인더스트리 4.0의 스마트 팩토리는 모든 데이터에 관한 것입니다

MachineMetrics의 마케팅 이사인 Graham Immerman은 Better MRO와의 인터뷰에서 "오늘은 제조의 '인터넷 순간'입니다. "많은 산업 분야에서 10년 이상 전에 '인터넷 시대'가 열렸지만 제조업은 지금 그 시대를 맞이하고 있습니다."

제조 전문가인 Tom Leeson은 "미래 공장에 도전하는 6가지 트렌드" 게시물에서 "데이터는 미래 공장의 생명선"이라고 말합니다.

Leeson은 다음과 같은 기술 컨텍스트에서 데이터를 제공합니다. "적용된 AI 및 고급 분석을 통해 데이터는 모든 프로세스를 주도하고, 운영 오류를 감지하고, 사용자 피드백을 제공하고, 생산 출력의 양과 품질을 개선합니다."

인터넷 4.0에 대한 기술이 많은 전문용어에도 불구하고 제조업체들도 인터넷 4.0의 약속을 믿습니다. Capgemini의 연구에 따르면 2017년에 제조업체의 76%가 스마트 공장 계획이 "진행 중이거나 공식화 중"이라고 말했으며 55% 이상이 1억 달러를 투자했습니다. 불행히도, 14%만이 그들의 노력에 만족했습니다.

문지름? 채택에는 노력이 필요합니다. 즉, 투자와 시간이 필요합니다.

정확하고 완전한 데이터는 스마트 팩토리의 원동력입니다.

IOT Evolution World 기사에서 미국 지멘스의 디지털 공장 사업부 사장인 Raj Batra는 "잠재적으로 수천 개의 연결된 장치가 있는 생산 현장은 이제 데이터 관점에서 상당한 가치가 있습니다."라고 말합니다. "문제는 이제 이 데이터를 수집할 수 있는 동안 어떻게 분석하여 비즈니스 목표에 의미 있고 가치 있게 만들 수 있습니까?"

정당한 질문입니다. 분석할 수 있는 것이 너무 많기 때문에 모든 데이터를 일관된 의사 결정 내러티브로 만드는 것이 반드시 쉬운 것은 아닙니다. 이를 위해서는 정보 기술 세계의 시스템과 기술이 조금 더 필요하며 기존 운영 기술 세계에서 이 모든 것이 함께 작동하는 방식에 대한 새로운 사고 방식이 필요합니다.

변하지 않는 것은? 더 짧은 시간에 더 많은 부품을 제공해야 한다는 압박감

부품 제작 생산량을 높이는 데 도움이 필요하십니까? " 읽기 공구 수명을 연장하고 생산성을 높이는 5가지 방법 .”

보다 정밀한 가공 및 도구 정보가 이러한 원인에 도움이 될 수 있지만 데이터 정확도가 없으면 문제가 될 수 있습니다. 오늘날 많은 제조업체들이 화이트보드와 종이에 관련 기계 데이터를 캡처하고 있다고 Immerman은 말합니다. 하지만 정보를 네트워크화하고 투명하게 만들기 시작하면 데이터는 화이트보드 근처에 있는 팀뿐만 아니라 더 많은 팀에서 더 많은 방법으로 유용할 수 있습니다.

"저희 데이터(MachineMetrics)에 대한 통찰력을 제공할 수 있습니다. 대부분의 제조업체는 장비 용량과 활용도의 약 60~80%로 작업하고 있다고 생각합니다. 그 수치는 완전히 부정확합니다.”라고 Immerman은 말합니다. “업계 전체의 평균 기계 활용도는 27%입니다. 생산 현장에서 실제로 일어나고 있는 일과 제조업체가 생각하는 비즈니스에서 일어나는 일 사이에는 큰 단절이 있습니다."

Immerman은 데이터가 이러한 단절에 있다고 말합니다.

ERP(전사적 자원 관리) 시스템, 품질 또는 조립, 기계 가공 또는 툴링 등 작업 현장에 대한 가시성 부족, 작업 현장 및 기타 비즈니스 시스템 간의 데이터 통합 ​​부족이 있습니다.

“진실은 데이터에 있으며 대부분의 사람들은 진실을 말할 데이터가 없습니다. 이것이 업계 현황입니다.”라고 Immerman은 말합니다.

