Egicon достигает 80% снижения ремонтов с автоматизацией в реальном времени

Egicon, итальянский производитель электроники, использовал الناشшие инструменты аналитики данных для полной автоматизации своего производства начиная с 2017 года. По пути он сократил уровень ремонтов на 80 процентов, устранил брак, улучшил гарантийную поддержку и сократил время отчетности по качеству до реального времени с одного месяца.

Расположенный в регионе Модена, Италия, Egicon производит электронные блоки управления, приборные панели и интерфейсы человек-машина для автомобильной, сельскохозяйственной, биомедицинской и аэрокосмической отраслей.

Egicon интегрировал программное обеспечение Siemens Valor и Opcenter Execution Electronics IoT в свои производственные и качественные системы, позволяя непрерывный мониторинг и возможность предоставлять клиентам лучшую гарантийную поддержку и данные прослеживаемости.

«Мы смогли снизить наш уровень ремонта с 30 частей на миллион до 6 и достигли уровня брака ноль процентов в 2019 году», — сказал менеджер производства Egicon Мичеле Магри в опубликованном кейс-стади. «Теперь я могу получать мгновенные обновления по всем нашим производственным процессам не покидая стола. Я могу тратить свое время на инновации и улучшения».

Другие производители ПО также сообщают значительные результаты.

ПО Proficy GE Digital помогло производителям по множеству секторов достичь множества выгод, включая 90-процентное снижение отходов, $5 млн экономии в улучшении качества и 80-процентное снижение простоя, сказал Кобус ван Хейрден, старший менеджер продукта по аналитике и ПО машинного обучения для GE Digital. Одна компания получила ключевое понимание за часы о том, как контролировать свои химикаты для обезвоживания для получения лучшего качества.

FactoryTalk Innovation Suite, совместное предложение от Rockwell Automation и PTC, помогло Rockwell достичь 33-процентного увеличения эффективности труда, 70-процентного увеличения выходов и 50-процентного снижения времени обучения, согласно опубликованному кейс-стади.

Эти и другие الناشшие инструменты аналитики данных преодолевают ограничения и барьеры своих предшественников.

Делаем аналитику более доступной

Одним значительным барьером в прошлом было то, что инструменты, предлагавшие потенциальную выгоду, оставались неиспользованными, сказал Изик Авидан, менеджер бизнес-единицы, цифровая аналитика производства, Siemens Digital Industry Software.

Более 80 процентов проектов продвинутой аналитики терпят неудачу, сказал он, заявление, подтвержденное исследованиями Gartner и других.

«Главная проблема с инструментами аналитики данных прошлого — с точки зрения производителей — была в том, что они оставались инструментами», — сказал Авидан. «Многие провайдеры платформ и решений не осознали, что средний производитель не обладает всеми необходимыми навыками для полного использования этих инструментов. Инструмент доставлял функцию, для которой он был спроектирован, но общий проект, вероятно, проваливался. Вы должны иметь возможность перебрасываться между производственным языком и всеми этими новыми технологиями. Производственный клиент не обладает этими наборами навыков».

«Исторически вам действительно нужен был PhD в математике или науке о данных, чтобы получить ценность от аналитики», — сказал ван Хейрден. «Вам нужно положить аналитику в руки их существующих операционных людей. Вы не можете пойти к производственному клиенту и сказать: "Вам нужно переобучить ваших людей или нанять новых людей, чтобы выиграть от аналитики". Ключ — сделать аналитику доступной для процессных инженеров и линейных операторов».

«Инструменты проектировались для экспертов, чтобы сделать сложную задачу легче для экспертов, в отличие от упрощения их работы», — сказал Эд Куоко, вице-президент стратегии и решений в PTC. Многие инструменты также требовали онсайт дата-сайентиста. Конечный результат: «Эти инструменты не подходили для крупных производителей, которые типично не имеют своих дата-сайентистов», — сказал Куоко.

Девять дополнительных барьеров из прошлого

Другие барьеры, согласно Авидану, Куоко и ван Хейрдену, были:

Неудача в понимании и адресации болевых точек производителей.

Инструменты, требовавшие от производителей замену дорогого устаревшего оборудования.

Отсутствие доступа к необходимым данным для получения инсайтов, часто потому что данные были в изолированных системах, иногда называемых темными данными. От 60 процентов (Forrester) до 97 процентов (Gartner) собранных данных остаются неиспользованными.

Данные, которые не могли быть легко объединены с другими данными.

Данные, которые было трудно очистить, отформатировать и подготовить.

Инструменты, предполагающие, что данные соответствуют высокому бенчмарку качества, требуя эксперта для улучшения качества данных во многих случаях.

Отсутствие инструментов аналитики, позволяющих менеджерам действовать.

Инструменты аналитики, которые были слишком сложны для среднего оператора для использования.

Инструменты, которые не могли быть масштабированы за пределами начального пилота или демонстрации.

Новый день на рассвете

Сегодняшние инструменты предлагают быстрое-время-к-ценности, более легкую операцию и масштабируемость. Все чаще, производители ПО для производства понимают, что их клиенты нуждаются в платформах, которые комбинируют несколько инструментов и хорошо интегрируются на цеховом полу, сказал Авидан.

