Om mogelijke storingen, verwondingen van werknemers en productieverlies te voorkomen, maken steeds meer bedrijven zich vertrouwd met het op afstand monitoren van bedrijfsmiddelen. Ze proberen te vluchten voorspellende onderhoudssystemen om problemen op te sporen voordat ze zich in de productie voordoen, waardoor de risico's voor ontevredenheid van werknemers en klanten worden geminimaliseerd en geldverlies wordt voorkomen.

Gelukkig biedt de 21e eeuw moderne en effectieve oplossingen voor voorspellend onderhoud in de productie, die in verschillende industrieën kunnen worden geïmplementeerd.

Onlangs heeft Prylada een reeks klantontwikkelingsinterviews gehouden, waarbij we experts uit de maakindustrie toespraken. Ons team heeft zich tot doel gesteld waardevolle informatie over te verzamelen activabewaking en uitdagingen op het gebied van technologie-adoptie in de sector, en hoe bedrijven deze oplossen.

Tijdens de interviews bespraken we de huidige stand van de markt, de meest hinderlijke kwesties, de concurrentie en aanbevelingen voor effectieve ontwikkeling binnen de branche.

Prylada

Hoe is de productiemarkt de afgelopen vijf jaar veranderd?

De voorkeuren van consumenten ten aanzien van productaanpassing, concurrerende prijzen en de beste leveringsframes zijn de belangrijkste drijfveren geworden voor productiebedrijven om hun werkwijze te heroverwegen. Om aan de moderne eisen te kunnen voldoen, moeten ze de productiviteit verhogen door digitale technologieën te implementeren. Deze technologieën omvatten digitaal ondersteunde duurzaamheidsoplossingen, digitale tweelingen, autonome mobiele robots, augmented reality, AI en machinaal leren.

"De realiteit uit het verleden was dat fabrikanten overuren maakten, dingen heel handmatig deden en niet werden ondersteund. Ze hebben de klus gewoon geklaard, en nu is dat verschoven naar waar deze productiebedrijven zijn gegaan van alleen maar het gedaan krijgen naar waar ze grote digitale transformatie-initiatieven moeten lanceren." 

- Richard Lebovitz, CEO van LeanDNA

Fabrikanten begonnen vanuit het volgende perspectief te denken:

• We moeten veel meer verbonden zijn
• We moeten niet alleen een beter inzicht krijgen in de problemen waarmee we worstelen, maar ook in de acties die we moeten ondernemen.

Het algemene beeld verschoof van werk zoals het is naar digitale transformatie waarbij prioriteit wordt gegeven aan acties. Bovendien heeft COVID-19 het belang van sterke en aanpasbare leveringsnetwerken benadrukt. Aanzienlijke verliezen als gevolg van de onvoorziene gevolgen van de pandemie leidden industriële bedrijven om hun huidige bedrijfsstrategieën te heroverwegen. Als gevolg daarvan wilden ze bestaande processen optimaliseren en hun afhankelijkheid van externe factoren verminderen, waardoor de weerbaarheid tegen overmachtssituaties werd vergroot.

De focus op duurzaamheid wordt een drijvende kracht achter het grotere gebruik van slimme IoT-technologieën, waardoor de maakindustrie slimmer, efficiënter en duurzamer wordt en tegelijkertijd het welzijn van de werknemers wordt verbeterd. Dit gebeurt door automatisering en digitale transformatie, en maakt gebruik van voorspellende analyses om betere aanbevelingen te doen. Hierdoor krijgen we beter inzicht in wat de knelpunten zijn en wat de uitdagingen zijn.

Aan de andere kant is het proces van het adopteren van nieuwe slimme technologieën ingewikkelder en tijdrovender geworden. Uitdagingen in de toeleveringsketen en personeelstekorten hebben ertoe geleid dat de gehele C-Suite zich diepgaand bezighield met operationele zaken en beslissingen op vloerniveau. Dit resulteerde in een groter aantal belanghebbenden die de risico's moesten begrijpen, zich moesten afstemmen op de verwachte waardevoordelen en deze overwegingen moesten afwegen tegen andere bedrijfsinitiatieven.

