Водич за индустријске системе прикупљања података за фабрике

Na kraju smene, proizvodni menadžer još uvek pokušava da sastavi šta se dogodilo tog dana koristeći papirne listove, dnevnike mašina i više Excel tabela. Koliko je bilo stvarnog zastoja? Koja narudžbina kasni? Zašto se povećao procenat škarta? vodič za industrijski sistem prikupljanja podataka je koristan kada ne počinje sa senzorima ili ekranima, već sa ovim pitanjima.

U mnogim pogonima podaci su već dostupni u nekom obliku. PLC-ovi obrađuju signale, mašine beleže događaje, ERP sadrži podatke o narudžbinama i zalihama, a održavanje vodi sopstvene evidencije. Problem nije nužno nedostatak podataka. Pre je to što su informacije raspršene, ažuriraju se u različito vreme, a ljudi moraju da povezuju delove.

Šta bi industrijski sistem prikupljanja podataka trebalo da reši?

Prikupljanje podataka samo po sebi nije poslovni cilj. Samo zato što proizvodna linija skladišti stotine vrednosti u sekundi, ne znači da će proizvodnja biti brža, manje škarta ili predvidljivija isporuka. Vrednost sistema leži u tome da li odgovorni menadžer ili operater može pravovremeno i pouzdano doneti odluku na osnovu njega.

Stoga je korisno prvo odrediti konkretnu operativnu situaciju. Na primer, proizvodni plan se čini ispunjenim ujutru, ali se popodne ispostavi da zbog ponavljajućeg kvara na mašini smena više ne može biti nadoknađena. Ili kompanija zna da ima mnogo kratkih zastoja, ali ne zna koji proizvod, alat, sirovina ili operacija stoji iza toga.

Dobra početna pitanja mogu biti:

• Za koje odluke je danas potrebno ručno prikupljati podatke iz više izvora?
• Gde nastaju gubici koji se primećuju tek naknadno?
• Koji se podaci unose više puta u različite sisteme?
• Oko kojih pokazatelja se redovno vodi rasprava jer ne postoji jedinstven izvor podataka?

Ako na ova pitanja nema jasnog odgovora, projekat se ne isplati započeti sa listom alata. Prvo treba istražiti proces: gde se informacije generišu, ko ih koristi, ko ih menja i gde se njihov značaj gubi.

Koje podatke vredi prikupljati?

Najčešća greška je preširok početak. Sa novim sistemom lako je početi skladištiti sve dostupne signale mašina, temperature, ciklusna vremena i promene stanja. Ovo može imati tehničko opravdanje, posebno u okruženju osiguranja kvaliteta, sledljivosti ili održavanja. Međutim, za operativne razvojne ciljeve, previše, neinterpretiranih podataka često stvara samo dodatno opterećenje izveštavanja.

U većini proizvodnih kompanija nekoliko osnovnih kategorija već pruža značajnu transparentnost: stanje mašine ili ćelije, proizvedena količina, škart i njegov uzrok, uzrok zastoja, ciklusno vreme, kao i proizvod ili narudžbina dodeljena određenom periodu. Po potrebi, ovo se može dopuniti potrošnjom energije, ekološkim podacima, stanjem alata ili identifikatorom sirovine.

Nisu svi podaci prikupljeni sa istom pouzdanošću. Na primer, signal stanja koji automatski dolazi iz mašine može izgledati objektivno, ali ipak treba razjasniti šta znači. Da li „radi“ signal zaista znači proizvodnju ili mašina radi u praznom hodu? Da li „greška“ signal označava konkretan kvar ili objedinjuje više događaja? Model podataka treba tačno opisati fizički proces, a ne samo kopirati oznake iz kontrolera.

Takođe je realno da se određeni uzroci mogu razumeti samo iz ljudskih povratnih informacija. Automatsko otkrivanje zastoja i stvarni operativni uzrok zastoja su dve različite informacije. Operateru su stoga potrebne kratke, jasne i u radni proces uklopive opcije izbora. Ako mora da traži kategorije na terminalu deset minuta, kvalitet podataka se pogoršava, a otpor prema sistemu raste.

Vodič za industrijski sistem prikupljanja podataka: mapiranje procesa

Uspešno uvođenje obično ne počinje sa pitanjem koja SCADA, MES ili cloud platforma treba biti. Prvo treba pregledati trenutni tok informacija kroz celu smenu ili ciklus narudžbine.

Ko signalizira da je mašina stala? Gde se beleži uzrok? Kada se informacije prenose u proizvodni plan, održavanje ili do šefa smene? Kada i kako se proizvodna količina unosi u ERP? Ako postoji razlika između fizičke stvarnosti i sistema, ko je ispravlja i po kojem pravilu? Ova pitanja često otkrivaju više o pravcu razvoja nego tehnički list opreme.

