ia: industrial analytics GmbH - Scoprire le lacune della produzione, aumentare la performance
Il sensore di distanza O1D108 utilizza la tecnologia a tempo di volo per rilevare se la testa di taglio è in funzione o in posizione di riposo.
Processi trasparenti: uno sguardo all'interno della scatola nera
L’azienda tedesca "ia: industrial analytics GmbH" di Aquisgrana offre ai clienti una soluzione completa per la digitalizzazione degli impianti di produzione, dall'acquisizione dei dati alla loro visualizzazione. Per questo si affida ai sensori IO-Link di ifm, che consentono di estrarre dati dai processi produttivi in modo minimamente invasivo e tramite plug & play. L'obiettivo: le cause di una sequenza di produzione che non si integra perfettamente vengono visualizzate in una cascata OEE per mostrare in modo trasparente i rispettivi effetti. Grazie a questa conoscenza, le singole fasi di produzione possono essere interconnesse in modo ottimale. Questo porta a un effettivo aumento dell'efficienza, come dimostra l'esempio concreto di applicazione nell'industria siderurgica.
Il cuore dell'impianto è il cosiddetto ia:factorycube. Con la sua unità di calcolo, il router e il software di valutazione, contiene già tutti i componenti IT necessari per raccogliere, valutare e visualizzare i dati generati e, se necessario, trasmetterli al cloud.
L'elaborazione completa delle informazioni avviene nel factorycube. Il sistema è inoltre modulare e può essere personalizzato in base alle esigenze del cliente. "È possibile memorizzare i dati sul factorycube o integrare il dispositivo nell'infrastruttura IT del cliente. La terza opzione consiste nell'archiviare e analizzare i dati nel nostro sistema cloud, che mettiamo a disposizione dei nostri clienti per l'utilizzo".
Nicolas Altenhofen, Marketing Manager di industrial analytics, aggiunge: "Il nostro approccio non riguarda solo l'archiviazione dei dati. Molto più importante è la seconda fase, ossia la loro elaborazione e visualizzazione. Siamo meno interessati all'ottimizzazione dei processi produttivi. Pensiamo sempre agli indicatori di performance. Ad esempio, utilizziamo una barriera fotoelettrica per capire se la macchina è in funzione o meno, o per determinare il numero di pezzi. Vogliamo sapere: Quando si è arrestata la macchina? Quando era in funzione la macchina? Quali sono le ragioni del fermo macchina? Questi dati vengono poi elaborati e visualizzati in modi diversi".
Per far funzionare il factorycube nel modo più diversificato e quindi più efficiente possibile, industrial analytics si basa deliberatamente su interfacce aperte. Pertanto, le estensioni sono possibili senza difficoltà. Ad esempio, sono attualmente in fase di sviluppo soluzioni per il controllo della qualità con sistemi di telecamere e machine learning, nonché per la pianificazione della capacità e la loro distribuzione o la manutenzione predittiva con l'analisi delle vibrazioni ad alta frequenza. Grazie alla modularità, ogni cliente riceve esattamente le soluzioni di cui ha bisogno nel suo percorso verso Industria 4.0.
Jeremy Theocharis spiega di cosa si tratta veramente: "Possiamo scoprire il potenziale di ottimizzazione. Ci sono impianti costosi che non vengono utilizzati in modo efficiente. Molti clienti non hanno trasparenza sui tempi di elaborazione di un ordine, ad esempio. Anche l'effettivo utilizzo dell'impianto è spesso sconosciuto. Apriamo questa scatola nera e consentiamo al cliente di prendere decisioni concrete, basate sui dati e di ottenere informazioni rilevanti, come ad esempio che il punto debole non è la macchina ma l'approvvigionamento dei materiali".
Il caso di un importante cliente dell'industria siderurgica è esemplificativo: in poche settimane le macchine di due sedi sono state ammodernate da industrial analytics, rendendo possibile un performance management completo.
Performance Management: la cascata OEE presuppone un tempo di attività della macchina del 100%. Mostra in dettaglio quanto è grande la parte di questo 100% che viene persa e quali sono i motivi che causano l’arresto.