Het snelle tempo van de technologische vooruitgang op gebieden als automatisering, kunstmatige intelligentie en het internet der dingen vereist dat fabrikanten nieuwe technologieën aanpassen en integreren in hun activiteiten.

Prylada

De transitie naar nieuwe technologieën voor activamonitoring kan echter complex en kostbaar zijn, waardoor bijscholing van het personeel nodig is en compatibiliteit met bestaande systemen moet worden gegarandeerd.

We hebben de meest voorkomende uitdagingen en barrières in verband met deze transitie verzameld, zoals onze geïnterviewden met ons deelden. Op de eerste plaats staan ​​de punten die we het vaakst horen. Dit betekent niet noodzakelijkerwijs dat ze de meest kritische zijn, maar geeft wel aan dat ze veel voorkomen. Laten we beginnen.

Ongeplande stilstand van productieapparatuur

Bij de productie van moderne apparaten zijn complexe processen met hoge precisie en geavanceerde apparatuur betrokken. Ongeplande stilstand van productieapparatuur kan zeer hoge kosten met zich meebrengen als gevolg van opbrengstverlies en verloren productietijd. Recente innovaties op het gebied van voorspellend onderhoud kunnen het productiviteitsverlies enorm helpen verminderen en kunnen veel moeite en tijd besparen.

Een van de met succes toegepaste technieken voor voorspellend onderhoud in de productie maakt gebruik van de analyse van grote hoeveelheden foutgegevens, onderhouds- en traceergegevens. Om de kwaliteit van de gebruikte gegevens te versterken, worden parameters zoals proces, tijdstempel en gedetailleerde componentinformatie toegeschreven aan foutmodellen om robuuste datasets te creëren. Verschillende grote halfgeleiderfabrikanten hebben gemeld dat ze dergelijke technieken gebruiken als onderdeel van hun voorspellende onderhoudsmodellen om de opbrengst te verbeteren.

Er blijven uitdagingen bestaan, omdat veel complexe processen vaak te maken hebben met verschuivingen en verschuivingen. Tussen de runs door worden specifieke parameters aangepast om het proces op koers te houden. Technieken zoals virtuele sensoren die de parameterconfiguratie in realtime monitoren en vastleggen, kunnen worden gebruikt om een ​​goede controle mogelijk te maken. Dit is momenteel een actief onderzoeksgebied en onderzoekers onderzoeken actief nieuwe technieken, waaronder kunstmatige intelligentie.

Het gebrek aan hulpmiddelen voor gegevensverzameling

Omdat de beperkte zichtbaarheid van bedrijfsmiddelen hogere onderhouds- en vervangingskosten met zich meebrengt, hebben veel fabrikanten al moeite met het vastleggen van basismachinegegevens. Deze gegevens omvatten doorgaans temperatuur, trillingen, snelheid en andere prestatie-indicatoren.

Voor veel bedrijven kan het investeren in tools voor gegevensverzameling echter een kostbare onderneming zijn. Daarom werken ze het liefst met de beschikbare middelen, die de ontwikkeling op veel manieren kunnen belemmeren.

Fabrikanten die realtime gegevens willen gebruiken voor het monitoren van bedrijfsmiddelen hebben een tool nodig die automatisch verbinding kan maken en gegevens uit elke bron kan verzamelen. Idealiter zou het ook in staat moeten zijn om de gegevens te normaliseren en te beheren, analyses uit te voeren en eenvoudig te integreren met applicaties van derden en cloud computing-platforms.

Prylada

Problemen met gegevensintegratie en schaalbaarheid

De productie-infrastructuur omvat vaak diverse systemen, zoals machines, productielijnen en nutsvoorzieningen. Deze systemen kunnen op verschillende tijdstippen zijn geïmplementeerd, met behulp van verschillende technologieën. Bovendien genereert elk systeem gegevens in zijn eigen formaat, waardoor integratie met systemen van derden een enorme taak wordt. Inconsistente formaten, ontbrekende waarden en onnauwkeurigheden belemmeren een effectieve integratie.

