Transformando Equipes Digitais de Manufatura com Insights de Dados em Tempo Real

A quarta revolução industrial proporcionou oportunidade de obter enormes quantidades de dados em tempo real de processos de manufatura, e potencial para quase toda superfície virar sensor para coleta de dados. Mas essa riqueza de dados fornece o conhecimento que equipes digitais precisam para otimizar atividades?

Neste filme, Alexander Hill e Rob Russell da Senseye são acompanhados pela Dra. Hannah Edmonds do Manufacturing Technology Centre, Jim Davison da Make UK e Peter Gagg da MCP Consulting Group para discutir quais dados fabricantes devem coletar e como, como datasets existentes podem ser reaproveitados para gerar novos insights e maior valor, e como processos como manutenção podem ser redesenhados para atender necessidades de engenheiros no chão de fábrica.

Transcrição

Alexander Hill, Senseye: Adoraria dizer que é simples: "tem dados e vai". Infelizmente, vemos que muitas organizações têm dados demais. Descobrir quais dados corretos e o que precisa entender deles é o desafio.

Dra. Hannah Edmonds, Manufacturing Technology Centre: Há desafio com riqueza de dados, pode chegar a saturação — demais de coisa boa.

Rob Russell, Senseye: Da perspectiva de manutenção preditiva, chave é reunir dados de monitoramento de condição que possamos avaliar estado de máquinas. Mas tão importante quanto informação de sensores, é crucial que dados sejam coletados com contexto e em ponto apropriado no tempo.

Dra. Hannah Edmonds: Monitoramento de condição e analytics permitem abordagem mais proativa à manutenção. Não é só esperar erro ocorrer, mas tentar identificar quando condição de equipamentos deteriora ao longo do tempo.

Podemos instrumentar equipamentos, coletar dados, monitorar operações para obter insights de produção para prevenir falha — intervir antes do problema.

Peter Gagg, MCP Consulting Group: Primeiro pensamento de todos: dados de sensores é tudo que precisa para programa de manutenção preditiva. Porém, há muitos outros tipos de dados já existentes no negócio.

Dados de sistemas de gestão de prédios, histórico de equipamentos, dados de CLPs, sistemas de execução de manufatura, sistemas OEE, etc. Junto com vibração, temperatura, pressão, vazão, corrente, tensão usuais.

É realmente sobre juntar tudo, identificar parâmetros que realmente precisa usar no regime preditivo, e ver como todos interconectados.

Jim Davison, Make UK: Tudo sobre entender parâmetros críticos no seu processo, máquina ou produto. Entender quais inputs impactam se peça é boa ou ruim, ou se máquina roda em capacidades nominais confiável e repetidamente.

Uma vez que entende isso e conhece seu processo, pode capturar dados importantes que influenciam parâmetros que procura. Exibir de forma útil.

Alexander Hill: Em equipamentos industriais modernos, há muitos dados já disponíveis e capturados. Coisas como corrente, temperatura, pressão, tempos de ciclo. Podem ser usados para monitoramento de condição mas frequentemente não são — só usados para controlar processo.

Podemos pegar essas medições e usá-las para entender saúde da máquina. Construímos modelos das máquinas automaticamente, usando dados disponíveis. Ajudamos clientes a entender no que precisam prestar atenção da perspectiva da máquina. Sem dizer "olhe todos esses dados brutos", na verdade tiramos, abstraímos, e garantimos que entendam quais ativos — de centenas e milhares — precisam de atenção.