Nessuna trasparenza dei dati nello shop floor
I macchinari del cliente sono costituiti, tra l'altro, da impianti di taglio al plasma, impianti di ossitaglio e di sabbiatura. Con l'aiuto di questi impianti, le lastre di acciaio vengono tagliate e poi rifinite. Jeremy Theocharis continua: "Il problema del nostro cliente era l'assenza di trasparenza sui processi produttivi e sulle prestazioni. Ad esempio, all'azienda non era chiaro quanto tempo ci volesse effettivamente per produrre un certo pezzo su una certa macchina".
Sebbene esistano tempi target teorici per i vari prodotti, questi non sono ancora stati confrontati con i tempi effettivi. Inoltre, non si conosceva la disponibilità né l'utilizzo della capacità delle macchine. I tempi di fermo macchina e le loro cause non venivano registrati. Senza queste preziose informazioni, l'azienda non aveva modo di monitorare le prestazioni di produzione, identificare i problemi e prendere decisioni basate sui dati per migliorare i processi produttivi.
Il sistema ia:factorycube raccoglie i dati provenienti dai sensori collegati, li elabora e, se necessario, li inoltra al cloud.
Dati in tempo reale grazie ai sensori ifm
Grazie a factorycube e vari sensori di ifm, è stato possibile raccogliere i dati inesistenti e ottenere la necessaria trasparenza sui processi produttivi. Un totale di 14 sensori ottici di distanza O5D100 e O1D108 sono stati installati su otto impianti di taglio al plasma e ossitaglio. Con l'aiuto di questi sensori, si è potuto determinare se e per quanto tempo la rispettiva macchina era in funzione. I sensori sono stati posizionati con il fascio di luce rivolto verso la testa di taglio degli impianti. Non appena la macchina viene messa in funzione, la testa di taglio si abbassa e la distanza dal sensore cambia. Modificando la distanza, il sistema riconosce che la macchina è in uso. Inoltre, su tre granigliatrici sono stati installati sensori di vibrazione VTV122 e fotocellule O5D100. Questi sensori aiutano anche a determinare lo stato di funzionamento delle macchine.
Riduzione dei tempi di fermo macchina e aumento della produttività
I dati raccolti con i sensori ifm vengono elaborati nel factorycube, inviati a un cloud e visualizzati in una dashboard. I responsabili dell'azienda possono visualizzare in tempo reale gli stati delle macchine e i dati chiave della produzione, come l'OEE (Overall Equipment Effectiveness). Sulla base dei dati, è possibile adottare misure per ottimizzare i processi produttivi.
Il successo non si è fatto attendere. Poche settimane dopo l'installazione dei sensori, l'azienda è riuscita ad aumentare sensibilmente l'efficienza e la produttività.
Sensori ordinati rapidamente
Il fatto che industrial analytics si affidi ai sensori di ifm è dovuto non da ultimo alla buona presenza sui motori di ricerca e al webshop di ifm. Jeremy Theocharis si guarda indietro: "All'inizio abbiamo confrontato molti fornitori di sensori. Alla fine siamo finiti nel webshop di ifm. Mi ha entusiasmato il fatto che si potessero vedere i prezzi direttamente lì e che si potesse cliccare direttamente su "Ordina" senza dover prima definire un progetto. Allora abbiamo ordinato i sensori. Grazie a IO-Link, sono stati configurati rapidamente, hanno funzionato sempre in modo corretto e fornito risultati precisi. Forse i sensori sono un po' più costosi, ma funzionano in modo affidabile e abbiamo uno shop dove possiamo ordinare semplicemente premendo un pulsante".
Misurare l'utilizzo: i sensori ifm rilevano se le macchine sono in funzione o in stand-by.
Conclusioni
"Non importa quale soluzione di Industria 4.0 si voglia adottare: senza dati affidabili e precisi non si può ottenere un risultato soddisfacente", afferma Jeremy Theocharis.
Con potenti sensori IO-Link, ifm crea il database che viene raccolto, elaborato e visualizzato con factorycube di ia: industrial analytics. Questa interazione consente di creare trasparenza, migliorare le prestazioni e, in ultima analisi, ridurre i costi di produzione.