Расширение возможностей групп цифрового производства знаниями

Четвертый промышленная революция предоставила возможность получать огромные объемы данных в режиме реального времени из производственных процессов, а также возможность превратить почти каждую поверхность в датчик для сбора данных. Но дает ли это огромное количество данных знания, необходимые цифровым командам для оптимизации своей деятельности?

В этом фильме к Александру Хиллу из Senseye и Робу Расселу присоединяются доктор Ханна Эдмондс из Центра производственных технологий, Джим Дэвисон из Make UK и Питер Гэгг из MCP Consulting Group, чтобы обсудить, какие данные производители должны собирать и как, как существующие наборы данных можно переназначить, чтобы получить новые идеи и повысить ценность, а также как можно перестроить такие процессы, как техническое обслуживание, чтобы удовлетворить потребности инженеров в цеху.

Расшифровка

Александр Хилл, Senseye:Я хотел бы сказать, что это так же просто, как «у вас есть данные, и вперед». К сожалению, мы видим, что у многих организаций слишком много данных. Поэтому выяснить, какие данные являются правильными и что вам нужно понять из этих данных, — непростая задача.

Д-р Ханна Эдмондс, Центр производственных технологий:Есть проблема, связанная с наличием большого количества данных, мы можем достичь стадии насыщения данными — слишком много хорошего.

Роб Рассел, Senseye:С точки зрения профилактического обслуживания ключевым моментом является сбор данных мониторинга состояния, по которым мы можем оценить состояние машин. Но как бы ни была важна эта информация с датчиков, очень важно, чтобы данные собирались с учетом контекста и в соответствующий момент времени.

Д-р Ханна Эдмондс:Мониторинг состояния и аналитика могут обеспечить более активный подход к техническому обслуживанию. Это не просто ожидание возникновения ошибки, а попытка определить, когда состояние оборудования со временем ухудшается.

Мы можем измерять оборудование, собирать данные, а затем отслеживать их работу, чтобы получать информацию о производстве и предотвращать этот сбой — вмешиваться до возникновения проблемы.

Питер Гагг, MCP Consulting Group:Первое, что приходит в голову, это то, что данные с датчиков — это все, что вам нужно для запуска программы профилактического обслуживания. Однако в бизнесе уже существует много других типов данных.

Данные из систем управления зданием, история оборудования, данные из ПЛК, систем управления производством, систем OEE и т. д. Наряду с обычной вибрацией, температурой, давлением, расходом, током и напряжением.

На самом деле речь идет о том, чтобы собрать все вместе, определить параметры, которые вам действительно нужно использовать в режиме прогнозирования, и посмотреть, как они все взаимосвязаны.

Джим Дэвисон, Make UK:Все дело в действительном понимании критических параметров вашего процесса, оборудования или продукта. Поймите, какие исходные данные могут повлиять на то, хороша деталь или нет, или машина может надежно и многократно работать с паспортными данными.

Как только вы поймете это и узнаете свой процесс, вы сможете собирать важные данные и влиять на нужные вам параметры. Затем отобразите это удобным для вас способом.

Александр Хилл:В современном промышленном оборудовании уже имеется много данных, которые уже собраны. Такие вещи, как ток, температура, давление, время цикла. Это вещи, которые на самом деле можно использовать для целей мониторинга состояния, но часто это не так — вместо этого они используются только для управления процессом.

Мы можем провести эти измерения и использовать их для понимания состояния машины. Мы строим модели машин автоматически, используя доступные данные. Затем мы помогаем нашим клиентам понять, на что им следует обратить внимание с точки зрения машины. Не говоря «посмотрите на все эти необработанные данные», мы на самом деле забираем их, абстрагируем и убеждаемся, что они могут понять, на какие активы — из сотен и тысяч — им следует обратить внимание.