Manufatura orientada a dados:benefícios, desafios e estratégias

Otimização da eficiência de produção por meio de estratégias de fabricação orientadas por dados

Embora existam diversas tecnologias de captura de dados, os fabricantes ainda lutam para usá-las. É devido a esse grande desafio que o objetivo da manufatura orientada por dados parece ainda mais inatingível.

No entanto, existem algumas abordagens orientadas a dados que você pode adotar ao otimizar a eficiência da produção. Essas abordagens incluem o uso de IoT industrial para capturar dados de chão de fábrica, implantar dispositivos de computação de borda de chão de fábrica ou inserir manualmente estatísticas de máquina em planilhas do Excel para análise posterior. As duas opções anteriores são soluções digitais com processos automatizados enquanto a última é manual. Como é de se esperar, a digitalização ganha e torna a captura de dados do chão de fábrica e sua colocação em funcionamento, um processo mais simplificado.

Com isso em mente, será útil mergulhar mais fundo no que significa ser um fabricante orientado a dados, quais benefícios e desafios você pode experimentar ao lançar programas focados em dados e quais estratégias tangíveis você pode adotar à medida que progride em sua análise. maturidade.

O que é manufatura orientada a dados?

O painel de desempenho do MachineMetrics no chão de fábrica.

A fabricação orientada por dados é uma abordagem à produção que permite que fatos e um conjunto estrito de KPIs de fabricação guiem a tomada de decisões, em oposição a suposições, evidências anedóticas ou “sentimentos instintivos”.

É uma abordagem que aproveita dados de equipamentos de chão de fábrica, operadores, cadeia de suprimentos, entre outras fontes, para permitir que os fabricantes tomem melhores decisões enquanto trabalham para reduzir custos e aumentar a eficiência operacional.

A tecnologia emergente está dando a mais fabricantes a capacidade de coletar e processar dados de suas operações, o que está levando a um aumento nas soluções que podem extrair insights de dados de fabricação em tempo real. No entanto, nem todas as análises são iguais.

Para alavancar os dados com sucesso em uma operação, primeiro você precisa coletar dados precisos que possam ser processados ​​e exibidos de forma eficaz de forma que seja fácil para o usuário consumir.

Por exemplo, se você coletar manualmente os dados de desempenho da máquina em uma área de transferência, haverá não apenas um grande comprometimento de tempo para concluí-lo, mas também uma alta probabilidade de erro humano. Por outro lado, a coleta de dados diretamente das máquinas por meio do PLC produz um fluxo de dados altamente preciso e imparcial. Ambas as soluções aqui podem ser consideradas “orientadas a dados”, mas a última é muito superior e levará a uma melhor tomada de decisão.

Benefícios de ser orientado a dados na fabricação

Visibilidade aumentada: O fascínio da manufatura orientada por dados é que os líderes no chão de fábrica e no escritório corporativo podem ter uma compreensão mais profunda do desempenho com base nos dados coletados em toda a organização. Os dados fornecem informações não apenas sobre o desempenho de ativos individuais, mas também sobre as operações como um todo. Isso ajuda os tomadores de decisão a identificar áreas de oportunidade, sejam turnos de baixo desempenho, tempo de inatividade recorrente da máquina ou outros gargalos de produção.

IA e aprendizado de máquina: Com grandes conjuntos de dados, os fabricantes têm a capacidade de executar algoritmos de aprendizado de máquina que ajudam a resolver problemas complexos. Por exemplo, nossa equipe de ciência de dados aproveitou o aprendizado de máquina não supervisionado para detectar anomalias do CNC. É com esforços analíticos como esse que os fabricantes podem adotar práticas avançadas, como manutenção preditiva. Sem os recursos de processamento ou acesso aos dados, mesmo formas simplistas de tomada de decisões baseadas em dados não seriam possíveis.



Automação: Existem duas categorias de automação que as estratégias orientadas por dados podem suportar. A primeira é a coleta automatizada de dados. Se uma operação estiver devidamente equipada com dispositivos para coletar dados e software para processá-los, o processo de coleta de dados não exigirá mais esforço manual.

O segundo componente da automação é o uso de dados para tomada de decisão automatizada. À medida que os fabricantes progridem em sua jornada analítica, eles passam da análise descritiva para a análise preditiva. Isso significa que eles primeiro usam dados para entender o que aconteceu ou está acontecendo atualmente, mas eventualmente amadurecem para entender o que pode acontecer e ter a oportunidade de agir de forma autônoma.

Economia de custos: Os dados complementam a manufatura enxuta, pois fornecem aos fabricantes as informações necessárias para otimizar os processos de produção e minimizar o desperdício. Sem os dados concretos, é difícil medir com precisão as melhorias de produção e ter certeza de que as mudanças resultaram em economia de custos.

Por exemplo, a Carolina Precision Manufacturing, um fabricante suíço de peças torneadas CNC de pequeno diâmetro e tolerância estreita, economizou US$ 1,5 milhão em um ano ao lançar uma plataforma IoT para garantir visibilidade total dos dados. No estudo de caso, ele explica como eles conseguiram aumentar a eficiência da produção, otimizar a utilização da máquina e impulsionar a responsabilidade do operador.

Desafios da fabricação orientada a dados

Fontes de dados isoladas e sistemas legados: Muitos sistemas e equipamentos não foram construídos com a intenção de conversar entre si. Isso pode ser resultado de sistemas operacionais separados entre diferentes departamentos, equipamentos legados ou simplesmente falta de documentação e comunicação. O problema aqui é que pode ser difícil agregar dados em sistemas diferentes, o que significa que você obterá menos valor dos dados coletados. Uma plataforma IoT que conecta vários níveis de sistemas e traz equipamentos legados online ajuda a resolver esse problema.

