IoT в автопроизводстве: повышение эффективности и инноваций

Автомобильная отрасль — как и многие другие производственные секторы — сейчас проходит масштабную цифровую трансформацию.

Взлет технологий Индустрии 4.0 — включая промышленные IoT-устройства (IIoT), а также ИИ и аналитику больших данных — разрушил производство в целом. Это подтолкнуло владельцев заводов к внедрению новых технологий и решений, позволяющих оптимизировать рабочие процессы или управление заводом.

Внедрение 5G сделало IIoT-технологии более практичными и выгодными than ever, включая для автопроизводителей. Вот основные выгоды, которые они могут получить, внедряя IIoT-решения на своих заводах и применяя IIoT-технологии наиболее эффективным образом.

Как работают IIoT-флоты на автозаводах

IIoT-флот подходящего размера может собирать огромные объемы данных о том, как работает завод — от таймингов станков и задач до перемещения запасов.

При достаточном количестве датчиков, собирающих правильную информацию, становится возможным создать обзор «с высоты птичьего полета» того, как заводские процессы выглядят на ежедневной основе. Это может значительно облегчить супервайзерам выявление потенциальных неэффективностей.

Например, один производитель может использовать IIoT-устройства для прослеживаемости — отслеживания деталей и компонентов по мере их перемещения через производственный процесс. С правильными данными эта компания может обнаружить, что некорректно изготовленные детали исходили с одного завода или определенных станков.

Другой может обнаружить, что что-то настолько простое, как изменение планировки пола, например расширение проездов склада, может сэкономить время и создать более безопасную рабочую среду.

IIoT-система — один из способов, которыми владельцы заводов могут интегрировать операционные и информационные технологии — два технологических инвестиции, которые иногда изолированы друг от друга. Автопроизводители обычно либо покупают полные IIoT-платформы — включающие отдельные датчики, IoT-оборудование и аналитические платформы — либо собирают их сами.

Во втором случае они обычно начинают с выявления проблемы, которую хотят решить на своем заводе, или KPI, который хотели бы улучшить. Затем они подбирают датчики, необходимые для отслеживания данных, связанных с этой проблемой или KPI, вместе с открытой IIoT-аналитической платформой, которая будет координировать эти IIoT-устройства и организовывать собираемые ими данные.

Помощь в принятии решений с данными IIoT

Собранные данные могут делать больше, чем помогать супервайзерам координировать персонал и корректировать рабочие процессы. Они также позволяют им принимать лучшие решения и предоставлять обратную связь о том, как влиять на рабочие процессы или качество продукта в дальнейшем.

Например, многие автопроизводители должны решать, хотят ли они использовать пассивацию или электролитическое полирование для создания коррозийно-стойких деталей. У обоих методов уникальные преимущества и недостатки. Не всегда ясно, какое влияние один процесс может оказать на эффективность или характеристики детали. При выборе метода супервайзерам также может потребоваться учитывать изготавливаемую деталь, доступное оборудование и существующие заводские рабочие процессы.

Количество переменных, которые им нужно отслеживать, может затруднить решение о том, какой метод будет лучшим. Исторические данные о производительности компонентов, оперативная информация и многое другое могут помочь супервайзерам принять решение.

Подобные технологии могут помочь автопроизводителям выбирать среди конкретных покрытий, нержавеющих сплавов или форм компонентов для данной модели автомобиля.

Один кейс авто-IIoT: Превентивное обслуживание становится прогнозным

Одно из самых популярных применений IoT в производстве — прогнозное обслуживание. Владелец завода использует IIoT-устройства для сбора оперативной информации о данном станке. Эти данные могут включать его температуру во времени или паттерн движения или вибрации. В некоторых случаях датчики могут слушать ультразвуковые шумы и звуки, указывающие на утечки газа.

Когда эти данные подаются в ИИ-алгоритм или метод аналитики больших данных, этот метод может оценивать состояние станка в реальном времени. Часто, с правильной информацией, эти системы могут точно предсказать скорый отказ станка.

Если предоставить контроль над системами станков, системы прогнозного обслуживания могут даже принудительно отключать станки на грани отказа, потенциально предотвращая повреждения или травмы ближайших работников.

Превентивное обслуживание — стандартный подход для большинства производителей. Регулярные плановые проверки обеспечивают хорошие рабочие условия и ремонт, способный продлить срок службы станка и снизить риск внезапного, непредвиденного отказа.

Однако подход не идеален. Открытие станка для обслуживания может подвергнуть риску чувствительную электронику и компоненты. Процесс может раскрыть внутренности станка к пыли, влаге и другим загрязнителям на площадке.

Рабочие и операторы станков могут не иметь предупреждения, если отказ произойдет между проверками. Они все равно будут под риском травм и простоя, который мог быть избежан с правильными ремонтами.

Прогнозное обслуживание может помочь решить некоторые из этих проблем и дать супервайзерам и работникам предварительное уведомление об отказе станка.

В денежном выражении прогнозное обслуживание может дать экономию 8-12% по сравнению с превентивным уходом, согласно обзору прошлых исследований Департаментом энергии США. Экономия до 30-40% для бизнеса, использующего реактивное обслуживание или ремонтирующего станки, когда что-то кажется сломанным или неисправным.

Прогнозное обслуживание также может избавить бизнес от простоя и травм, которые могут произойти в результате внезапного отказа станка.

Внедрение прогнозного обслуживания

Производители, желающие интегрировать этот подход, имеют два варианта. Они могут либо приобрести готовое решение прогнозного обслуживания, либо объединить технологии от разных поставщиков для сбора и обработки данных обслуживания.

Производители, желающие построить свое решение с технологиями от нескольких поставщиков, должны начать с данных, которые им нужно собрать. Например, датчики вибрации часто используются для отслеживания производительности станков с вращающимися компонентами.

Затем им нужно найти существующую платформу прогнозного обслуживания или аналитики больших данных, совместимую с выбранными IoT-датчиками.

Производителям также следует планировать фазу ввода, в течение которой будут собираться базовые данные. Этот период позволяет аналитическому алгоритму накопить статистику «нормальной» производительности станка.

Ключевые выгоды и лучшие практики IIoT для автопроизводства

IIoT-устройства могут предложить серьезные выгоды для автопроизводителей. Они предлагают широкий спектр применений, как возможность собирать огромные объемы данных, помогающих улучшить понимание завода и его производственного процесса.

Производители, желающие внедрить технологию, должны четко понимать, что они хотят улучшить или какой конкретный IoT-кейс они хотели бы реализовать.