Naarmate productiefaciliteiten en -processen evolueren, groeit het datalandschap. Systemen moeten schaalbaar zijn om de toenemende datavolumes te kunnen accommoderen. Het is van essentieel belang om een ​​naadloze en efficiënte gegevensstroom door de productieactiviteiten te garanderen zonder de monitoringinfrastructuur te overbelasten. Dit is mogelijk door te investeren in moderne tools en prioriteit te geven aan de datakwaliteit.

Prylada

Beveiligingsproblemen in de productie

De maakindustrie wordt geconfronteerd met een steeds evoluerend landschap van cyberdreigingen, van ransomware-aanvallen tot kwetsbaarheden in de toeleveringsketen. In de context van hardware werd aangenomen dat namaakproducten van lagere kwaliteit een groot probleem vormden voor halfgeleiders, terwijl chips relatief onaangetast bleven door veiligheidsgerelateerde problemen.

De afgelopen jaren hebben aanvallers echter methoden gevonden om misbruik te maken van het ingewikkelde productieproces van halfgeleiders. Ze hebben geprobeerd de chiparchitectuur te manipuleren door kwaadaardige logica te introduceren via hardware-trojans. Aanvallers zijn van plan deze Trojaanse paarden te gebruiken voor Denial of Service (DoS) of gegevensdiefstal. Syrië rapporteerde met name een grote Trojaanse aanval, waarbij aanvallers een Trojaans paard met de naam ‘Kill Switch’ in een chip insloten om het Syrische luchtverdedigingssysteem uit te schakelen, waardoor ze een luchtaanval konden uitvoeren.

De afgelopen jaren hebben fabrikanten het gebruik van data-analyseconcepten op basis van machine learning en Internet-of-Things (IoT) uitgebreid om ervoor te zorgen dat hun apparatuur op passende wijze wordt beschermd. Bij deze technieken initialiseren ze eerst apparatuur voor alle monitoringparameters en passen vervolgens machine learning-algoritmen toe op deze parameters om de parameterklasse op de uitvoer te voorspellen. Als de resultaten (output) niet overeenkomen met de voorspelling, kunnen fabrikanten de apparatuur markeren.

Prylada

Andere obstakels die duurzame productie in de weg staan

Blokkades in de supply chain

Fabrikanten werden historisch gezien met verschillende problemen geconfronteerd, en de voorspellingen voor 2024 laten meer van hetzelfde zien. Naarmate de wereldhandel complexer wordt, moeten producenten zich voorbereiden op onverwachte of plotselinge onderbrekingen in hun leveringsnetwerken.

Volgens sommige van onze geïnterviewden zullen onderbrekingen in de toeleveringsketens in de nabije toekomst een van de grootste problemen blijven waarmee de sector te maken krijgt. Momenteel bevinden de voorraden zich op het laagste niveau in tientallen jaren, wat erop wijst dat bepaalde producten op dit moment niet kunnen worden vervaardigd. De ernstige schaarste aan halfgeleiders uit Taiwan, China en andere offshore-bedrijven heeft ertoe geleid dat sommige autoproductiefaciliteiten moesten sluiten. Ook de binnenlandse productie ondervindt problemen.

Inflatie

In 2023 bedroeg de inflatie bijna de dubbele cijfers als gevolg van de stijgende vraag en het onvoldoende aanbod in alle grote economieën. Volgend jaar zullen de prijzen voor belangrijke productie-inputs zoals aluminium, olie en staal nog verder stijgen, waardoor de druk op bedrijven die al proberen de kosten te verlagen zonder concessies te doen aan de kwaliteit toeneemt.

Het vinden van middelen en investeringen voor de automatisering van activamonitoring tijdens inflatie is moeilijk. Maar fabrikanten mogen het potentieel dat dit voor de industrie met zich meebrengt niet negeren. Het kan helpen handmatige fouten te verminderen en taken tot wel tien keer te versnellen.

Om deze uitdaging het hoofd te bieden, moet de industrie een budget vrijmaken voor automatisering en meer AI-technologie introduceren om taken in realtime te inspecteren en te automatiseren. Het zal niet alleen helpen kosten te besparen, maar ook de efficiëntie verbeteren en afval verminderen.

Uitdagingen bij het adopteren van digitale technologieën

Productieprocessen draaien om continue, routinematige schema's en taken die worden uitgevoerd door honderden leveranciers en werknemers op meerdere locaties, en gericht op de productie van verbruiksgoederen. Dit maakt het voor bedrijven uitzonderlijk moeilijk om de huidige routines te monitoren en verbeterpunten te identificeren.

