Analityka i raportowanie w służbie efektywnej produkcji

Zbieranie danych w zakładach produkcyjnych nie jest obecnie problemem. Kluczowym zagadnieniem jest takie ich przetworzenie, by stały się realnym wsparciem w pracy na różnych szczeblach procesu produkcji - od operatorów maszyn, przez służby utrzymania ruchu po poziom menedżerski.

Na rynku dostępna jest cała gama rozwiązań problemu analizy danych i ich raportowania w procesach produkcyjnych. Tekst nie wskazuje konkretnego rozwiązania (wyboru jednej propozycji systemowej), lecz kluczowe możliwości wielu współczesnych rozwiązań analitycznych i środowisk raportowych.

PEŁNA KONTROLA PROCESU PRODUKCJI

Jak wszystkie formy zarządzania, także zarządzanie informacją ma na celu pełną kontrolę procesów zachodzących w przedsiębiorstwie. Możliwość bieżącego monitoringu wszystkich etapów procesu produkcji jest warunkiem podejmowania szybkich i trafnych decyzji - pozwala kontrolować koszty, wydajność, stany zapasów magazynowych, zużycie materiałów i energii oraz kluczową dla utrzymania procesów produkcji kontrolę stanu maszyn i predykcję potencjalnych problemów.

Wiedza o aktualnym stanie wszystkich procesów produkcyjnych pozwala redukować ilość odpadów i braków, usprawnić przepływ surowców produkcyjnych, zwiększyć wydajność maszyn i pracowników obsługujących poszczególne etapy procesu. W przypadku wielu zakładów działających na rynkach o wysokim nasyceniu, skuteczne zarządzanie procesami jest warunkiem koniecznym i jedyną szansą na zdobycie przewagi konkurencyjnej.

Uzyskanie pełnej kontroli nad procesami produkcji tradycyjnymi metodami (nadzór, okresowe kontrole i raporty przygotowywane przez odpowiednie komórki w przedsiębiorstwie) generuje błędy i opóźnienia powstające przy ręcznym wprowadzaniu danych. Proces analizy i raportowania jest czasochłonny, a w efekcie raporty docierające na szczebel menedżerski nie odzwierciedlają aktualnego stanu procesów produkcji.

Uzyskanie aktualnych danych i ich skuteczne raportowanie wymaga daleko posuniętej (najlepiej pełnej) automatyzacji. Teoretycznie jest to możliwe bez IIoT. Jednak w praktyce wymaga dużych nakładów na budowę infrastruktury informatycznej (na poziomie sprzętowym i organizacyjnym, związanym z tworzeniem własnych działów IT), co w wielu przypadkach stawia pod znakiem zapytania ekonomiczny sens całej operacji.

CHMURA NIEOGRANICZONYCH MOŻLIWOŚCI

IIoT pokonał barierę sprzętową, czyli pośrednio finansową. Stało się to możliwe dzięki przeniesieniu składowania danych i analityki do chmury obliczeniowej (cloud computing). Wirtualne środowisko stworzyło tanią alternatywę dla lokalnych systemów informatycznych.

Zamiast budować własną infrastrukturę (inwestować w sprzęt, obsługę, zabezpieczenia, oprogramowanie, budowę lub adaptację fizycznych przestrzeni dla serwerowni i analityków), wystarczy wykupić odpowiedni abonament. Koszty obliczane są na podstawie objętości przechowywanych danych i czasu użytkowania procesora (maszyny wirtualnej).

Najczęściej chodzi o wykupienie w firmie wdrażającej system diagnostyczno-analityczny usługi w modelu PaaS (Platform as a Service) lub SaaS (Software as a Service). Jest to idealne rozwiązanie w przypadku testowania nowych rozwiązań (produktów, usług, systemów diagnostycznych, itp.).

Jeżeli projekt okazał się nietrafiony, koszty są znikome w porównaniu z zakończonym fiaskiem wdrożeniem w tradycyjnych warunkach. Działa to też w drugą stronę: jeżeli zachodzi potrzeba rozszerzenia możliwości systemu, chmura oferuje pełną i właściwie nieograniczoną skalowalność (przynajmniej teoretycznie, bo w praktyce, przy bardzo dużych potrzebach, mogą wystąpić czasowe ograniczenia).

Korzystanie z potężnych możliwości wirtualnych maszyn pozwala rozbudowywać modele analityczne w celu poprawy ich skuteczności, a jednocześnie przyspiesza procesy transformowania danych z poziomu wskazań procesowych do postaci raportu.

W niektórych proponowanych na rynku rozwiązaniach analitycznych dane dostępne są w czasie rzeczywistym a raporty mogą być przygotowywane w określonych przez użytkownika interwałach. Ponadto system działający w oparciu o chmurę pozwala każdemu uprawnionemu użytkownikowi na stały, nieograniczony czasowo czy przestrzennie dostęp do aktualnych danych i raportów.

