Kiedy maszyny polegają na różnych protokołach danych, zakłady produkcyjne mogą znaleźć się uwięzione na drodze do transformacji cyfrowej. Dowiedz się, jak pokonać ten przeszkodę.

Mówi się wiele o Przemyśle 4.0, ale jak daleko faktycznie posuwają się przedsiębiorstwa produkcyjne w swoich podróżach ku transformacji cyfrowej? Ze wszystkim hałasem dotyczącym inteligentnych fabryk i automatyzacji, mogłoby się wydawać, że wszyscy mają to opanowane – za wyjątkiem ciebie.

Jednak dane branżowe od IoT Analytics, dostawcy wglądu na rynek IoT i konkurencyjnej inteligencji, udowadniają coś przeciwnego. Jego Raport o Adopcji Przemysłu 4.0 podsumowuje postępy w adopcji branży na podstawie informacji od 500 starszych kierowników w przedsiębiorstwach produkcyjnych. Raport śledzi informacje na temat zastosowań Przemysłu 4.0, KPI oraz braków w umiejętnościach.

Większość producentów (72%) ma strategię inteligentnej produkcji (lub aktualnie ją wdraża), a 65% producentów ma lub aktualnie wdraża strategię IoT. Ale ci producenci borykają się również z wyzwaniami technicznymi, które utrudniają wdrożenie.

Raport podzielił się 17 wyzwaniami technicznymi wdrażania inteligentnej fabryki i zadał wykonawcom to ważne pytanie: Jak bardzo każde z tych wyzwań technicznych hamuje skalowanie projektów inteligentnej fabryki?

Spośród listy 17 wyzwań, pięć zostało zidentyfikowanych jako największe problemy:

1. Tworzenie nowych aplikacji
2. Zabezpieczanie sieci OT
3. Interfejsowanie z istniejącymi aplikacjami, takimi jak systemy MES i ERP
4. Zarządzanie różnymi formatami danych i protokołami
5. Interoperacyjność i interfejsowanie z sieciami OT

W dniu 23 maja 2024 r. we współpracy z IoT Analytics organizujemy webinarium, które analizuje te pięć przeszkód i jak je pokonać, abyś mógł stworzyć środowiska inteligentnych fabryk, których potrzebujesz, aby zbudować lepszą przyszłość. Zarejestruj się na webinarium tutaj.

Aby dać ci wgląd za kulisami tego, o czym będziemy dyskutować podczas webinarium, ten blog skupia się na jednym z wyzwań, które najbardziej martwią starszych kierowników w przemyśle produkcyjnym: zarządzaniu różnymi formatami danych i protokołami (Nr 4 na powyższej liście).

Znaczenie Protokołów Danych w Inteligentnych Fabrykach Aby komunikować się, maszyny i urządzenia muszą łączyć się nie tylko z siecią, ale także ze sobą, aby automatyzować i optymalizować procesy. Protokoły danych określają, jak te „rozmowy” danych są wymieniane między połączonymi urządzeniami.

Protokół maszyny może określać takie rzeczy jak:

1. Jak połączyć się z maszyną
2. Jak pobrać dane z maszyny
3. Inne maszyny, z którymi może „rozmawiać”
4. Rodzaje dostępnych danych

Protokoły danych maszyny mogą być standardowe/otwarte (kompatybilne z większą gamą urządzeń i producentów) lub własnościowe (zbudowane na zamówienie dla konkretnego celu, urządzenia lub producenta).

Wyciąganie Wartości z Dwóch Typów Danych W miarę jak coraz więcej zakładów integruje analizy danych i sztuczną inteligencję (AI) w swoje procesy, te systemy są głodne danych: Dane to to, co pozwala tym systemom oferować cenne wskazówki, aby pomóc ludziom podejmować świadome decyzje.

Większość producentów ma dwa typy danych, które muszą dostarczyć swoim systemom analizy i AI:

1. Istniejące dane już dostępne z maszyn.
2. Nowe dane, które trzeba zbierać za pomocą nowych typów czujników.

Istniejące dane Najpierw porozmawiajmy o istniejących danych. Istnieje wiele powodów, dla których istniejące dane nie są zbierane.

1. Urządzenia nie są połączone z siecią ani z innymi urządzeniami.

2. Na hali produkcyjnej znajduje się wiele różnych typów maszyn. Niektóre urządzenia zabytkowe mogą nie mieć możliwości połączenia się z siecią, a modernizacja lub inwestycje w nowsze systemy, aby to umożliwić, są kosztowne. W innych przypadkach niektóre zakłady produkcyjne nie poświęciły czasu na połączenie maszyn z siecią. Maszyna działa i praca jest wykonywana, więc łączność nie była priorytetem.

3. Dane nie są konwertowane (protokoły nie są tłumaczone). Nie jest rzadkością znalezienie różnych protokołów w jednym środowisku produkcyjnym. Te różnice mogą uniemożliwić poprawne połączenie aktywów.

   Gdy urządzenia używają różnych protokołów danych, jest to jak próba komunikowania się za pomocą różnych języków. Może to sprawić, że tłumaczenie, zbieranie i przechowywanie danych będzie drogie i trudne - dlatego dane zakładu często istnieją w silosach.

   Weź pod uwagę wszystkie urządzenia na hali produkcyjnej. Gdy jedna maszyna używa protokołu Modbus, a druga protokołu PROFINET, dwie maszyny nie mogą komunikować się wzajemnie, a dostęp do ich danych jest trudny.

   W miarę jak do zakładu produkcyjnego wprowadzane są nowe maszyny, aby wspierać nowe zdolności i umożliwiać wzrost, ten problem komunikacji staje się coraz bardziej powszechny. Zapewnienie, że twoje urządzenia mogą się komunikować (zapewnienie, że protokoły są tłumaczone), jest kluczowe dla przygotowania twojej inteligentnej fabryki na przyszłość.

   Dane nie są kontekstualizowane (nie są powiązane z odpowiednimi metadanymi). Większość zakładów posiada dużo danych, ale informacje nie są kontekstualizowane - to tylko zbiór liczb, które nie mają znaczenia bez metadanych lub innych istotnych szczegółów, które pomagają uczynić je działającymi. Twoja infrastruktura danych przemysłowych musi być w stanie pomóc ci zrozumieć historię, którą opowiadają twoje dane, dzięki czemu wiesz, jak systemy i procesy działają. To ułatwia pracę z danymi i sprawia, że są one łatwiej dostępne dla osób, które ich potrzebują.

Rozwiązanie: Dzięki operacjom danych Belden Horizon, Belden pomaga firmom przenosić istniejące dane z ich systemów OT do platform oprogramowania, dzięki czemu mogą monitorować operacje, śledzić wskaźniki wydajności i analizować dane dotyczące sprzętu, aby zapobiegać kosztownym problemom związanych z wyposażeniem i zmniejszać luki w produkcji.

Nowe dane Teraz porozmawiajmy o nowych danych.

Podczas gdy istniejące dane to informacje, które już istnieją, nowe dane to informacje, których chciałbyś mieć, aby wypełnić ślepe punkty danych - ale nie są one dostępne dla ciebie dzisiaj. Mogą to być informacje dotyczące procesów produkcyjnych, wydajności jakościowej, zużycia energii lub innych metryk.