지식으로 디지털 제조 팀의 역량 강화

4차 산업 혁명은 제조 공정에서 방대한 양의 실시간 데이터를 얻을 수 있는 기회를 제공했으며 거의 ​​모든 표면이 데이터 수집을 위한 센서로 변형될 가능성이 있습니다. . 그러나 이 풍부한 데이터가 디지털 팀이 활동을 최적화하는 데 필요한 지식을 제공합니까?

이 영화에서 Senseye의 Alexander Hill과 Rob Russell은 Manufacturing Technology Centre의 Hannah Edmonds 박사, Make UK의 Jim Davison, MCP Consulting Group의 Peter Gagg와 함께 데이터 제조업체가 수집해야 할 데이터와 기존 데이터 세트를 수집하는 방법, 방법에 대해 논의합니다. 새로운 통찰력과 더 큰 가치를 창출하기 위해 용도를 변경할 수 있으며, 유지 관리와 같은 프로세스를 현장 엔지니어의 요구 사항을 충족하도록 재설계할 수 있습니다.

성적표

Alexander Hill, Senseye:'데이터만 있으면 바로 갑니다'처럼 간단하다고 말하고 싶습니다. 불행히도 많은 조직이 너무 많은 데이터를 갖고 있다는 사실을 알게 되었습니다. 따라서 올바른 데이터가 무엇인지, 그 데이터에서 무엇을 이해해야 하는지 알아내는 것은 어려운 일입니다.

Hannah Edmonds 박사, 제조 기술 센터:풍부한 데이터를 보유하는 데 어려움이 있습니다. 데이터 포화 단계에 도달할 수 있습니다. 이는 너무 좋은 일입니다.

Rob Russell, Senseye:예측 유지 관리의 관점에서 중요한 것은 기계 상태를 평가할 수 있는 상태 모니터링 데이터를 수집하는 것입니다. 하지만 센서 정보만큼 중요한 것은 상황에 따라 적절한 시점에 데이터를 수집하는 것입니다.

Hannah Edmonds 박사:상태 모니터링 및 분석을 통해 유지 관리에 대한 사전 예방적 접근 방식을 사용할 수 있습니다. 단순히 오류가 발생할 때까지 기다리는 것이 아니라 시간이 지남에 따라 장비의 상태가 악화되는 시점을 식별하는 것입니다.

장비를 계측하고 데이터를 수집한 다음 운영을 모니터링하여 이러한 실패를 방지하기 위해 생산 통찰력을 얻을 수 있습니다. 문제가 발생하기 전에 개입할 수 있습니다.

Peter Gagg, MCP Consulting Group:모든 사람이 가장 먼저 생각하는 것은 센서의 데이터만 있으면 예측 유지보수 프로그램을 시작할 수 있다는 것입니다. 그러나 이미 비즈니스에 존재하는 다른 유형의 데이터도 많이 있습니다.

빌딩 관리 시스템의 데이터, 장비 이력, PLC의 데이터, 제조 실행 시스템, OEE 시스템 등 일반적인 진동, 온도, 압력, 흐름, 전류 및 전압과 함께.

이 모든 것을 통합하고, 예측 체제 내에서 실제로 사용해야 하는 매개변수를 식별하고, 이들 모두가 어떻게 상호 연결되어 있는지 살펴보는 것이 중요합니다.

Jim Davison, Make UK:프로세스, 기계 또는 제품 내의 중요한 매개변수를 실제로 이해하는 것이 중요합니다. 부품이 좋은지 나쁜지 여부에 영향을 줄 수 있는 입력이 무엇인지 또는 기계가 명판 기능에서 안정적이고 반복적으로 작동할 수 있는지 이해하십시오.

이를 이해하고 프로세스를 알면 중요하고 찾고 있는 매개변수에 영향을 줄 수 있는 데이터를 캡처할 수 있습니다. 그런 다음 유용한 방식으로 표시하십시오.

Alexander Hill:현대 산업 장비에는 이미 사용 가능하고 이미 캡처된 많은 데이터가 있습니다. 전류, 온도, 압력, 사이클 시간과 같은 것들. 이들은 실제로 상태 모니터링 목적으로 사용할 수 있지만 종종 그렇지 않은 경우가 많습니다. 대신 프로세스를 제어하는 ​​데만 사용됩니다.

우리는 이러한 측정을 수행하고 기계 상태를 이해하는 데 사용할 수 있습니다. 사용 가능한 데이터를 사용하여 기계 모델을 자동으로 구축합니다. 그런 다음 우리는 고객이 기계 관점에서 주의해야 할 사항을 이해하도록 돕습니다. '이 모든 원시 데이터를 살펴보십시오'라고 말하지 않고 실제로 이를 제거하고 추상화하여 그들이 수백 수천 수천 개의 자산 중에서 어떤 자산에 주의를 기울여야 하는지 이해할 수 있도록 합니다.