LOGISTYKA DANYCH PODSTAWĄ BUSINESS INTELLIGENCE

Problemy dystrybucji danych w największym skrócie zamyka hasło "odpowiednie dane dla odpowiednich osób w firmie". Innych danych potrzebuje operator maszyny, innych pracownik działu UR, a jeszcze innych kierownik działu czy dyrektor zakładu.

Środowisko raportowe w chmurze pozwala łatwo budować spersonalizowane, oparte o indywidualne potrzeby i oczekiwania raporty. Pozwala to uniknąć dystrybucji danych nieczytelnych na danym poziomie struktury zarządzania, a przez to pozbawionych praktycznego znaczenia przy podejmowaniu decyzji.

Przy okazji chroni dane poufne (np. takie, które zarezerwowane są wyłącznie dla członków zarządu przedsiębiorstwa) i pozwala jasno przydzielać i egzekwować odpowiedzialność za poszczególne etapy procesu produkcji.

Pewność, że właściwa informacja zawsze trafi do właściwej osoby, pozwala uniknąć chaosu - "gubienia" raportów, mozolnego sprawdzania, kto i kiedy je otrzymał. Kwestia wydaje się oczywista, jednak w praktyce wdrożenie w zakładzie produkcyjnym sprawnie działającej dystrybucji informacji bywa sporym wyzwaniem.

Dobrym rozwiązaniem może okazać się środowisko raportowe w chmurze. Nie ma tu praktycznie żadnych ograniczeń związanych z formą i treścią raportów ani też z dystrybucją.

Wszystko jest zawsze i z każdego miejsca dostępne - wystarczy urządzenie z dostępem do Internetu i dowolna przeglądarka. W efekcie nie trzeba zasiadać przy pulpicie menedżerskim - dashboard jest zawsze pod ręką - w komputerze, tablecie, nawet smartfonie.

DIAGNOSTYKA I PREDYKCJA

Najszersze i najbardziej obiecujące możliwości zastosowania analityki i raportowania w sektorze produkcji stwarza utrzymanie ruchu. Kluczowe znaczenie ma tu diagnostyka maszyn i analiza danych procesowych w czasie rzeczywistym. Znajomość aktualnego i realnego stanu maszyn pozwala optymalizować ich pracę, a w efekcie obniżyć energochłonność i przedłużyć czas bezawaryjnego działania.

Modele analityczne w chmurze są zdolne przetwarzać ogromne ilości danych procesowych z różnych maszyn. Efektem są raporty predykcyjne o nieosiągalnej tradycyjnymi metodami skuteczności.

Algorytmy analityczne wychwytują najdrobniejsze anomalie rejestrowane przez czujniki wibracji, temperatury, dźwięku czy zmian parametrów prądu. Na podstawie porównania z danymi z różnych maszyn (ich liczba jest praktycznie nieograniczona) oraz danymi historycznymi informują o możliwych awariach.

Zbierane, analizowane i udostępniane w czasie rzeczywistym informacje (dane, raporty, dashboardy) pozwalają na sprawne zarządzanie na różnych poziomach struktury zakładu:

• korektę bieżących ustawień maszyn przez operatora;
• przygotowanie się do potencjalnej awarii służb UR;
• planowanie budżetu i skali produkcji w oparciu o rzeczywiste możliwości i wydajność maszyn na poziomie menedżerskim.

Wybranie odpowiedniego rozwiązania zależy od wielu czynników. Jednym z nich ciągle jeszcze jest rezerwa sektora produkcji wobec rozwiązań opartych o chmurę obliczeniową. Jeżeli pokonaliśmy tę barierę mentalnościową, to pozostaje sprawdzić, czy wytypowane przez nas rozwiązanie ma komplet następujących cech:

• uniwersalność zastosowania - możliwość wykorzystania w diagnostyce każdej posiadanej w fabryce maszyny;
• elastyczność architektury - łatwość podłączenia nowych sensorów i wymiany danych z już istniejącymi systemami (sterowniki PLC i SCADA);
• skalowalność - możliwość podłączenia dowolnej liczby urządzeń;
• łatwość instalacji i uruchomienia;
• zaawansowane przetwarzanie brzegowe (edge computing) pozwala na częściowe przetwarzanie danych przy maszynie, co znacznie poprawia wydajność i zmniejsza koszty integracji danych z wielu różnych źródeł;
• modele diagnostyczne w chmurze, doskonalone w oparciu o nieustannie napływające nowe dane;
• Real Time Processing - przetwarzanie danych w czasie rzeczywistym w urządzeniach brzegowych z dużą częstotliwością próbkowania, co pozwala na wykrywanie wszelkich problemów dynamicznych w pracy maszyn.

Większość systemów analitycznych opartych o cloud computing ma bardzo podobną filozofię działania - istotne dla klienta jest to, by wyliczone wyżej możliwości uzyskać za możliwie najrozsądniejszą cenę. Zestawienie możliwości z kosztami instalacji i wdrożenia będzie wystarczającym kryterium do wyboru właściwego rozwiązania.

Elmodis