چگونه اینترنت اشیا از بهره وری در کارخانه بهره می برد


صنعت تولید در دهه گذشته بر موج Industry 4.0 سوار شده است و فناوری های مختلفی را به کف کارخانه آورده است. این چهارمین انقلاب صنعتی تماماً در مورد فناوری های دیجیتال و سیستم های تولید هوشمند بوده است. هدف این فناوری ها بهبود بهره وری تا حد زیادی با کاهش زمان توقف برنامه ریزی نشده و ساده سازی فرآیندها است. بخش مرکزی این سیستم ها که به آنها اجازه عملکرد می دهد، اینترنت اشیا – اینترنت اشیا است.

اعتبار تصویر: Aleksandar Littlewolf; فری پیک

اینترنت اشیا صنعتی

اینترنت اشیاء صنعتی (IIoT) به اینترنت اشیاء مورد استفاده در تنظیمات صنعتی اشاره دارد. IIoT شبکه ای از اشیاء مختلف است که داده ها را به یکدیگر منتقل می کند. IIoT به دلیل کاربردهایش با اینترنت اشیا روزمره متفاوت است: در حالی که اینترنت اشیاء معمولی با وظایف روزمره سروکار دارد، IIoT در یک محیط با دقت بالا با خطرات مختلف در اطراف آن کار می کند. این امر مستلزم استفاده از سنسورهایی با دقت بسیار بالا و کیفیت ساخت قوی است.

یکی دیگر از تفاوت های بزرگ بین این دو منطقه فوکوس است. اینترنت اشیا در مورد راحتی است، در حالی که IIoT در مورد بهبود بهره وری از طریق به هم پیوستن دارایی ها در یک سیستم تولید است.

کاهش زمان خرابی با PdM

تعمیر و نگهداری پیش‌بینی‌کننده (PdM) یک تکنیک زمان‌بندی تعمیر و نگهداری است که با تجزیه و تحلیل وضعیت دارایی‌ها در یک کارخانه تولید، زمان توقف تعمیرات را تخصیص می‌دهد. برای انجام این کار، تکنسین ها باید با سیستم های به هم پیوسته و یکپارچه با حسگرهایی کار کنند که داده های دارایی را به یک سیستم CMMS یا EAM منتقل می کنند. این زیرساخت برای انتقال داده در سراسر سیستم IIoT است.

PdM که توسط IIoT ممکن شده است، با هدف کاهش زمان توقف برنامه ریزی نشده به نزدیک به صفر است. از داده‌های بلادرنگ و همچنین داده‌های دارایی تاریخی برای محاسبه زمان بهینه برای نگهداری آنها استفاده می‌کند. زمان توقف برای نگهداری به کارخانه کمک می کند تا از شکستگی و توقف برنامه ریزی نشده مرتبط با تعمیر و نگهداری واکنشی جلوگیری کند. علاوه بر این، از آنجایی که تکنیک پیش‌بینی تنها زمانی که یک دارایی نیاز به تعمیر و نگهداری دارد، زمان خرابی را پیشنهاد می‌کند، نیازی به صرف منابع برای نگهداری پیشگیرانه منظم نیست.

تعمیر و نگهداری پیش‌بینی‌شده کارخانه را در حال کار نگه می‌دارد و از سایش و شکستگی ماشین‌ها جلوگیری می‌کند. به طور خلاصه، این یک روش با تکنولوژی بالا برای به دست آوردن بهترین هر دو جهان برای بهبود بهره وری گیاه است. همچنین تمام دارایی ها را در بهترین شرایط خود نگه می دارد. با گذشت زمان و داده‌های کافی برای کارکرد الگوریتم، PdM می‌تواند به کارخانه کمک کند تا به رویای همه مدیران کارخانه دست یابد – زمان توقف برنامه‌ریزی نشده نزدیک به صفر. برای هر کارخانه متوسط ​​یا بزرگ، مزایای استفاده از PdM – به جای نگهداری واکنشی یا پیشگیرانه – معمولاً سرمایه گذاری در نرم افزار و سخت افزار مورد نیاز را توجیه می کند.

ردیابی دقیق دارایی

کارخانه های تولیدی ممکن است هزاران تا میلیون ها دارایی را در موجودی خود داشته باشند. از دست دادن یک دارایی گیاهی می تواند باعث یک واکنش زنجیره ای شود که بر چندین بخش تأثیر می گذارد. کارخانه ممکن است ساعات تولید و پول ارزشمند خود را برای جستجو و جایگزینی دارایی معیوب از دست بدهد.

