но и глобально, поэтому вы можете получить доступ к этим данным из любой точки мира. Это, пожалуй, самое большое преимущество MindSphere. У вас есть данные, доступные по всему миру, чтобы очень просто подключить свои машины или активы через протоколы Интернета вещей.

Затем вы можете использовать эти данные и пойти дальше. Вы можете углубиться в аналитику и использовать ее для выявления и решения проблем с вашими машинами. Если ваши машины не работают хорошо, ваша пропускная способность снижается. Мониторинг производительности с помощью MindSphere предоставляет мощный инструмент, который гарантирует, что ваше качество соответствует ожиданиям, и что вы можете принимать меры и постоянно улучшать производительность, качество и т. д.

Следует также отметить, что мониторинг производительности и возможности совместной работы MindSphere обеспечивают немедленные улучшения и могут стать краеугольным камнем для компаний, осуществляющих цифровую трансформацию.

RTInsights:Можете ли вы привести несколько примеров реализации этих преимуществ?

Стейделе: Я приведу простой пример, техническое обслуживание. Если представить, что до появления Интернета вещей всякий раз, когда возникала проблема с машиной, компании приходилось звонить в службу поддержки. Затем какой-то техник должен был ответить на звонок и выяснить, что не так с машиной. Скорее всего, им пришлось отправить людей на место, посмотреть, что происходит, а потом попытаться починить.

Благодаря новым усилиям по цифровизации с использованием Интернета вещей вы можете получить эти данные в месте обслуживания. Нет необходимости посылать кого-то посмотреть, что происходит. У вас есть это виртуальное понимание машины, параметров машины, поведения машины из другого места. Вы можете сделать свои выводы, а затем, если вам нужно исправить это через обновление, сервисное обновление, программное обеспечение, исправление ошибок, исправление, что бы это ни было, вы можете сделать это удаленно. Или, если это невозможно сделать удаленно, прибывает специалист по обслуживанию, уже зная, что искать.

Таким образом, работы по обслуживанию и техническому обслуживанию часто можно выполнять виртуально и быстрее. Это обеспечивает значительную экономию средств, поскольку вы экономите время, поездки и человеко-часы.

Другой пример — производительность. Когда все было на месте, можно было посмотреть данные о производительности только одной машины или одного завода. Было сложно сравнивать производительность линий или растений где-то еще, потому что данные обычно не были доступны в глобальном масштабе. Хуже того, данные собирались по-разному от сайта к сайту, поэтому у каждого были свои собственные расчеты.

Благодаря мониторингу производительности с помощью промышленного Интернета вещей вы можете измерять каждый сайт или каждую линию одинаково. Это позволяет вам сравнивать ваши данные, потому что у вас есть один источник правды. Таким образом, вы можете сравнить производительность ваших линий и установок. Вы можете сделать выводы и посмотреть, какой рецепт работает лучше всего, какая смена работает лучше всего, или кому может потребоваться дополнительное обучение, чтобы научиться более эффективно управлять своей линией.