Интернет вещей и ваше понимание данных

По мере того, как облачное зондирование и приведение в действие вместе с компиляцией данных расширяется, нам необходимо осознавать отсутствие общности в нашем понимании. Иногда это просто слова, которые мы используем, иногда - семантика, а иногда - наша путаница с ожидаемыми результатами.

В машинном оборудовании мы говорим об оборотах в минуту, или об оборотах в минуту, или о скоростях шпинделя, или о дюймах в минуту в минуту и ​​т. Д., Все эти термины относятся к оборудованию. Частей в минуту (PPM) - вот что нам действительно важно. Когда мы смотрим на Интернет вещей и желаемый результат, мы видим, что именно измерения и метрики затуманивают наши данные и сбивают с толку нашу информацию. Поэтому мы должны быть уверены в том, что представляем информацию четко, - говорит Джозеф Зулик, писатель и менеджер в MRO Electric and Supply . .

В производственном цехе вы часто слышите, как начальник спрашивает, можем ли мы «ускорить» машину, чтобы удовлетворить новые более высокие требования к продукту или уложиться в срок. Здесь все становится пасмурным. Руководителю безразлично, как вы получите больше деталей, его цель - удовлетворить спрос.

Дополнительные решения могут заключаться в том, чтобы запустить машину быстрее, это также неоднозначно, потому что увеличение скорости двигателя или количества ходов в минуту может привести к проблемам с качеством. При штамповке может случиться так, что увеличение скорости скольжения приведет к разрыву материала по мере его формирования. При обработке тот факт, что вы пытаетесь снять больше материала за один проход, может вызвать нагрев, потерю контроля и плохую отделку. На листогибочном прессе вы можете получить большую отдачу от пружины.

Итак, вопрос в том, как мы можем добиться того же качества деталей с более высокой скоростью. Датчики теперь могут контролировать все больше и больше. Использование искусственного интеллекта во многих системах может предоставить несколько сценариев, основанных на прошлой обратной связи IoT и ожидаемых результатах. Например, когда деталь переносится с одной станции на другую на прессе, это занимает определенное время.

Чем быстрее вы бежите, вы можете быть вынуждены работать в автоматическом режиме одиночного хода, то есть в режиме, когда машина останавливается сверху и теперь ожидает, пока деталь будет перемещена с одной станции или операции на другую. Удивительно, но вы можете достичь большей скорости, если будете бежать медленнее и никогда не останавливаться на вершине. Оставаясь в чистом непрерывном режиме, вы можете создать больше деталей, чем вы можете, запустив машину быстрее и ожидая автоматизации. Частично это является фокусом теории ограничений, которая фокусируется на определении узкого места. Это также может быть частью бережливого производства и систем, адаптирующих эти производственные концепции.

Эти теории внедряются в IOT-сторону, которая отслеживает и доказывает лучший способ достижения цели, достаточное количество частей для удовлетворения спроса. Еще одно решение, которое можно найти в гидравлических машинах и сервотехнике, - это ограничение длины хода. Время, необходимое для изготовления детали, отчасти зависит от времени на ход. Простая математика подсказывает, что если бы что-то работало со скоростью 60 гребков в минуту, на 1 гребок уходит 1 секунда. Итак, как можно улучшить производство? В гидравлических и сервомашинах вы можете изменять длину хода.

Если мы посмотрим на машину с 1 ходом в секунду, а длина хода составляет 4 дюйма, возможно, удастся устранить потерю времени на ход. Все время возврата в некоторой степени тратится впустую, если только не происходит автоматизация, и вы все равно не сможете производить. Возможно, я смогу ограничить длину хода до 3 дюймов. На этот раз вы сэкономите секунды. Это может привести к изготовлению еще 15 деталей за минуту!

Это та же самая философия, которую используют прессы Link Motion, изменяя профиль скорости скольжения, с точки зрения непрофессионала, он работает быстрее во время хода вверх, когда не происходит никакого производства.

Сервомашины имеют преимущество регулировки длины хода, а также гидравлические машины. Это верно для всех типов машин. Дополнительным преимуществом этого является уменьшение подверженности риску и опасностям, поскольку эти области дольше подвергаются воздействию машин с более длинным ходом.

Интернет вещей отслеживает производственные показатели и доказывает оптимизацию машин и может помочь нам понять информацию. Нам действительно нужно четко понимать, чего мы хотим достичь. Как показано выше, просьба бежать быстрее может быть неправильным решением.

Датчики также могут быть неправильно применены там, где они используются для определения неправильного объекта. То, что вы чувствуете, что деталь сошла с машины, не гарантирует, что это была хорошая деталь, деталь, которая действительно была закончена или упакована. В настоящее время большее количество систем позволяет отслеживать хорошую и плохую деталь во время операции, потому что удаление плохой детали может быть более затратным, чем время, необходимое для того, чтобы обнаруженная неисправная деталь прошла через нее и была списана в конце. Это, конечно, при условии, что плохая часть является аномалией, а не неисправностью. Эти данные могут вызвать срабатывание переключателя и привести к отклонению и выбрасыванию неисправной детали.

Слишком часто мы отказываемся от данных, потому что они не меняют и не решают проблему, или то, что мы собираем, не дает результатов, которые нам нужны, чтобы изменить ситуацию. Мы считаем, что датчики предоставляют решения, но датчик без сбора данных, а сравнение - это всего лишь точка данных.

Если я дам вам цифру 6 и попрошу решить проблему, вы не сможете этого сделать. Вам нужна формула или другие точки данных для определения тенденции, вот как вы можете изменить ситуацию. Только обладая этой информацией и знаниями, вы можете ожидать улучшения.

Получив контекст этой информации, вы можете установить ограничения, необходимые для внесения изменений. Существуют некоторые системы искусственного интеллекта, которые анализируют и интерпретируют ключевые показатели эффективности, но проблема в том, что часть данных без входного контекста даст вам рекомендации по выходу без выходного контекста. Как гласит пословица… Мусор на входе =мусор на выходе.

Мы совершенствуем системы данных, и система обозначений играет огромную роль в этом, особенно с аналоговым зондированием. Нам нужно знать значение, связанное с аналоговым зондированием, и не менее важно реальное сообщение, а не бесполезное значение кода. Визуальные подсказки также очень полезны, когда оператор может понять сообщение и действовать в соответствии с ним без необходимости расширять и ждать, пока руководитель или обслуживающий персонал интерпретирует сообщение и действие.

Судьба производства зависит от данных. В настоящее время мы проходим промежуточный этап продвижения. Мы можем рассматривать такие системы, как Alexa или Siri, как всезнающие системы, но на самом деле у них есть каталог ключевых слов для запуска программы или навыка.

Самое захватывающее - это то, что будет дальше, то есть понимание, в меньшей степени, когда системы понимают наши ошибки в том, что мы просим и что мы на самом деле хотим знать. Наши ошибки приведут к созданию более умных систем завтрашнего дня, которые ближе, чем мы думаем!

Автор - Джозеф Зулик, менеджер MRO Electric and Supply.