DLACZEGO FAZA POZYSKIWANIA DANYCH JEST KLUCZOWA DLA SEKTORA CPG?
Branża dóbr pakowanych (CPG) podlega ciągłym zmianom, codziennie pojawiają się nowi konkurenci, a konsumenci zmieniają swoje oczekiwania i zachowania zakupowe.
W związku z tym zakłady CPG podejmują działania mające na celu usprawnienie pozyskiwania danych i odchudzenie procesów produkcyjnych, aby zmniejszyć ilość odpadów, ograniczyć błędy, wyeliminować nieplanowane przestoje i zintegrować automatyzację. Poprawa wydajności operacyjnej może pomóc zakładom CPG w osiągnięciu przewagi nad konkurencją, umożliwiając obniżenie kosztów i szybsze dostarczenie większej ilości towarów do konsumentów.
Ważną częścią przejścia na odchudzoną produkcję jest przejście z reaktywnej na predykcyjną konserwację - i oparcie się w tym celu na gromadzeniu danych.
Konserwacja reaktywna lub korekcyjna polega na naprawie sprzętu po jego awarii. Konserwacja predykcyjna jest możliwa dzięki technologii, czujnikom i danym. Dzięki ciągłemu monitorowaniu pracy urządzeń można przewidzieć awarię, co pozwala na usunięcie problemów przed wystąpieniem awarii.
Konserwacja predykcyjna zapewnia lepszą widoczność
Załóżmy, że inwestujesz w maszynę, która wykonuje zadania związane z pakowaniem i etykietowaniem. Ma ona niezawodny, dobrej jakości silnik - ale silniki w końcu ulegają awarii, ponieważ mają stale ruchome części. W pewnym momencie, gdy jego części przestaną się poruszać, silnik osiągnie kres swojej żywotności.
Jeśli zakład pracuje w trybie reaktywnym, może nie zdawać sobie sprawy z problemu z silnikiem, dopóki się nie zepsuje i sprzęt nie przestanie działać. Może to spowodować nieoczekiwane zatrzymanie linii produkcyjnych. Natomiast w środowisku predykcyjnym dane mogą ostrzegać o anomaliach, które wskazują na potencjalne problemy: przegrzanie, przeciążenie, wibracje itp. Użytkownik ma szansę wkroczyć do akcji i skorygować problem, zanim straci czas i pieniądze.
Ewolucja samochodów w ciągu ostatnich kilku dekad jest dobrym odzwierciedleniem tego, co dzieje się obecnie w świecie produktów CPG. W latach 60. i 70. nie było wielu znaków ostrzegawczych na desce rozdzielczej, które wskazywałyby na potencjalną awarię silnika. O problemie rzadko można było się dowiedzieć na kilka chwil przed tym, jak silnik przestał działać (pierwszą wskazówką mogły być odgłosy poppingu lub ciemny dym).
Obecnie samochody są wyposażone w najnowocześniejsze światła ostrzegawcze, wskaźniki, a nawet aplikacje, które informują użytkownika, że coś jest nie tak. Dzięki ciągłemu monitorowaniu czujników i sygnałów, które mogą mieć wpływ na wydajność - oraz wykorzystaniu funkcji pobierania danych w celu dostarczenia tych informacji do właściwych miejsc - można dowiedzieć się, co oznacza kontrolka "check engine" i jak poważny może być problem, aby można było podjąć odpowiednie działania. I właśnie w tym kierunku zmierza branża CPG dzięki automatyzacji fabryk. Cyfryzacja procesów zapewnia lepszy wgląd w każdy etap produkcji.
Rola pozyskiwania danych w predykcyjnej obsłudze technicznej
Jeśli chcesz zautomatyzować procesy i wykrywać usterki sprzętu w ramach konserwacji predykcyjnej, konieczne jest gromadzenie danych z całego środowiska produkcyjnego.
Struktura pobierania danych jest krytycznym elementem konserwacji predykcyjnej, ponieważ zapewnia mapę drogową do pobierania, przekształcania i ładowania danych z różnych źródeł w celu ich przetwarzania i analizy - często przenosząc je z obiektów do chmury. Proces pobierania danych może odbywać się w czasie rzeczywistym, aby umożliwić podejmowanie decyzji operacyjnych.
Tworzenie ram pozyskiwania danych
Pierwszym krokiem do stworzenia ram pobierania danych jest ocena przepływu pracy i niezawodności w obrębie zakładu i systemu sterowania. Jakie informacje i procesy są obecnie digitalizowane? Co należy zdigitalizować, aby poprawić wydajność i wdrożyć konserwację predykcyjną? Odpowiedzi na te pytania dają także punkt odniesienia, na podstawie którego można pracować w przyszłości.
Po dokonaniu oceny sytuacji w zakładzie można zaplanować kroki niezbędne do stworzenia ramowego systemu pozyskiwania danych. Określają one proces, który służy do przesyłania danych z różnych źródeł do repozytorium lub narzędzia do przetwarzania danych.
Autor: Peter Kneski