Ameaças de segurança: O problema da segurança industrial da IoT surgiu devido a duas razões principais. Em primeiro lugar, à medida que mais dispositivos estão conectados, há uma chance maior de criar vulnerabilidades para uma violação. Em segundo lugar, a segurança não foi abordada no nível da máquina antes, o que significa que não há padrões ou protocolos desenvolvidos. No entanto, existem soluções para mitigar o risco.

Armazenamento de dados: Quanto mais dispositivos e sistemas conectados que um fabricante orientado a dados habilitar, mais dados serão coletados. Na superfície, este é um grande benefício se o usuário puder obter informações dos dados coletados. No entanto, o fluxo de dados crescente precisa de um local para ser coletado e processado, o que pode ser um desafio difícil. Isso é especialmente caro se o usuário armazenar dados no local, o que é um forte argumento para o uso da computação em nuvem.

Estratégias de manufatura orientada a dados

Estratégia de otimização de processos orientada por dados

O primeiro passo para otimizar a capacidade de produção de uma máquina é entender suas capacidades e as condições de trabalho ao seu redor. Essas condições de trabalho podem incluir o conhecimento do estoque disponível e a velocidade com que os materiais chegam à máquina. Para adquirir esse conhecimento, será necessária a integração de soluções de captura de dados, como dispositivos de interface homem-máquina. Os dados coletados e a capacidade de visualizar os KPIs fornecem uma ótima visão dos processos industriais para os tomadores de decisão e funcionários em uma fábrica.

Esses insights podem ser colocados em prática no desenvolvimento de uma estratégia de otimização de processos que garanta que a produção continue em seu nível ideal. Uma abordagem orientada por dados para a otimização de processos também possibilita a identificação de fatores que limitam a produtividade.

Um exemplo é o uso de MachineMetrics para impulsionar a otimização de processos em uma instalação de manufatura discreta. Neste exemplo, os dados são coletados diariamente das máquinas, categorizados e comparados com KPIs otimizados para descobrir o equipamento específico que não atende ao seu objetivo e por quê. A visão direcionada dos desafios que afetam a produtividade de uma máquina serve como base para corrigir os problemas que limitam o funcionamento ideal.

Estratégia de manutenção preditiva orientada por dados

Espera-se que as máquinas no chão de fábrica sejam mantidas continuamente para garantir que funcionem de maneira ideal, e é por isso que todo fabricante tem uma estratégia de manutenção para lidar com falhas de peças. Em muitas instalações, uma abordagem de manutenção reativa ou de execução até a falha ainda está sendo implantada como uma estratégia para manter as máquinas funcionando por períodos mais longos. As estatísticas mostram que essa estratégia prejudica a produtividade em aproximadamente 20% e também pode levar a paralisações não planejadas se as máquinas quebrarem durante um ciclo de produção real.

Uma estratégia orientada por dados traz uma abordagem preventiva à manutenção da máquina por meio do monitoramento de cada índice de desempenho que descreve o status de integridade da máquina e dos componentes nela. Com esta abordagem, os tempos de parada não planejados serão eliminados, otimizando a eficiência da produção.

Um exemplo disso é o uso do MachineMetrics Anomaly Detection Engine para rastrear componentes e desempenho da máquina. Por meio de uma API, o mecanismo analisa os dados da máquina para desenvolver estratégias de manutenção personalizadas para as diferentes máquinas em um chão de fábrica. Os dados analisados ​​informam o fabricante sobre peças que exigem substituições frequentes e insights sobre como desenvolver cronogramas de substituição em torno dos ciclos de produção. Isso garante que o estoque de peças de reposição do fabricante esteja sempre atualizado e a manutenção seja executada dentro dos prazos especificados.

Os três estágios da otimização de manufatura orientada por dados

Definir ou criar uma estratégia orientada por dados para otimizar os processos de fabricação inclui os seguintes estágios:

1. Capturando e monitorando dados: A capacidade de coletar dados em tempo real fornece a base para colocar seus dados em funcionamento. O MachineMetrics é uma solução plug and play que coleta dados como velocidade operacional, temperatura do equipamento e taxa de consumo de energia de equipamentos de fabricação discreta e dispositivos IoT.
2. Categorização e visualização de dados: Os dados coletados devem ser processados ​​e analisados ​​para receber insights deles. A MachineMetrics aproveita a nuvem AWS para fornecer aplicativos prontos para uso que tornam a visualização e a geração de relatórios de dados de chão de fábrica por meio de fluxos de trabalho otimizados um processo simplificado.
3. Inteligência de negócios e ação: Relatórios e fluxos de trabalho são fornecidos para facilitar o processo de tomada de decisão e criação de estratégias. Depois que os dados da máquina são coletados e analisados, é possível desenvolver estratégias acionáveis ​​para otimizar a eficiência da produção e implementá-las.

Sua jornada de análise de manufatura

Para que seus dados trabalhem para você, conectar as máquinas de fabricação de sua empresa ao pontapé da MachineMetrics Platform inicia a jornada para a otimização da produção. Os recursos de conectividade universal da MachineMetrics suportam máquinas com E/S digital e analógica, o que possibilita a coleta de dados de máquinas legadas em seu chão de fábrica. Assim, eliminando o desafio de coletar os dados utilizáveis ​​necessários para desenvolver estratégias orientadas por dados para suas instalações de fabricação. Você pode aprender mais sobre a proposta de valor das plataformas de análise industrial de nível empresarial analisando os recursos da MachineMetrics IoT Platform.