Прогнозная аналитика в производстве:варианты использования и преимущества

На протяжении десятилетий производители использовали данные как способ получить конкурентное преимущество. Возможно, самое большое изменение сегодня — это то, как собираются данные. В некоторых компаниях техники ходят по заводу, проверяют датчики, заполняют формы и записывают историю эксплуатации и технического обслуживания машин. Все утомительные, подверженные ошибкам и неточные методы сбора и использования данных для принятия решений. Однако с распространением устройств и датчиков Интернета вещей подключенное оборудование и операции меняют то, как производители используют преимущества данных и аналитики.

Компании начали переходить на цифровое программное обеспечение и подключенные устройства, чтобы сократить трудозатраты, связанные с ручным сбором данных и документированием. По сравнению с методами ручного сбора данных эти технологии также повышают точность, что усиливает возможности аналитики и приводит к более точным моделям. Далее будут представлены преимущества и варианты использования прогнозной аналитики в производстве.

Развитие аналитики в производстве

Также известный как Путь производственной аналитики, существует несколько этапов, которые производители проходят, стремясь к прогностическим и предписывающим стратегиям.

Шаг 1. Данные

Сбор данных для описательной аналитики позволяет установить базовый уровень для ответа на вопрос, что произошло.

Шаг 2. Информация

Обработка этих данных в диагностической аналитике для ответа на вопрос, почему что-то произошло, эффективно превращает данные в информацию. Для этого можно использовать решение для производственной аналитики.

Шаг 3. Понимание

Как только будет собрано достаточно информации, можно будет лучше понять процессы, а статистические модели смогут прогнозировать, что может произойти в будущем, с помощью прогнозной аналитики.

Шаг 4:Знание

По мере создания более точных моделей данные превращаются в знания, а предписывающая аналитика дает ответ на вопрос, что следует делать.

Хотя может показаться заманчивым соединить все и выполнить эти шаги, важно установить четкие цели и установить базовые показатели для отслеживания улучшений производительности. Знайте, какие данные и сколько данных необходимо для перехода от описательной к предписывающей аналитике. В начале этого пути будет полезно создать единую платформу для любых собранных данных. Кроме того, убедитесь, что все заинтересованные стороны — будь то устройства, люди или поставщики — имеют надлежащий доступ к этой платформе.

Данные и мониторинг в режиме реального времени могут обеспечить высокую точность, которая поможет установить базовые уровни, достичь N-значений и предупредить заинтересованные стороны об изменениях быстрее, чем вручную или с помощью устройств, которые не подключены. Эти шаги требуют времени, но каждый шаг предлагает свои преимущества. Одним из самых больших преимуществ использования аналитики является возможность предсказать, что произойдет, с высокой степенью точности.

Преимущества и варианты использования прогнозной аналитики для производителей

Подключенные устройства реального времени могут собирать больше точек данных. Это может помочь предсказать, сколько времени или сколько деталей может быть изготовлено до отказа. Традиционные планы технического обслуживания могут подсказывать, когда следует заменить детали или выполнить техническое обслуживание на основе средних оценок, не обязательно тогда, когда это необходимо. Прогнозирование сбоев с помощью данных и производственной аналитики сокращает время незапланированных простоев и может исключить ненужное и дорогостоящее техническое обслуживание.

Прогностическая аналитика обслуживания

Применение:сокращение времени простоя, отказов инструментов и потребности в обслуживании

В этом термине есть много преимуществ; профилактическое обслуживание. Во-первых, сбор данных может помочь предсказать, когда потребуется техническое обслуживание, а не предположить. Это увеличивает время безотказной работы оборудования, давая менеджерам возможность планировать необходимое техническое обслуживание или вносить необходимые корректировки до того, как произойдет сбой.

Предиктивная аналитика становится все более точной по мере сбора большего количества данных и проведения корреляций. В одном примере было обнаружено, что отказ инструмента происходит по мере увеличения силы тока оборудования. Отследить силу тока было сложно, но данные о нагрузке на шпиндель можно было получить, включив функцию на панели инструментов программного обеспечения оборудования.

