Sprievodca systémom zberu priemyselných údajov pre závody

Na konci smeny sa výrobný manažér stále snaží zostaviť, čo sa stalo počas dňa, z papierových záznamov, strojových denníkov a viacerých Excel tabuliek. Aký bol skutočný čas prestojov? Ktorá objednávka mešká? Prečo sa zhoršil pomer odpadu? príručka pre zber priemyselných dát je užitočná, ak nezačína senzormi alebo obrazovkami, ale týmito otázkami.

V mnohých závodoch sú už dáta dostupné v nejakej forme. PLC spracovávajú signály, stroje zaznamenávajú udalosti, v ERP sú údaje o objednávkach a zásobách, a údržba vedie vlastné záznamy. Problémom nemusí byť nevyhnutne nedostatok dát. Skôr je to tak, že informácie sú rozptýlené, aktualizované v rôznych časoch a ľudia musia spájať časti dohromady.

Čo by mal riešiť systém zberu priemyselných dát?

Zber dát sám o sebe nie je obchodným cieľom. Len preto, že výrobná linka ukladá stovky hodnôt za sekundu, výroba sa nestane rýchlejšou, odpad sa nezníži ani dodávky nebudú predvídateľnejšie. Hodnotu systému určuje to, či zodpovedný manažér alebo operátor môže z neho včas a spoľahlivo rozhodovať.

Preto je vhodné najprv určiť konkrétnu prevádzkovú situáciu. Napríklad výrobný plán sa zdá byť splnený doobeda, ale popoludní sa ukáže, že kvôli opakujúcej sa poruche stroja už smena nie je dobehnuteľná. Alebo spoločnosť vie, že je veľa krátkych zastavení, ale nevie, ktorý produkt, nástroj, surovina alebo operácia za tým stojí.

Dobré východiskové otázky môžu byť:

• Pre ktoré rozhodnutia je dnes potrebné manuálne zhromažďovať dáta z viacerých zdrojov?
• Kde vznikajú také výpadky, ktoré sú zistené až dodatočne?
• Ktoré dáta sú zapisované viackrát do rôznych systémov?
• Ktoré ukazovatele sú pravidelne predmetom diskusie, pretože neexistuje jednotný zdroj dát?

Ak na tieto otázky nie je jasná odpoveď, projekt sa neoplatí začínať zoznamom nástrojov. Najprv je potrebné preskúmať proces: kde vznikajú informácie, kto ich používa, kto ich mení a kde sa stráca ich význam.

Aké dáta je vhodné zbierať?

Najčastejšou chybou je príliš široký začiatok. S novým systémom je ľahké začať ukladať všetky dostupné strojové signály, teploty, cyklické časy a zmeny stavu. To môže mať technické opodstatnenie, najmä v prostredí kvality, sledovateľnosti alebo údržby. Pre operatívne rozvojové účely však príliš veľa, neinterpretovaných dát často vytvára len ďalšiu záťaž na reportovanie.

Vo väčšine výrobných spoločností už niekoľko základných kategórií poskytuje významnú transparentnosť: stav stroja alebo bunky, vyrobené množstvo, odpad a jeho príčina, dôvod prestojov, cyklický čas a produkt alebo objednávka priradená k danému obdobiu. V prípade potreby ich môže doplniť spotreba energie, environmentálne dáta, stav nástroja alebo identifikátor suroviny.

Nie všetky dáta sú zbierateľné s rovnakou spoľahlivosťou. Stavový signál prichádzajúci automaticky zo stroja sa môže zdať objektívny, ale stále je potrebné objasniť, čo znamená. Znamená signál „beží“ skutočne produkciu, alebo stroj pracuje naprázdno? Označuje signál „chyba“ konkrétnu poruchu, alebo kombinuje viacero udalostí? Dátový model musí presne popisovať fyzický proces, nielen kopírovať existujúce značky v riadiacom systéme.

Je tiež realistické, že niektoré príčiny možno pochopiť len z ľudskej spätnej väzby. Automatická detekcia prestojov a skutočná prevádzková príčina prestojov sú dve rôzne informácie. Operátor preto potrebuje krátke, jasné a do pracovného procesu zapadajúce možnosti výberu. Ak musí desať minút hľadať kategórie na termináli, zhoršuje sa kvalita dát a zvyšuje sa odpor voči systému.

Príručka pre zber priemyselných dát: mapovanie procesu

Úspešné zavedenie zvyčajne nezačína tým, aká SCADA, riadiaci systém výroby alebo cloudová platforma by mala byť. Najprv je potrebné preskúmať súčasný tok informácií cez celú smenu alebo objednávkový cyklus.

Kto signalizuje, že stroj sa zastavil? Kde sa zaznamenáva dôvod? Kedy sa informácia prenáša do výrobného plánu, údržby alebo k vedúcemu smeny? Kedy a ako sa výrobné množstvo dostáva do ERP? Ak existuje rozdiel medzi fyzickou realitou a systémom, kto ho opravuje a na základe akého pravidla? Tieto otázky často odhaľujú viac o smere vývoja ako technický list zariadenia.

