将自动化连接到预测维护的功率
利用控制系统中已经存在的运营数据可以推动配送中心(DC)的性能和维护改进。
学习目标
- 美国能源部表示,IIOT驱动的预测性维护经营业务在投资(ROI)回报中提供了1,000%。
- 自动化设备和系统有助于配送和实现。
- 智能眼镜允许技术人员实时与原始设备制造商(OEM)专家实时分享实时音频/视频。
行业4.0,工业互联网(IIT)和数字转型努力,帮助材料处理公司认识到需要对分布和履行(D&F)运营的基础转变进行根本转变。事实上,70%的物质处理高管考虑行业4.0首要任务。
虽然IIOT技术的潜在益处在其他行业中都是众所周知的,但D&F行业的采用率相对缓慢。最近的一项研究显示只有2%的高管确定供应链表现作为其数字策略的重点。这一趋势表明IIOT的重要性可能是误解和/或其潜在利益难以衡量。
在能源领域,工业物联网的转型运营影响早在十年前就已得到验证。2010年,美国能源部(Department of Energy)对运营、维护和能源专业人士进行的一项研究显示,工业物联网驱动的预测性维护运营平均节省的投资回报率(ROI)为1000%,其中包括以下关键绩效指标:
- 降低25 - 30%的维修费用
- 70th 75%消除设备故障
- 停机时间下降35℃
- 产量增加20 - 25%。
楼宇自动化部门一直在部署IIOR最佳实践超过十年。与石油和天然气行业一样,其他工业部门也让人愿意接受运营数据的力量,以帮助预测维护。尽管这些部门和D&F之间存在差异,但它们共享类似的业务目标和KPI - 以及相同的潜在变革效益。
用于分配和实现的自动化设备和系统
D&F行业拥有自己独特的复杂性,采用的障碍和自动化设备和系统的机会成本。因为没有两个操作是相似的,因为从“标准”的角度来看,可能难以实现实现。在超竞争力,电子商务履行部门中扰乱业务的普遍风险也可能是一种威慑力量。
仓库软件,管理系统和自动化技术的扩散可以在将现有资产集成到连接的基础架构时呈现兼容性挑战。对于大多数公司来说,没有可行的变更管理策略可以防止他们实现基本进步并影响所需的组织转变所需的组织转变。
然而,考虑到加速自动化可以提供,无论不做任何否则都没有做出数字转换的风险可能更大。越来越多的业务数字化,商业交易和客户互动决定零售商实施IIT基础设施:
- 解决电子商务的压力
- 确保满足客户服务级别协议(SLA)
- 缩短订单循环时间和交付窗口。
在一个可靠的世界中,一致的正常运行时间是一种差异化的,熟练的服务技术人员,用于自动化,设备和系统对操作的成功至关重要。但作为一代服务退伍军人接近退休,有很少有合格的技术人员准备更换它们。这种趋势正在创造一个重要的知识和服务缺口,对许多操作带来了长期威胁。DC运营商现在正在参加竞争培训流程,招募新候选人,并让他们加快越来越多的自动化系统。
如何进行有效的数字化转型
成功的IIOT采用最常见的障碍可以追溯到三个主要原因:
- 缺乏对技术前景及其对业务的影响的理解
- 缺乏足够的人才来有效地实施和使用技术
- 缺乏清晰的商业案例来证明投资的合理性。
成功数字化转型的三个步骤
1.为数字转换创建强大的商业案例。
工业物联网应用领先者比工业物联网落后者更有可能将准备一个强大的商业案例或明确阐述的价值创造愿景作为其工业物联网项目成功的关键因素。
2.开始小,清楚地定义数字转换的范围。
- 数字转换是一个迭代过程。
- 选择一个关键的操作领域(许多涉众都关心这个领域)并建立有时间限制的参数。
- 制定一个可执行的商业计划,目标是实现特定的财务结果。
3.为数字转型建立一个称职和能力的ICIOT创新团队。
- 有远见的:建立远景并提供明确的方向
- 刺激者:以共同的目标吸引团队成员,并在此过程中指导其他人
- 执行者:带来必要的资源和能力,在您的组织内推动变化。
设施停机的真正成本
高达80%的企业无法准确估计其停机费率。许多人低估停机费用200至300%。计算停机时通常忽略以下因素:
- 损失生产
- 恢复费用
- 浪费的劳动/生产力
- 错过了顾客的SLA.