스마트 팩토리 데이터 과제:개별 제조 시스템의 양

Capgemini 데이터가 정말 눈에 띕니다. 스마트 팩토리 결과에 만족하는 기업은 14%에 불과합니다.

그 이유는 다음과 같습니다. 전체 운영 에코시스템에 대한 완전한 가시성은 어려운 일이며 많은 제조업체에서 압도적으로 느껴집니다.

"회사들은 '그래서, 당신이 말하는 것은 내가 이 전체 디지털 공장을 구축해야 한다는 것입니까? 그리고 8가지 유형의 소프트웨어를 구현해야 합니까? 도대체 어떻게 하면 될까요?'라고 Immerman은 말합니다.

데이터가 ERP(Enterprise Resource Planning), 품질 시스템, CMMS(Coordinate Measuring Machine), 검사 데이터, 조립 시스템, CNC 머시닝 셀, 툴링 및 기타 여러 제조 프로세스에서 제공되는지 여부에 관계없이 알고 가시화해야 할 것이 많습니다. 임머맨.

디지털 보안 회사인 Trend Micro는 블로그 게시물 "A Look Into Smart Factories:A Model of IIoT Innovation"에서 "더 시급한 과제 중 하나는 스마트 팩토리에 수반되는 엄청난 양의 데이터입니다."라고 말합니다. "이 [거대한 데이터] 때문에 기업은 스마트 팩토리를 구축하기 전에 대량의 데이터를 적절하게 사용하고 처리할 수 있는 프로토콜과 시스템을 갖추고 있어야 합니다."

시작할 위치:PLC에서 머신 데이터를 분리하고 작업

모든 인더스트리 4.0을 한 번에 받아들이는 것은 모든 사람의 관심사가 아닐 수도 있습니다. 스마트 팩토리는 작업 현장에서 부품 제조 기계로 작게 시작하여 실현될 수 있습니다.

MachineMetrics의 경우 기계의 PLC에서 직접 데이터를 추출하고 작은 무선 "에지" 장치를 통해 정보를 보냅니다. 정보는 암호화되어 안전한 클라우드를 통해 배포되어 고객이 볼 수 있습니다. MachineMetrics의 핵심은 생산 데이터, 유지보수 팀을 위한 시스템 상태, OEM 및 장비 유통업체를 위한 원격 서비스를 제공하는 분석 플랫폼입니다.

"따라서 우리는 부품 수를 얻고 PLC에서 최대 200개의 데이터 포인트를 얻습니다. ... 또한 공구가 사용되는 공작 기계에 대한 데이터도 얻습니다."라고 Immerman은 말합니다. "하중 정보, 스핀들 압력을 얻습니다. 기계에서 바로 알람을 받습니다."

성능 및 가용성 데이터입니다. 본질적으로:어떻게, 무엇을, 왜. 이 모든 데이터를 통해 기업은 다운타임을 방지하고 다음과 같은 질문에 답할 수 있습니다.

• 도구 교체로 인해 장비가 다운되나요?
• 설정하는 데 시간이 너무 오래 걸려 시스템이 다운되나요?
• 작업 시간을 잘못 추정했나요?

"OEE(전체 장비 효율성)에 대해 들어보셨나요?" 임머만이 묻는다. “고객과 협력할 때 종종 기계가 제대로 활용되지 않는 가장 큰 이유는 성능 기대치가 완전히 부정확하기 때문이라는 것을 알게 됩니다. 생산된 각 부품에 대해 예상되는 주기 시간은 어떻게 됩니까? 설정은 얼마나 오래 해야 합니까? 주어진 교대조에서 몇 개의 부품을 생산할 수 있다고 생각합니까?”

Immerman은 성능 기대치가 ERP 시스템에 의해 좌우되며, 이것이 정확하지 않으면 "다른 회사가 귀하의 비즈니스를 인수할 수 있는 테이블에 많은 것을 남겨둡니다"라고 말합니다.

궁극적으로 스마트 팩토리는 공유할 수 있는 최상의 정보로 제조업체가 개선하고 시간을 절약하며 더 나은 결정을 내릴 수 있도록 돕는 것입니다.

MachineMetrics에 따르면 모든 제조업체는 기계 용량의 27%만 사용하고 있습니다. 당신은 그것을 믿습니까? 포럼에서 반응하십시오. [등록 필요]