Исследователи смогли доказать, что корреляция между увеличенной нагрузкой шпинделя и силой тока преобразователя составляет более 80%. Отслеживая более легкую и экономичную нагрузку на шпиндель, можно было предсказать, сколько деталей можно изготовить с момента увеличения нагрузки до выхода из строя инструмента. В этом примере диапазон деталей до отказа составлял от 1 до 68. В зависимости от величины увеличенной нагрузки можно было еще уменьшить этот диапазон. Сопоставление данных и обнаружение шаблонов расширяет возможности аналитики до качества и принятия решений.

Измерение скорости вращения шпинделя для определения возможного отказа инструмента. Используя такие данные, можно создавать алгоритмы, которые автоматически обнаруживают сбои и дают вам возможность предотвратить их.

Анализ качества

Случай использования:оповещения о проблемах с качеством, минимизация брака

Отслеживая производительность, можно получать уведомления, когда процессы выходят за допустимые пределы или могут вызывать проблемы с качеством. Возможность остановить или скорректировать процесс раньше может значительно сократить или устранить потери материалов или переделки. В одном примере пневматический цилиндр со временем дрейфует. К тому времени, когда рабочие заметили и отрегулировали это, было изготовлено около 1000 единиц, а часы производства были списаны. Раннее прогнозирование проблем с обслуживанием и качеством может повысить ценность приложений, в которых используются материалы с нестабильными ценами или колебаниями рынка.

Аналитика прогнозирования спроса

Пример использования:определение и использование KPI и ERP

Отслеживание отдельных процессов и общего времени выполнения заказов дает представление о потребностях в материалах и производстве. По мере расширения подключенных возможностей будут определяться KPI, которые увеличат возможности, ценность и точность программных инструментов, таких как ERP. Кроме того, в приложениях, где цены на материалы могут сильно зависеть от политики, стихийных бедствий и т. д., использование данных для прогнозирования уровня потребления и доставки может принести большие преимущества в оптимизации управления цепочками поставок. Прогнозирование объемов, сроков и рыночного спроса поможет управлять экономическими показателями и стоимостью нового оборудования, продуктов или процессов.

Аналитика рабочей силы

Пример использования:прогнозирование потребности в образовании и рабочей силе

На меняющихся рынках прогнозная аналитика спроса может даже использоваться для более эффективного управления трудовыми ресурсами и привлечением талантов. Одной из самых больших проблем является нехватка навыков в производстве. Расширяя данные о процессе, заводе и планете, производители могут предсказать, какие навыки и рабочая сила потребуются в будущем. Это позволяет компаниям более эффективно работать с преподавателями, размещать объявления о вакансиях раньше, а также повышать квалификацию или переквалифицировать текущую рабочую силу для удовлетворения потребностей в рабочей силе.

Будущее прогнозной аналитики в обрабатывающей промышленности

Перспектива использования в будущем:удаленное обслуживание инструментов

Использование технологий и аналитики превращает данные в знания. По мере расширения возможностей подключения наблюдается тенденция к расширению удаленного и мобильного отслеживания и мониторинга активов. Возможность предоставления высокоточных данных расширит возможности удаленной и мобильной диагностической аналитики. Эта тенденция сократит потребность в полевых техниках. Благодаря удаленной диагностике с высокой степенью достоверности можно также давать рекомендации по техническому обслуживанию или информацию операторам, которые находятся на месте, чтобы еще больше сократить потребность в выездных специалистах.

Сценарий будущего использования:оценка рисков и страхование

Благодаря расширенным возможностям отслеживания и мониторинга оборудования аналитика может увеличить количество подписок, страховых полисов или гарантий. Подключенные устройства могут привести к более гибкому оборудованию. Например, подписки дают OEM-производителям возможность удаленно добавлять или удалять функции, отслеживание данных и программное обеспечение. По мере изменения спроса меняются подписка и функции.

Кроме того, диагностическая аналитика может изменить степень покрытия страховых полисов и гарантий. Производственная аналитика и подключенные технологии могут подтвердить или опровергнуть ошибки оператора, оборудования или проектирования. Математика была эффективным способом объяснить, понять и конкурировать. Будущие успехи в производстве могут быть у тех, кто обладает наиболее точными и обширными знаниями о цифровых моделях и аналитике.

Реализуйте стратегии прогнозирования с помощью платформы Интернета вещей MachineMetrics

Исследуйте платформу