- 耗尽库存
- 机械设备/系统应力
- 中断创新
- 损失品牌忠诚度/客户信任。
使用现有的控制系统数据
领先的零售商开始通过试点计划测试IIOT水域。对于那些使用数据的新数据来说,开始的好地方正在从他们的机器控制系统中挖掘到大量可用数据中。
它估计可以从控制系统访问数十万个数据点,但是该数据通常不受限制。一些运算符在整个日期或班次周期地将来自可编程逻辑控制器(PLC)的数据提取。但是,PLC仅能够存储有限量的数据,这意味着单独的信息是瞬态的,不提供用于预测维护的趋势信息或见解。大约四分之一的提取数据具有值。
要从控制系统数据中提取值,操作员需要软件和分析工具来理解它。通过持续聚合和解释此数据,这些工具会滤除噪声,以提供提供巨大运营价值的历史趋势和可操作的见解。输送机运行状态分析可以帮助DC运营商评估KPI,如读取速率,吞吐量,流量平衡通过合并和输送机堵塞。
使用此数据,运营商可以解决影响性能的各种问题,例如:
- 解决创建重复卡纸的输送机故障
- 揭示扫描仪时序和读取速率问题以防止不必要的再循环和手动处理
- 自动记录停机时间在拣站,合并,转移和再循环循环。
通过通过警报管理功能将控制系统数据连接到软件,运营商可以在关键问题影响操作时访问实时仪表板并接收电子邮件,文本和移动应用通知。这些工具可以帮助公司正式化发行升级流程,并揭示可以预测的重复问题 - 甚至阻止。
扩展条件系统,设备电机的见解
设备电机和变速箱上的条件传感器增加了更深层次的洞察力,包括系统性能,包括在发生之前预测设备和系统故障的能力。从振动和温度传感器提取的数据 - 结合智能分析软件,机器学习算法和人工智能 - 可以检测和跟踪与性能基线的偏差。
如今的机器学习算法已经被改进到只有当参数超过设定的温度和振动阈值时才会发出警报。例如,考虑从一个分拣系统齿轮箱上的传感器收集到的这些见解。分析软件的趋势数据表明,变速箱的振动呈递增、稳定增长趋势。告警管理系统在下一次计划预防性维护(PM)间隔之前发送纠正措施的通知。在检查后,技术人员执行一系列维护任务,包括:
- 给浮动链轮和惰轮轴轴承加润滑脂
- 检查和调整所有定时皮带轮
- 确保对齐和均匀扭动的组件。
在维修变速箱后,分析软件指示振动已恢复到正常水平。如果维护团队等到下一个PM间隔,那么振动可能会升级到设备故障 - 关闭输送机并导致性能问题和错过SLA的多米诺骨牌效果。
重要的是要认识到,这些见解可在任何使用电机,齿轮箱和控制器数据的设备上提供,例如打印和涂抹,码垛机和机器人。
将预测能力集成到维护过程中
通过将分析见解与其他实现技术相结合,运营商可以自动创建服务任务,并向真正的预测性维护模式过渡。要做到这一点,需要将一个或多个关键的启用技术与连接的DC基础设施集成:
- 计算机化维护管理系统(CMMS)
- 声控维修检测技术
- 增强现实(AR)智能眼镜,用于实时故障排除。
例如,DC操作人员可以自动化从问题检测到解决的查找和修复过程:
- 分析软件检测何时KPI超出范围。
- 向现场维修技术员发出工作指令。
- 技术人员收到警报,然后启动语音引导的检查工作流。
- 智能眼镜允许技术人员与原始设备制造商(OEM)专家实时分享实时音频/视频。
- 技术人员完成语音导音工作,记录修复程序以获取未来参考,并自动生成CMMS报告/发出解析状态。
准备更联系的自动化未来
根据当前市场趋势,预测设备故障的能力,实现对运营的可见性将在未来3到5年内变得更加重要。市场增长,与技术衰退的劳动力兼职,将决定对更具预测自动化的需求。因此,企业和直流运营商将需要洞察来实施更智能的流程,实现更可靠的设备运行。
连接的基础架构有助于缓解这些操作负担,同时提供商业智能,以推动连续的底线改进,包括预测性维护。这种方法适用于旧的和新的运营,大小小,以及之间的一切。
埃里克·赖斯是主要产品营销经理霍尼韦尔智慧。由Mark T. Hoske,Content Manager编辑,控制工程那CFE Media,Mhoske@cfemedia.com。
关键词:数字转换,预测维护,自动化
考虑一下这个
你们是否比竞争对手更快地应用自动化和数字化转型?