Branche:

Smart Industrieën

200 jaar na de start van de mechanische productie worden we momenteel geconfronteerd met Industrie 4.0, waar fysieke assets worden gedigitaliseerd en geïntegreerd met big data-analyse dankzij de komst van IIoT (Industrial Internet of Things), slimme sensoren en technologische vooruitgang zoals (particuliere) 4G / 5G-netwerken.

Het benutten van big data is van vitaal belang voor een bedrijf. Voor industriële productiebedrijven over de hele wereld maakt het oplossingen voor langdurige zakelijke uitdagingen mogelijk.

Ondanks dat de meeste fabrikanten enorme hoeveelheden relevante data produceren, wordt 80% (!) van de belangrijke bedrijfsgegevens nog steeds niet gebruikt voor het realiseren van geld besparende implementaties zoals voorspellend (apparatuur) onderhoud, geautomatiseerde waarschuwingen en apparatuur monitoring en anomaliedetectie in complexe processen.

Industriële fabrikanten hebben ook de mogelijkheid om deze enorme databronnen te gebruiken om de kosten te monitoren en beheersen, het verbruik van middelen en assets te optimaliseren en duurzaamheidsinspanningen te beheren te midden van veranderende regelgeving.

De uitdagingen

 

Industrie 4.0 en de Unified Namespace implementeren

De komst van Industrie 4.0 vergemakkelijkt het concept van een Unified Namespace, dat in feite een open, geïntegreerd (data) technologieplatform creëert met al uw gegevens uit PLC’s, MES, Scada, ERP, Edge, HMI’s en meer. Dit betekent dat u de relevante gegevens online beschikbaar heeft in de cloud of on-premise IT-omgevingen.

Het is belangrijk om toegang te hebben tot álle geconsolideerde gegevens via één interface of een “ single pane of glass“, waardoor een enkele bron van waarheid ontstaat (single source of truth).

Veel fabrikanten breiden de producten ook uit met sensoren, waarmee producteigenaren communicatieverbindingen kunnen gebruiken om de status van die producten van veraf in realtime te monitoren. Hierdoor ontstaan nieuwe , grote gegevensstromen die relevant kunnen zijn voor (predictive) maintenance 4.0, predictive quality en bijvoorbeeld andere supply chain-toepassingen. Het is belangrijk om nieuwe sensoren of datageneratoren toe te kunnen voegen aan de gewenste Unified Namespace.

Door gegevens van fabrikanten van industriële apparatuur te verzamelen, gebruiken fabrikanten analyses om belangrijke inzichten te verkrijgen, kosten te verlagen, activiteiten en processen te optimaliseren en aan de verwachtingen van klanten te voldoen. Het op één lijn brengen van alle data owners en hen laten instemmen met het delen van gegevens kan een uitdaging zijn, maar is noodzakelijk voor het uitvoeren van analyses op gecombineerde data, gepubliceerd door veel gegevensbronnen.

Meerdere afdelingen profiteren van het toepassen van een unified namespace om productie, onderhoud en assetanalyse mogelijk te maken.

Huidige en verouderde (Industrie 3.0) applicaties

Sommige bedrijfstoepassingen zijn helaas niet schaalbaar met open standaardverbindingen, dus de behoefte aan een Unified Namespace die enorme schaalbaarheid mogelijk maakt, is nog groter om de afhankelijkheid van die toepassing te verminderen.

Fabrikanten hebben de namespace ook nodig om closed-loop automatisering te kunnen realiseren. Maar voordat u kunt beginnen met closed-loop automatisering of prescriptieve analyses, moet de eerste stap worden gezet: het verzamelen van gegevens en het opslaan ervan op een centrale locatie.

Onze productfamilie 1OPTIC is hiervoor ontworpen; het verzamelen en verwerken van gegevens die zijn gepubliceerd door sensoren, PLC’s, applicaties en andere gegevensbronnen van veel leveranciers, en deze opslaan in een generiek en leveranciersonafhankelijk formaat. De opslag gebeurt het meest efficiënt in een relationele database, onder andere met behulp van ETL-principes (Extract, Transformation en Load).

