Dnes už je téměř nemožné si představit průmyslové podniky, které by nepoužívaly různé senzory a zařízení pro sběr dat. Takzvaný průmyslový internet věci (IIoT) ve výrobním sektoru přináší nejen možnosti pro zvýšení kvality výrobků, ale také pro snížení potřebných nákladů. Dokáže totiž ukázat aktuální stav a predikovat potenciální problémy strojů a výrobních zařízení, a tak prozradit, jak „se cítí“.
Společnosti z celého světa si uvědomují potenciál těchto nových technologií, které továrnám pomáhají zlepšovat procesy, dokončit včas dodávky, snižovat náklady, zlepšovat kvalitu produktů, zkracovat prostoje, zvyšovat produktivitu a získávat cenné poznatky. Tyto výsledky jsou skutečně hmatatelné a kvantifikovatelné. Začlenění IIoT je zkrátka již nutností. Pohled na modernizaci továrny, respektive přerod na chytrou továrnu, se může zpočátku zdát až děsivě náročný a nákladný, ale změna se vyplatí, a to nejen z dlouhodobého hlediska, ale ve výsledku může být jednodušší a cenově výhodnější, než by si kdo myslel.
Je to proto, že IIoT řešení se vyvíjejí tak, aby byly modulární a škálovatelné, což umožňuje ve výrobních podnicích jejich rychlou implementaci a zahájení provozu, aniž by výrobní podniky musely složitě cokoliv předělávat, vyměňovat nebo dokonce odstavovat výrobu. Další komponenty řešení lze následně i později přidat do jedné propojené sítě a všechny mohou fungovat společně jako plně integrovaný systém. Tímto způsobem mohou podniky přistupovat k zavádění IIoT tak, že začnou v malém, ale budou myslet ve velkém.
Už na začátku minulého století se v továrnách sledovaly některé parametry strojů. Pomocí jednoduchých snímačů se například měřilo, jestli chvění nevybočuje z předepsaného rámce, což by mohlo poukazovat na technické problémy.
Bez ohledu na fyzikální princip nebo měřenou veličinu byly ale všechny techniky sběru dat v minulosti složité a časově náročné, protože se údaje sbíraly manuálně a někdy vyžadovaly i značnou odbornost. Při rozpoznávání neobvyklých zvuků strojů se někteří pracovníci údržby například stávali experty na poslech. Rozpoznávat anomálie sluchem, navíc často v hlučném prostředí, nikdy nebylo snadné a některé zvuky, které signalizují blížící se technické problémy, člověk nezachytil vůbec.
Dnešní možnosti monitorování a vyhodnocování „zdravotního stavu“ strojů, zařízení, klíčových komponent nebo i celých linek se s těmi z minulosti nedají srovnávat, a to ze dvou důvodů. Prvním je výrazné zlepšení možností měření a druhým dostupnost technologií průmyslového internetu věcí pro přenos, zpracovávání, ukládání a pokročilou analýzu dat. Možnosti měření zlepšuje plejáda senzorů, které dnes dokáží měřit teplotu, tlak, průtok, mechanické veličiny, jako jsou poloha, rychlost nebo zrychlení, a také elektrické a magnetické veličiny. Některé fungují na mechanickém principu a sledují například tepelnou roztažnost, setrvačnost vůči ose nebo odstředivou sílu. Jiné můžou být odporové, indukční, magnetické nebo ultrazvukové.
Senzory sledují a shromažďují data, tím vlastně monitorují stav strojů. Pokud by se to nedělo, mohlo by docházet k neplánovaným výpadků či vyšší zmetkovosti. Algoritmy strojového učení mohou stanovit základní prahové hodnoty a díky nepřetržitému monitorování dochází k předběžným varováním obsluhy a údržby. Takže jakékoliv zjištěné chování mimo tyto limity lze řešit dříve, než se motor nebo jiná významná část zařízení porouchá.
Výrobci, kteří zažívají rok, co rok úspěšný růst pomocí tradičních procesů, by si mohli klást otázku, zda se upgrade s cílem přidat „inteligentní pomocníky“ vyplatí. Jiní možná namítají, že potenciál v této technologii vidí, a že sami chtějí upgradovat, ale vedení o tom nechce slyšet. Zkrátka, potřebují pomoci přesvědčit osoby s rozhodovací pravomocí.
Díky specializovanému sběru dat a reportování lze výrobní pracovní postupy optimalizovat pro okamžité a podstatné zlepšení produktivity. Maximalizace celkové efektivity zařízení (OEE) je tak přístup průmyslového měření ke sledování provozuschopnosti, ověřování propustnosti a monitorování kvality. Tím zabraňuje překážkám ve výrobě a zpožděním, která způsobují. OEE využívá senzory, které monitorují propustnost výroby, a ty všechna získaná data, odesílají do centrálního systému, který tyto informace přebírá a činí následná rozhodnutí.
To může pomoci vyhodnotit rychlost výrobních linek ve srovnání s plánem a zároveň zajistit požadovanou kvalitu produktů. Zanalyzovaná data dávají odpovědi na otázky jako: „Jaký je dnešní výkon a jak dlouho byl stroj v provozu v porovnání s tím, co bylo očekáváno? Jak dlouho stroj vlastně pracoval během osmihodinové směny? V jakou hodinu bylo nejvíce vyrobeno? Na základě odpovědí lze rozhodnout, kdy je potřeba vylepšit proces, nebo predikovat, kdy může dojít k mechanickému selhání některé ze součástí výrobní linky. A to dokonce s přesným označením problémové komponenty, například ložiska, hnacího hřídele, spojky, oběžného kola, řemenu, statoru nebo rotoru.
Monitorování průmyslových strojů prostřednictvím propojených senzorů výrobním podnikům pomáhá činit rozhodnutí na základě dat, která neustále napomáhají zdokonalovat procesy. Tak poskytují hlavní konkurenční výhodu na trhu, zejména v současné době, kdy se svět potýká s rozsáhlými problémy. Instalace senzorů a ovládacích systémů je praktická a škálovatelná – nevyžaduje rozsáhlé změny ve stávající infrastruktuře a zvyšuje dobu provozuschopnosti vedoucí k úspoře nákladů. Podniky, které plně integrují IIoT technologii potom mohou využít data k udržení výroby na špičkové úrovni.
Výrobní linky na sebe dnes dokážou prozradit překvapivě hodně věcí, a to úplně automaticky. Tak proč je nenechat mluvit – tak lze ušetřit náklady na údržbu a vyhnout se zbytečným odstávkám ve výrobě. Výrobní manažeři a technici údržby se snadněji dopátrají toho, v jakém technickém stavu jsou jejich stroje a výrobní zařízení, aby – v ideálním případě – mohli předpovídat poruchy a plánovat servis. Experti na výrobu ale zároveň dávno vědí, že k tomu potřebují mít správné údaje, které se dají získat jenom měřením.
We are in the process of finalizing. If you want to be redirected to our old version of web site, please click here.
