Повышение промышленной производительности: преодоление вызовов мониторинга с IoT и аналитикой

Взгляд на то, как IoT и аналитика могут улучшить и усилить мониторинг производительности промышленного оборудования и процессов.

Многие промышленные организации смотрят на усилия по оцифровке, чтобы помочь улучшить операции и повысить эффективности. Одна главная область, получающая большое внимание — использование IoT и аналитики для улучшения и усиления мониторинга производительности промышленного оборудования и процессов.

RTInsights недавно сидел с Андреасом Штайделе, старшим исполнительным директором по продажам для предприятий в Siemens. Мы обсудили отраслевые вызовы к мониторингу производительности, как Siemens MindSphere может помочь, и выгоды использования такого IoT-решения. Вот резюме нашего разговора.

RTInsights: Каковы отраслевые вызовы, когда речь идет о мониторинге производительности?

Штайделе: Годами одной из крупнейших вызовов, с которыми сталкивались производители, является ручной ввод данных с использованием бумажных инструментов. Я думаю, самый используемый инструмент — это все еще Excel. И это, конечно, инструмент, который не подходит для оцифровки. Вы получаете человеческие ошибки и проблемы транскрипции. Вы никогда не можете быть уверены, что ваши данные верны.

Другой вызов возникает из отсутствия стандартизации методов сбора данных. Если у вас много разных инструментов в вашей компании, эти инструменты могут все работать по-разному и иметь разные алгоритмы для сбора и представления данных.

Ландшафт оборудования также является вызовом, потому что, особенно в крупных заводах, они унаследовали или привезли много разных типов оборудования. У них есть гетерогенный ландшафт оборудования, включающий разное железо и софт. Это делает трудно подключиться к каждому устройству и получить данные из вашего оборудования вообще.

Тогда, наконец, последний вызов — отсутствие интеллекта, который вам нужен, чтобы сделать ваши данные инсайтфул и доступными, так что вы можете делать выводы и получать ценность из них.

RTInsights: Какие технологии и решения от Siemens помогают решить эти вызовы?

Штайделе: Siemens предлагает промышленный IoT как сервисное решение под названием MindSphere, которое хостится в облаке. Оно поддерживает репозиторий данных, которые вы отправляете со своего оборудования и машин в облако. Данные в конкретной модели данных. Они определены согласно вашим активам и машинам и имеют контекст вокруг них.

Затем поверх этого у нас есть приложения MindSphere. Эти приложения используют данные в MindSphere для запуска аналитики и других функций. В случае управления производительностью, оно отображает KPI, которые вы определили, и дает вам данные о том, как ваши машины ведут себя в терминах качества, производительности и обслуживания.

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

• SIMATIC Notifier доставляет алерты и позволяет менеджерам отслеживать и мониторить состояние своих машин по всему миру. Он позволяет устанавливать пороги и мониторить временные ряды данных в MindSphere. Менеджер может реализовать рабочий процесс внутри приложения на основе этих данных.
• SIMATIC Performance Insight предоставляет производительность машины и завода на один взгляд. Менеджеры могут получить доступ к полному обзору производительности своих машин, производственных линий и глобальных заводов, используя приложение. Менеджеры также могут мониторить индикаторы производительности во времени и анализировать данные в, например, выбранных периодах времени для обнаружения неиспользованного потенциала производительности.
• SIMATIC Collaboration Board предлагает коллаборативное решение для решения производственных проблем. Приложение позволяет менеджерам делиться проблемами и решениями по командам и сайтам. Они также могут назначать и управлять задачами, а также отслеживать статус проблем и решений.

MindSphere интегрирует возможности этих приложений и позволяет пользователям настраивать сквозные рабочие процессы для мониторинга производительности. С решением типичная ситуация может быть такой: менеджер получает алерт, что что-то не так. Менеджер просматривает и анализирует KPI и другие метрики, чтобы попытаться понять проблему. Далее менеджер может поискать в коллаборативной базе данных, существует ли решение для идентифицированной проблемы. Если нет, они могут использовать разные методы для решения проблемы, документируя, что сработало, так что любой, кто столкнется с проблемой в будущем, может получить выгоду от их работы.

RTInsights: Каковы выгоды, когда такое IoT-решение используется?

Штайделе: Если у вас правильное IoT-решение, все ваши активы подключены, и вы отправляете данные в облачное пространство. Таким образом, это не доступно только локально, но глобально, так что вы можете получить доступ к этим данным откуда бы вы ни были в мире. Это, вероятно, самое большое преимущество MindSphere. У вас есть данные, доступные глобально, для подключения ваших машин или активов через IoT-протоколы очень простым способом.

Затем вы можете использовать эти данные и пойти шаг дальше. Вы можете погрузиться в аналитику и использовать их для выявления и решения проблем с вашими машинами. Если ваши машины не работают хорошо, ваша пропускная способность вниз. Мониторинг производительности через MindSphere предоставляет мощный инструмент для обеспечения того, что ваше качество соответствует ожиданиям и что вы можете предпринять действия и делать непрерывные улучшения к производительности, качеству и т.д.

Еще одна вещь, которую стоит отметить, это то, что мониторинг производительности и коллаборативные возможности MindSphere предлагают немедленные улучшения, и они могут быть краеугольным камнем для компаний, предпринимающих цифровую трансформацию.

RTInsights: Можете ли вы привести примеры того, как эти выгоды реализуются?

Штайделе: Я дам вам простой пример, обслуживание. Если вы представите до IoT, всякий раз, когда была проблема с машиной, компании приходилось звонить в сервисную линию. Затем какой-то техник должен был ответить на телефон и выяснить, что не так с машиной. Скорее всего, им приходилось отправлять людей на место, смотреть, что происходит, и затем пытаться починить.

С новыми усилиями по оцифровке с использованием IoT, вы можете иметь эти данные доступными на сервисном месте. Нет необходимости посылать кого-то, чтобы посмотреть, что происходит. У вас есть этот виртуальный инсайт в машину, в параметры машины, в поведение машины, из другого места. Вы можете сделать свои выводы, а затем, если вам нужно починить это через обновление, сервисное обновление, ПО, исправление бага, хотфикс, что бы это ни было, вы можете сделать это удаленно. Или, если это не может быть сделано удаленно, сервисный техник приезжает уже зная, что искать.

Так, сервис и обслуживание часто могут быть сделаны виртуально и быстрее. Это доставляет большие экономии затрат, потому что вы экономите время, поездки и человеко-часы.

Другой пример — производительность. Когда все было на месте, вы могли смотреть только на данные производительности одной машины или одного завода. Было трудно сравнить производительность линий или заводов откуда-то еще, потому что данные обычно не были доступны глобально. Хуже того, данные собирались по-разному от сайта к сайту, так что у каждого были свои расчетные усилия.

С мониторингом производительности с промышленным IoT, вы можете измерить каждый сайт или каждую линию одинаковым образом. Это позволяет вам сравнивать свои данные, потому что у вас есть один источник правды. Так что вы можете бенчмаркить производительность ваших линий и заводов. Вы можете делать выводы и видеть, какой рецепт работает лучше, какая смена работает лучше, или кому может понадобиться какое-то образование, чтобы научиться управлять своей линией машины более эффективно.