Beschouw het 1OPTIC-platform als de ideale Unified Namespace.

Use-cases & Oplossingen

1OPTIC is het dataplatform waarmee u precies dat kunt doen: als eerste alle data uit alle bronnen ontsluiten, bundelen, verifiëren en verwerken

1OPTIC dient als de Unified Namespace binnen productiebedrijven. De modulaire architectuur maakt integratie binnen bestaande business tooling en processen mogelijk, waardoor het op maat is gemaakt voor uw use case.

Het is de perfecte centrale data warehouse voor de volgende use-cases;

Reactief onderhoud

Reactief onderhoud is de eenvoudigste van de onderhoudsoplossingen voor industriële apparatuur die wij aanbieden.

Het kan plaats vinden door te observeren (mogelijk met automatische notificaties, zie ook de geautomatiseerde alerting en equipment monitoring oplossing)het feit dat een datastroom overschrijdt een bepaaldewaarde.

Pomp X van machine Y moet bijvoorbeeld elke 1500 bedrijfsuren worden onderhouden. Of: pomp X van machine Y moet worden onderhouden als de bedrijfsuren >1500 en extra stroomverbruik > 2%.

Historische data laat danzien dat de filters moeten worden vervangenbinnen 150 tot 250 operating uren. Dit maakt het gemakkelijker om het onderhoud met ingenieurs te plannen en te voorkomen dat apparatuur uitvalt door gebrek aan onderhoud.

Voorspellend onderhoud

Zodra dan vervolgens de data verwerking in orde is en genoeg historische data vervolgens is opgeslagen in de centrale data opslagplaats of Unified Namespace, kan er met voorspellend onderhoud een start worden gemaakt.

Een belangrijke reden om te starten met dit is het besparings potentieel. Met preventief onderhoud zijn er vaste momenten en limieten wanneer onderhoud uit wordt gevoerd. Het onderhoud vindt plaats met als uitgangspunt de preventie maar misschien kon of zou het eerder of later moeten hebben plaatsgevonden. Door in staat te zijn om te kunnen voorspellen wanneer elke asset behoefte heeft aan onderhoud kan de levensduur worden verlengd (longevity) en kosten bespaard.

Een ander voordeel is de preventie van equipment breakdown dankzij tijdig inzicht in wanneer een bezit weer toe is aan onderhoud. Dit voorkomt dat apparatuur voor preventief onderhoud van kapot gaan. Omdat preventief onderhoud ook te laat kan zijn, wat enorme gevolgen kan hebben. Er kunnen ook (snel veranderende) externe invloeden zijn die de levensduur beinvloëden en de behoefte van onderhoud. Door het combineren van deze data, wordt predictive maintenance mogelijk gemaakt.

De voorspellingen kunnen worden gedaan met verschillende Machine Learning-technieken: bijvoorbeeld lineaire regressie om de RUL (Remaining Useful Lifetime) te voorspellen, classificatie om falen in een bepaalde tijdspanne te voorspellen en anomaliedetectie (zie de andere oplossing) om verdachte situaties te monitoren.

Prescriptief onderhoud

De heilige graal op dit gebied is het volgende niveau van datavolwassenheid: prescriptive analytics. Bij prescriptief onderhoud wordt het voorspelde onderhoud automatisch uitgevoerd, zonder tussenkomst van mensen.

Dit staat nog in de kinderschoenen en het is een serieuze uitdaging om dit stadium te bereiken. Op dit moment verkennen we met een aantal van onze klanten de mogelijkheden om te kijken hoe dit bereikt gaat worden.

Real-time kwaliteitsbewaking

Voordat gegevens kunnen worden gebruikt voor beschrijvingen, diagnostiek, voorspelling of recept, moeten ze worden verzameld. 1OPTIC biedt de mogelijkheid om data uit allerlei verschillende bronnen (zoals PLC, MES, ERP, HMI, IoT devices, Edge, SCADA, WMS, sensoring) te ontsluiten en te verwerken.