یک ایده خوب این است که یک سابقه مشترک از همه دارایی ها داشته باشید. با این حال، ردیابی موقعیت هر دارایی به صورت 24 ساعته در هنگام برخورد با چنین اعداد عظیمی دشوار می شود.

ردیابی دارایی مبتنی بر اینترنت اشیا راه حل مناسبی برای هر کارخانه تولیدی است که با موجودی های گسترده سروکار دارد. چندین فناوری مانند بلوتوث، وای فای و شبکه های تلفن همراه برای ردیابی دارایی ها استفاده می شود. عملکرد آنها بر اساس دقت و برد مورد نیاز برای یک برنامه خاص است. برای کاهش سرمایه گذاری، کارخانه ها می توانند از ترکیبی از ردیابی دارایی های IIoT برای دارایی های حیاتی و بارکد برای دیگران استفاده کنند.

یکی از راه‌های کمک به CMMS/EAM در مکان دارایی، استفاده از ردیابی دارایی مبتنی بر اینترنت اشیا است. این می تواند سرقت دارایی و ضرر و زیان در طول حمل و نقل در داخل کارخانه را کاهش دهد. علاوه بر این، ساعات تولید صرفه جویی شده با اجتناب از جستجو یا جایگزینی تجهیزات می تواند منجر به بهبود بهره وری شود. از آنجایی که ردیابی دارایی اینترنت اشیاء مکان واقعی همه دارایی ها – از جمله کارگران – را فراهم می کند، همگام سازی بین کارگران نیز بهتر می شود و آنها را بهره وری تر می کند.

بهینه سازی موجودی

مدیریت موجودی و بهینه سازی برای بهره وری هر کارخانه حیاتی است. این شامل پیگیری مکان دارایی های موجود، قیمت ها و زمان سفارش مجدد است. مدیریت نامناسب موجودی می‌تواند باعث شود که کارخانه موجودی مازاد داشته باشد یا مواد خام و کالا را کم کند. موجودی کم به این معنی است که کارخانه تقاضا را برآورده نمی کند و موجودی بالاتر به این معنی است که کارخانه منابع را برای مدیریت موجودی در زمان تقاضای کم هدر می دهد.

فناوری‌های Industry 4.0 مانند IIoT، تجزیه و تحلیل داده‌ها و AI/ML می‌توانند به مدیریت و بهینه‌سازی موجودی کمک زیادی کنند. به عنوان مثال، ردیابی موجودی IIoT، همراه با ابزارهای تجسم در EAM/CMMS، می‌تواند دید سهام را بهبود بخشد. حسگرهای IIoT می‌توانند تاریخ‌های تولید، بهترین تاریخ‌های قبل و سایر اطلاعات مربوط به محصول را منتقل کنند – این به ارائه تصویر واضح‌تری برای مدیر کمک می‌کند. با استفاده از این اطلاعات، مدیران می توانند تصمیم بگیرند که از کدام موجودی ابتدا استفاده کنند، چه چیزی از بین می رود و چه چیزی را برای مدتی نگه دارند. این دید بهبودیافته به بهینه‌سازی موجودی کمک می‌کند – که به نوبه خود، کارخانه را بازده و کارآمد نگه می‌دارد.

بهینه سازی موجودی نیز بخشی از بهینه سازی زنجیره تامین است که با حفظ سطوح بهینه موجودی در همه مکان ها سروکار دارد. هزینه های عملیاتی، حمل و نقل و ذخیره سازی را در زنجیره تامین به حداقل می رساند.

ایمنی بهره وری می آورد

ممکن است با این فرض برخورد کرده باشید که گیاهان باید بین ایمنی و بهره وری یکی را انتخاب کنند. در واقعیت، کارخانه های هوشمند مدرن می توانند بهره وری بالایی داشته باشند و در عین حال برخی از ایمن ترین امکانات را داشته باشند. مدیران کارخانه با استفاده از راه حل های اتوماسیون، IIoT و هوش مصنوعی به این امر دست می یابند. IIoT سیستم های مختلف کارخانه را برای نظارت بر تولید و ایمنی به هم متصل می کند. با کمک اینترنت اشیا، مدیران کارخانه می توانند تمام اطلاعات را در یک مکان دریافت کنند. سپس آنها می توانند تصمیمات مهمی در رابطه با تولید بگیرند و در صورت بروز حادثه تغییراتی را در زمان واقعی ایجاد کنند.