Tokom mapiranja često se otkriva da nije problem u merenju, već u nejasnim granicama odgovornosti. Na primer, operater mašine vodi broj komada na papiru, šef smene sumira u Excelu, a administracija kasnije unosi rezultat u ERP sistem. U takvim slučajevima nastaju tri različita izvora podataka o istom događaju, a nijedan nije garantovano aktuelan.

Dobar cilj nije nužno potpuna automatizacija. Možda je dovoljno automatsko prikupljanje podataka sa mašine, odobravanje odstupanja od strane operatera, a zatim prenos verifikovanih rezultata u ERP. Suština je da svaki podatak ima jasan izvor, vlasnika i svrhu korišćenja.

Bez integracije, samo se stvara novi podatkovni otok

Samostalni proizvodni displej može biti impresivan, ali manje vredan ako se narudžbine, brojevi artikala, operativne specifikacije i kretanje zaliha i dalje ručno prenose iz jednog sistema u drugi. Industrijski sistem prikupljanja podataka stoga treba da upravlja vezom između operativnih i poslovnih sistema.

Ritam podataka između nivoa mašine i korporativnog sistema je različit. PLC signalizira promenu stanja u sekundama, dok ERP možda treba samo završenu operaciju, odobrenu količinu i uzrok škarta. Nije preporučljivo prenositi sve sirove signale u ERP. Pravilna arhitektura razdvaja podatke u realnom vremenu, interpretirane proizvodne događaje i transakcije od finansijskog ili logističkog značaja.

Ovo je važno jer se greške u integraciji manifestuju u radu pogona. Ako je pogrešan broj artikla povezan sa narudžbinom, izveštaj će biti obmanjujući. Ako povratne informacije o proizvodnji kasne, zalihe i nabavka mogu raditi na osnovu pogrešnih odluka. Ako prenos nije kontrolisan, isti stavka može se pojaviti dvaput u sistemu.

Zato su za interfejse potrebni identifikatori, vremenske oznake, rukovanje greškama i povratna provera. Pitanje nije samo da li podaci prolaze, već i da li se u slučaju greške može uočiti nedostatak, ponovo poslati događaj i jasno rekonstruisati šta se dogodilo.

Pouzdanost, ovlašćenja i operativna sigurnost

U proizvodnom okruženju, prikupljanje podataka ne sme ometati kontinuirani rad. Ako se mrežna veza prekine, proizvodnja mora da se nastavi. Ako centralna usluga nije dostupna, događaji se ne smeju izgubiti bez kontrole. Zato već u fazi planiranja treba razjasniti koje funkcije zahtevaju rad u realnom vremenu, koji podaci se mogu privremeno skladištiti lokalno i kako će se kasnije sinhronizovati.

Sigurnost podataka nije samo informatičko pitanje. Proizvodni podaci mogu biti poslovno osetljivi, a neovlašćene izmene mogu izazvati probleme sa kvalitetom, obračunom ili usklađenošću. U dobro osmišljenom sistemu, uloge regulišu ko može da vidi, unosi, menja ili odobrava podatke. Kritične izmene se mogu evidentirati, tako da se kasnije ne mora oslanjati na sećanje da bi se utvrdilo zašto je neka vrednost promenjena.

Izbor tehnologije ovde zaista zavisi od situacije. Negde je lokalna, operativna infrastruktura najbolje rešenje zbog kašnjenja, ograničenja veze ili regulatornih zahteva. U drugim kompanijama, centralizovano okruženje koje povezuje više lokacija pruža bolji pregled. Često se koristi kombinacija oba: lokalna obrada podataka, centralizovano izveštavanje i kontrolisani prenos podataka.

Kako meriti da li se razvoj isplati?

Povrat investicije nije samo smanjenje radnih sati. Vrednost sistema prikupljanja podataka može se manifestovati u ranijem otkrivanju pogoršanja trenda, manjem broju hitnih konsultacija, preciznijem vremenu isporuke ili održavanju koje ne reaguje samo na prijave kvarova. Ove ciljeve je korisno vezati za merljive ciljeve već na početku.

Cilj može biti, na primer, povećanje stope pouzdanog beleženja zastoja, smanjenje vremena potrebnog za izradu izveštaja smene, smanjenje razlika u zalihama ili ranija predvidljivost ispunjenja proizvodnog plana. Dobar pokazatelj ne pokazuje samo koliko je podataka prikupljeno. Pokazuje da li je rad poboljšan.

Vredi početi sa dobro definisanom oblašću gde je poslovni problem poznat, gde se zainteresovane strane mogu uključiti i gde se rezultat može uporediti. Proizvodna linija, kritična operacija ili ponavljajući problem sa kvalitetom često su bolji prvi korak nego pokrivanje celog pogona odjednom. Na osnovu iskustava, model podataka, korisnički interfejs i pravila integracije mogu se precizirati.

Najbolji sistem na kraju nije onaj koji prikuplja najviše podataka. Već onaj koji tokom smene pokazuje gde treba intervenisati i na koji se proizvodnja, održavanje i menadžment mogu osloniti sa istim poverenjem.