Na toegang en verwerking slaat 1OPTIC alle gegevens op in een op PostgreSQL gebaseerde databaseoplossing. Om vervolgens de data te beschrijven of te diagnosticeren, biedt 1OPTIC een zeer uitgebreide dashboardoplossing. Uiteraard kunnen de gegevens ook naar uw eigen dashboard en BI-oplossingen worden gebracht. Het is door de centrale verwerking en het beheer van data dat de weg vrij is om ermee aan de slag te gaan. Er wordt een “single pane of glass” gerealiseerd.

In de praktijk zien we dat in het eerste voorbeeld de data voornamelijk wordt gebruikt om de dagelijkse gang van zaken van gebeurtenissen te volgen. De data Van machines en apparaten over gebruik, capaciteit, uren, energie verbruik, druk, temperatuur, vochtigheid, en viscositeit kan worden gezien in (bijna) real-time bij uzelf en/of uw klant. Bovendien kan de data worden vergeleken met andere data (denk aan ERP gegevens) en gecorreleerd.

Geautomatiseerde alarmering en equipment monitoring

Veel apparatuur en assets bieden standaard de mogelijkheid om storingen direct te melden.

In veel gevallen zien we dat deze storingen ad hoc, reactief worden verholpen. Dit kan efficiënter. Door regels te implementeren om allerlei data continu te monitoren. Als een bepaalde drempel wordt overschreden, kan automatisch een waarschuwing worden verzonden.

Op deze manier kunnen storingen worden voorkomen doordat de actie eerder kan worden ondernomen, op basis van eerder gedetecteerde degradaties. Het voorkomen van storingen is erg belangrijk, mede omdat er veel kosten kunnen ontstaan als gevolg van storingen.

Het is daarom belangrijk om automatisch een waarschuwing te ontvangen als er een storing optreedt tijdens het monitoren van de apparatuur of andere cruciale zaken waarvan het belangrijk is om snel op de hoogte te zijn.

1OPTIC biedt de modulaire oplossing TripAiku, die de (bijna) real-time monitoring van belangrijke apparatuur met behulp van slimme triggers mogelijk maakt. Met behulp van TripAiku is het mogelijk om meldingen automatisch te wegen of te prioriteren op een slimme manier met behulp van geavanceerde algoritmes. Op deze manier kan alarmmoeheid, de situatie waarin er zoveel waarschuwingen zijn dat het bos door de bomen niet meer te zien is, met succes worden tegengegaan.

Anomalie detectie

Anomalie detectie is hetgebruiken van algorithmes om bijzonderheden(ook wel anomalieën zichtbaar te maken in measurements.

Centraal beschikbare data biedt de mogelijkheid om afwijkingen te bepalen op een blik,dit is mogelijk met de welbekende dashboards. Echter, daar zijn zeker andere rapporten mogelijk. Denk aan bijvoorbeeld een onmiddellijke waarschuwing als de temperatuur in een proces een X-percentage boven of onder waarde Y is.

Een afwijking kan vele vormen aannemen. Gelukkig betekent het niet altijd dat er iets mis is, zolang de afwijking binnen vooraf gedefinieerde marges blijft. De actieve analyse van afwijkingen geeft meer inzicht in het gedrag van apparatuur en draagt bij aan efficiënter werken.

Deze afwijkingen zijn gemakkelijk waarneembaar via SCADA, MES, of andere systemen. Maar deze bieden vaak niet goed de mogelijkheid om data op te slaan voor een langere tijd.

Dit veroorzaakt het probleem dat vaststellen wat de marge van afwijking moet zijn “gebaseerd is op onderbuik gevoel” en niet op defeitelijke, historische gegevens. Het is precies dankzij interpretatie vanhistorische data dat anomalieën beter kunnen worden geobserveerd en beter op kan worden gereageerd. Het is van groot belang om als bedrijf data-driven te werk te gaan.

Bekijk het met eigen ogen

Neem contact met ons op om te horen hoe wij u kunnen helpen uw innovatiekracht te behouden en uw bedrijfsgroei te waarborgen.