سنسورهای دنده ای که حرکت کارگران را ردیابی می کنند، ایمنی کارکنان را در داخل کارخانه بهبود می بخشد. حسگرها می توانند به کارگران هشدار دهند که در حال ورود به یک منطقه پرخطر هستند. تکنسین‌ها همچنین می‌توانند ماشین‌ها را طوری برنامه‌ریزی کنند که وقتی انسان‌ها را در مناطق ناامن اطرافشان شناسایی می‌کنند، خاموش شوند.

یک محل کار ایمن تر، با حوادث و صدمات کمتر، می تواند بر بهره وری تمرکز کند. اگر کارگران نگران شرایط کاری ناامن نباشند، بهره وری را نیز افزایش می دهند.

IIoT با داده های بزرگ

IIoT سیستم های به هم پیوسته ای را ایجاد می کند که کل گیاهان را در بر می گیرد – گاهی اوقات حتی چندین کارخانه را به هم متصل می کند. چنین زیرساخت دیجیتال عظیمی تضمین می‌کند که دارایی‌ها مقادیر زیادی داده را همیشه تولید می‌کنند. متأسفانه، بیشتر این داده‌های بزرگ بلااستفاده می‌مانند، که ضرر قابل توجهی برای گیاه محسوب می‌شود. از سوی دیگر، داده ها دارای بینش های ارزشمندی در مورد سیستم تولید هستند که می تواند به بهبود کارایی و بهره وری کارخانه کمک کند.

IIoT داده ها را از مدیریت موجودی و زنجیره تامین جمع آوری می کند. از این داده ها می توان برای پیش بینی تقاضا و محاسبه سطوح بهینه موجودی استفاده کرد. علاوه بر این، مهندسان می توانند با تجزیه و تحلیل داده ها از بخش های مختلف سیستم تولید، اختلالات را برای بهبود بهره وری شناسایی و حذف کنند.

علاوه بر این، نرم‌افزار تعمیر و نگهداری پیش‌بینی‌کننده می‌تواند داده‌هایی درباره کارایی دارایی‌های مختلف در طول زمان ارائه دهد. این کمک می کند تا از همه دارایی ها بیشترین بهره را ببرید. همچنین به تصمیم گیری آگاهانه در مورد جایگزینی یا ارتقای یک دارایی کمک می کند. امروزه داده‌ها برای هر صنعتی طلا هستند و کارخانه‌های تولیدی باید بیشترین بهره را از داده‌هایی که تولید می‌کنند داشته باشند تا رقابتی باقی بمانند.

اینترنت اشیا در طول انقلاب صنعتی چهارم به بخش مرکزی سیستم های تولید تبدیل شده است. آینده تولید در سیستم های تولید به هم پیوسته است که با استفاده از IIoT ارتباط برقرار می کنند. با گذشت زمان، فناوری تنها به عامل بزرگتری در صنعت و زندگی روزمره مردم تبدیل خواهد شد. در درازمدت، تولیدکنندگان باند واگن شانس بیشتری برای رقابت در بازار دارند.

اعتبار تصویر ویژه: Kateryna Babaiev; Pexels.com; متشکرم!

اریک ویتلی

برای بیش از 30 سال، اریک ویتلی یک رهبر قابل توجه در فضای تولید بوده است. علاوه بر بسیاری از انتشارات و مقالاتی که اریک در مورد موضوعات مختلف تولیدی نوشته است، ممکن است او را از تلاش‌های او در رهبری تلاش‌های کل تولیدی تعمیر و نگهداری در Autoliv ASP یا از مشارکت او در برنامه‌های صدور گواهینامه مدیریت در دانشگاه ایالتی اوهایو، جایی که در آن خدمت می‌کرد، بشناسید. به عنوان عضو هیئت علمی کمکی پس از یک حرفه گسترده به عنوان مشاور قابلیت اطمینان و بهبود کسب و کار، اریک به L2L پیوست، جایی که در حال حاضر به عنوان مدیر تولید هوشمند خدمت می کند. نقش او در این موقعیت کمک به مشتریان برای یادگیری و اجرای رویکرد عملی و ساده L2L برای تحول دیجیتال شرکت است. اریک با همسر 35 ساله خود در یوتای شمالی زندگی می کند. وقتی اریک کار نمی کند، معمولاً می توان او را در حالی که چوب ماهیگیری در دست دارد، روی آب پیدا کرد.