Počas mapovania sa často ukáže, že nechýba meranie, ale je nejasná hranica zodpovednosti. Napríklad obsluha stroja vedie počet kusov na papieri, vedúci smeny ich sumarizuje v Exceli a administratíva neskôr zaznamenáva výsledok do podnikového systému. V takýchto prípadoch vznikajú tri rôzne zdroje dát o tej istej udalosti a ani jeden nie je zaručene aktuálny.

Dobrý cieľový stav nemusí byť nevyhnutne úplná automatizácia. Možno stačí automatické zhromažďovanie strojových dát, schválenie odchýlok operátorom a následné odovzdanie overeného výsledku do ERP. Dôležité je, aby každý údaj mal jasný zdroj, vlastníka a účel použitia.

Bez integrácie vznikne len ďalší dátový ostrov

Samostatný výrobný displej môže byť pôsobivý, ale menej hodnotný, ak sa objednávky, čísla dielov, prevádzkové predpisy a pohyby zásob stále manuálne prenášajú z jedného systému do druhého. Systém zberu priemyselných dát musí preto riešiť aj prepojenie prevádzkových a obchodných systémov.

Medzi úrovňou stroja a podnikovým systémom je rozdielny rytmus dát. PLC signalizuje zmenu stavu v priebehu sekúnd, zatiaľ čo ERP môže potrebovať len uzavretú operáciu, schválené množstvo a dôvod odpadu. Nie je vhodné prenášať všetky surové signály do ERP. Správna architektúra oddeľuje reálne časové prevádzkové dáta, interpretované výrobné udalosti a transakcie s finančným alebo logistickým významom.

To je dôležité aj preto, že chyby integrácie sa prejavujú v prevádzke. Ak je k objednávke priradené nesprávne číslo dielu, správa bude zavádzajúca. Ak sa výrobné spätné väzby oneskoria, zásoby a nákup môžu byť založené na nesprávnych rozhodnutiach. Ak nie je prenos kontrolovaný, rovnaká položka sa môže v systéme objaviť dvakrát.

Preto sú pri rozhraniach potrebné identifikátory, časové pečiatky, spracovanie chýb a spätná kontrola. Otázka nie je len, či dáta prechádzajú, ale aj či je v prípade chyby zistený nedostatok, či je možné udalosť znovu odoslať a jednoznačne rekonštruovať, čo sa stalo.

Spoľahlivosť, oprávnenie a prevádzková bezpečnosť

V výrobnom prostredí nesmie zber dát brániť nepretržitej prevádzke. Ak sa preruší sieťové spojenie, výroba musí pokračovať. Ak nie je dostupná centrálna služba, nesmú sa nekontrolovane stratiť udalosti. Preto je už pri plánovaní potrebné objasniť, ktoré funkcie vyžadujú reálny čas, ktoré dáta môžu byť dočasne uložené lokálne a ako sa neskôr synchronizujú.

Bezpečnosť dát nie je len informatická otázka. Výrobné dáta môžu byť z obchodného hľadiska citlivé a neoprávnené úpravy môžu spôsobiť problémy s kvalitou, účtovaním alebo súladom. V dobre navrhnutom systéme sú roly, ktoré regulujú, kto môže vidieť, zaznamenávať, upravovať alebo schvaľovať dáta. Kritické úpravy môžu byť zaznamenávané, takže neskôr nie je potrebné z pamäti zistiť, prečo sa hodnota zmenila.

Výber technológie je skutočne závislý od situácie. Niekde je vhodné rozhodnutie o lokálnej, prevádzkovej infraštruktúre kvôli oneskoreniu, obmedzeniam pripojenia alebo regulačným požiadavkám. Iné spoločnosti môžu získať lepší prehľad z centrálneho prostredia, ktoré spája viacero lokalít. Častým riešením je kombinácia oboch: lokálne spracovanie dát, centrálne reportovanie a kontrolované prenosy dát.

Ako merať, či sa vývoj oplatí?

Návratnosť nie je len o znížení pracovných hodín. Hodnota systému zberu dát sa môže prejaviť v tom, že sa skôr zistí zhoršujúci sa trend, je menej naliehavých konzultácií, presnejší čas dodania alebo údržba nereaguje len na hlásenia chýb. Tieto ciele by mali byť merateľné už na začiatku.

Cieľom môže byť napríklad zvýšenie presnosti zaznamenávania prestojov, skrátenie času na vypracovanie správy smeny, zníženie rozdielov v zásobách alebo skoršia predvídateľnosť plnenia výrobného plánu. Dobrý ukazovateľ neukazuje len, koľko dát sa zhromaždilo. Ukazuje, či sa zlepšila prevádzka.

Je vhodné začať s dobre ohraničenou oblasťou, kde je známa obchodná bolesť, zainteresovaní môžu byť zapojení a výsledok je porovnateľný. Jedna výrobná linka, kritická operácia alebo opakujúci sa problém s kvalitou je často lepším prvým krokom ako pokrytie celého závodu naraz. Na základe skúseností je potom možné spresniť dátový model, užívateľské rozhranie a integračné pravidlá.

Najlepší systém nakoniec nie je ten, ktorý zhromažďuje najviac dát. Ale ten, ktorý počas smeny ukazuje, kde je potrebné zasiahnuť, a na ktorý sa výroba, údržba a vedenie môžu spoľahnúť s rovnakou dôverou.