Fabrikanten kunnen elke stap in hun gehele waardeketen eenvoudig volgen door realtime IoT-gebaseerde monitoringtechnologieën te implementeren. Dergelijke technologieën zullen hen helpen de hiaten in hun duurzaamheidsdoelstellingen beter te begrijpen en oplossingen te vinden om de efficiëntie, het rendement en de naleving te verbeteren.

Intelligente assetmonitoring gaat doorgaans gepaard met twee uitdagingen. De eerste omvat het integreren en upgraden van oudere apparatuur om compatibel te zijn met nieuwe technologie, waardoor het volledige potentieel van Industrie 4.0 mogelijk wordt gemaakt. De tweede veronderstelt dat het personeel opnieuw moet worden opgeleid om ervoor te zorgen dat zij een nieuw monitoringsysteem effectief kunnen monitoren, gebruiken en ervan kunnen profiteren.

Kleinere fabrikanten vinden de initiële investering in nieuwe technologie vaak lastig. Het is echter essentieel om te erkennen dat zowel de digitale transformatie als de transformatie van medewerkers geleidelijke processen zijn. Deze veranderingen vinden niet van de ene op de andere dag plaats.

Prylada

Afsluiten

De maakindustrie ervaart nu al de effecten van automatisering en robotica, zoals kunstmatige intelligentie, het Internet of Things, sensoren, robots op de vloer en meer gebruik van robotachtige procesautomatisering. De toenemende vraag naar het adopteren van digitale technologieën en de voordelen die productiebedrijven daaruit kunnen halen, stimuleren de groei van de digitalisering.

Als onderdeel van de voortdurende inspanningen om het hoofd te bieden aan de uitdagingen waarmee de industrie tegenwoordig wordt geconfronteerd, implementeren fabrikanten op IoT gebaseerde oplossingen voor intelligente asset monitoring. De keuze van de technologie en de implementatieoptie ervan zijn echter nog steeds afhankelijk van de zakelijke kansen en behoeften.

Ongeplande downtime van industriële machines, problemen bij het verzamelen van gegevens, beveiligingsproblemen en beperkingen op het gebied van de schaalbaarheid zijn de uitdagingen die als eerste in het productielandschap worden gepositioneerd en die kunnen worden aangepakt met op IoT gebaseerde monitoringtechnologieën. Dergelijke technologieën bieden fabrikanten gedetailleerde, gecontextualiseerde gegevens over de hele toeleveringsketen, zodat ze snel problemen kunnen opsporen en actie kunnen ondernemen.

Bovendien kunnen ze potentiële problemen voorspellen voordat ze zich voordoen, waardoor terugroepacties en andere aanzienlijke milieurisico's worden vermeden. In de loop van de tijd zullen monitoringtechnologieën gebruikers in staat stellen de voortgang van hun duurzaamheidsdoelstellingen te volgen en naleving van de sectorregelgeving te garanderen.

We willen graag iedereen bedanken die heeft deelgenomen aan ons klantontwikkelingsgesprek:

• Vatsal Shah, CEO van Lakmoes
• Stefan Schwab, CEO van Verlicht
• Tom Richter, Global Head of Discrete and Process Manufacturing Verticals voor Digital Industries bij Nokia
• Nils Arnold, CEO van Vooruitgang
• Duncan Kerr, voormalig CEO van Aeristech
• Richard Lebovitz, CEO van LeanDNA
• Gulroz Singh, SoC-veiligheidsarchitect bij NXP Semiconductors
• Donnie Rand, marketingcoördinator bij Amerikaanse vereniging van eigenaren, LLC
• David Reid, verkoopdirecteur bij VEM-tooling
• Derrick Hathaway, verkoopdirecteur bij VEM Medisch
• Harman Singh, directeur van encryptie
• Doug Lawson, CEO van DenkIQ
• En andere professionals uit de industrie, wier opmerkingen voor dit artikel zijn opgenomen

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.iotforall.com/experts-discuss-predictive-maintenance-and-innovation-in-manufacturing