«Мы теперь видим больше успеха в инструментах аналитики, преодолевающих те барьеры», — сказал ван Хейрден. «Инструменты, которые мы предоставляем, показывают доказательства быстрой ценности».

Производители ПО проектируют инструменты и платформы, которые будут работать в фабриках, использующих станки, которые 40 лет, так же как и два года, сказал Куоко. «Эти инструменты должны функционировать в реальном мире», — сказал он. «Это ключ к применимости на заводе. Это позволяет заводу использовать вещи в их власти без просьбы быть хорошими в вещах, которые не в их колесе».

Наступающие инструменты предлагают способность получать доступ, хранить и обрабатывать данные, доступность субъектного эксперта на месте или удаленно, с низкой стоимостью владения, не требующей слишком много дополнительных серверов или облачных ресурсов, которые легко конфигурируются, кастомизируются и способны дать некоторую ценность немедленно, сказал Авидан.

«В наши дни большинство компаний ПО понимает, что бросание некоторых решений машинного обучения на цеховое поле не решит ваши проблемы качества», — сказал он. «Теперь они предоставляют полные готовые решения, что, вероятно, является гейм-чейнджером».

«Моя профессия живет внутри того напряжения в попытке предоставить out-of-the-box решение и также понимая, что решение должно быть кастомизировано, что гибкость для адаптации решения для оптимизации потребностей производителя», — добавил Авидан. «За последние пять лет мы видели больше и больше гибридных проектов, которые являются и платформами, и инструментами, комбинированными с ПО, специально адаптированным для типа отрасли».

Отрасль еще не пришла в точку, где инструменты работают из коробки, похоже на iPhone, сказал Куоко.

«Out-of-the-box — это направление», — сказал он. «Out-of-the-box — это цель. Мы начинаем становиться достаточно зрелыми в наших решениях, чтобы увидеть точку, где это станет реальностью».

Эти инструменты, иногда комбинированные с опытным производственным инженером, могут помочь производителям улучшить производительность и предиктивное обслуживание и интегрировать контроль качества в производство, сказал Авидан.

Инструменты также «двигаются за пределы алертов», которые оставляют человеку действовать, становясь более closed-loop — где сам инструмент может брать безопасные действия управления в реальном времени, позволяя заводу получать или поддерживать оптимизированную продуктивность, сказал ван Хейрден.

Вместо предложения аналитики как просто компонента предложения, больше производителей ПО для производства предлагают аналитику в решениях, адресующих конкретные варианты использования, сказал Куоко.

«Если вы представили опытного производственного инженера к паттернам данных в наборе данных или списку выводов, которые он видел раньше, он сможет легко конвертировать эти данные в действия, которые оператор, линейный менеджер или владелец завода может предпринять и драматически улучшить результаты», — сказал Авидан. «С тем готовым решением мы можем решить большинство вызовов в течение дней или даже часов».

Даже лучше будет время, когда больше экспертной предметной знания может быть добавлено к этим инструментам, сказал Куоко. «Все больше и больше специфической предметной знания нужно встраивать», — сказал он. «Как мы можем положить эксперта и машину вместе и заставить их оба понимать проблему? Машина должна уметь сказать: "Я способен учитывать параметры, специфичные для этой предметной области"».

Аналитика также улучшается, поскольку она применяется по всей цепочке поставок от поставщиков сырья, к перевозчикам, к производителям к конечным клиентам, сказал ван Хейрден.

Некоторые вызовы остаются

Все еще нужны уточнения, делающие инструменты легче строить, а также инструменты, спроектированные так, чтобы машины могли делать больше работы, сказал Куоко.

Стоимости определенно должны падать дальше, чтобы технология стала доступной для малых и средних производителей, которые сталкиваются с похожими проблемами, сказал Авидан.

Больше стандартов нужно, чтобы производители могли легче интегрировать технологию от разных вендоров, сказал он.

«Мы должны понимать, что уже много ПО на цеховом полу», — сказал Авидан. «Любое решение, которое вы хотели бы ввести в ту экосистему, должно хорошо и бесшовно интегрироваться в эти IT решения ... так что если у вас есть элемент действия, который нужно толкнуть из одной инженерной системы в другую, это может быть сделано в рамках единого портфолио. Это одна из самых важных вещей, которые вы можете сделать».

По мере того как стандарты и интерфейсы становятся более открытыми, интеграция станет легче, сказал ван Хейрден.

Выбор партнеров

Чтобы преуспеть, партнерьтесь с доверенным промышленным вендором, предоставляющим комплексный продукт, сказал ван Хейрден.

«Многие вендоры аналитики предлагают решения, которые могут решить часть проблемы. Некоторые могут анализировать данные», — сказал он. «Некоторые могут делать предсказания. Некоторые могут запускать симуляции. Еще один может оптимизировать настройку. Партнерьтесь с доверенными вендорами, которые не исчезнут завтра и которые могут предложить все эти возможности в одном продукте».

Производители, ищущие немедленное совершенство и полную интеграцию, должны снизить ожидания в пользу пошагового подхода. «Не берите подход "big bang" для принятия технологии до тех пор, пока все системы не станут идеальными», — сказал он. «Я рекомендую быстрый, инкрементный подход. Оснастите операционных людей легкими в использовании инструментами, чтобы они могли получать быструю инкрементную ценность».