As empresas hoje têm que lidar com os regulamentos legais estritas, a incerteza e aumentar a pressão da globalização", diz van der Kooij Rimmert no SINTEF. "Isso requer uma nova categoria de empresas - aquelas com a capacidade de ser um passo à frente
Estas são as empresas que devem estar continuamente ciente de o quê." Pode acontecer ", e, assim, estar equipados para mudar a maneira como eles fazem as coisas a fim de atingir melhor prática.
Como parte do projeto 'ProaSense' da UE, cinco parceiros de investigação de seis países, juntamente com a empresa eslovena HELLA e MHWirth (antiga Aker Drilling), uniram forças com o objectivo de explorar os potenciais benefícios inerentes aos grandes volumes de dados que as empresas possuem. O seu objectivo é promover as empresas proativas.
Sensores revelar tendências
Os sensores são incorporados na maior parte dos processos de fabrico para fazer medições contínuas e fornecerem dados. Operadores de máquinas está procurando um feedback imediato sobre a evolução do estado, e os programas de software garantir que as interpretações dos dados são comunicados tanto para a administração e os operadores.
Por exemplo, os sensores podem monitorar o status de todas as máquinas em uma linha de produção. Todas as empresas que fabricam quer evitar coisas dando errado. Eles querem evitar o tempo de inatividade e eles não querem ter que descartar produtos, devido à falha da máquina. Se uma empresa que utiliza equipamentos de perfuração fornecido pela MHWirth experimenta falha da caixa de velocidades em uma máquina de perfuração, seu cliente irá incorrer imediatamente em custos significativos, como resultado de inatividade. Se alguém tinha previsto o fracasso de antecedência, uma modificação poderia ter sido feito para evitar os problemas decorrentes.
"As operadoras querem relatórios de status e notificação antecipada", diz van der Kooij. "Eles estão preocupados porque a máquina em questão foi interrompido, e que eles têm que fazer para obtê-lo correr novamente. É possível a partir do fluxo maciço de dados para identificar padrões de interesse que podem nos dizer algo sobre como o status de uma máquina vai mudar no futuro ", diz ele.
A empresa ea sua gestão está procurando outros tipos de informação. Os dados podem mostrar que, no curso de um dia as máquinas têm registado uma determinada quantidade de tempo de atividade e uma determinada quantidade de tempo de inatividade. É a tendência vai para cima ou para baixo? Que máquina quebra na maioria das vezes? Existe algum padrão para as avarias? Por que tudo vai tão bem no mês passado?
"Nosso objetivo é obter uma melhor visão do estado do equipamento, e adotar uma abordagem de precaução. Os sensores pegar tendências e tendências", diz van der Kooij.
Muitas variáveis
HELLA é um dos maiores fabricantes mundiais de faróis de veículos e faróis de nevoeiro. Nos últimos anos, os faróis de automóveis têm tornam-se maiores. Lentes exigir curvatura maior e são geralmente mais complexos do que no passado. Isso pode criar dificuldades durante o processo de fabrico, resultando numa elevada percentagem de produtos rejeitados.
Mas o que faz com que a produção para chegar a um impasse? É pressão, qualidade do ar ou partículas de poeira? Tem a temperatura desviou de seu valor padrão, ou não a causa mentira em erro humano por parte do operador? Se os dados podem fornecer quaisquer respostas a estas perguntas, então um monte terá sido alcançado.
O volume de informação é surpreendente, mas em última análise, nós estamos olhando para uma única resposta para a pergunta - "Será que as máquinas funcionam amanhã, ou será que alguns se quebrar?
"Você pode compará-lo com as previsões fornecidas pelo Met Office", diz van der Kooij. "Nós também estamos usando sensores para ajudar a fazer previsões meteorologistas referem-se a uma multiplicidade de variáveis, a fim de vir para a previsão único que entregam a seus clientes, tais como: -." Amanhã será 13 graus e nublado '", diz ele .
Até agora, a principal conclusão que os pesquisadores chegaram a é que a maioria dos sensores que as empresas têm instalados em suas máquinas têm fornecido apenas algumas das respostas que eles estão procurando. Em muitos casos, as máquinas foram concebidas há muitos anos e estão equipados com calibres que foram bem adaptados quando eles foram instalados.
"Se tivéssemos sido capazes de equipar uma linha de produção com sensores adicionais, ou para ligar três ou quatro sensores juntos, poderia ter sido capaz de obter todos os dados que precisamos", diz van der Kooij.
Apesar de este grupo de investigação acredita que eles vão conseguir reduzir o tempo de inatividade em empresas de manufatura como HELLA por cinqüenta por cento. No entanto, eles são incertos sobre MHWirth porque a complexidade do projeto é tão grande.
Aplicações em Noruega
Os pesquisadores da SINTEF quer desenvolver o conceito do projeto e se concentrar em possíveis aplicações em ambientes norueguesas. As pequenas e médias empresas na Noruega estão lutando com os desafios ligados à competitividade, manutenção de alta qualidade, e de abordagens de manufatura mais enxutos. Eles podem ter o potencial de beneficiar de uma abordagem semelhante ao conceito ProaSense.
O pedido de inovação orientada para o utilizador projecto de 4 anos (BIA) já foi apresentado ao Conselho de Investigação da Noruega, e os parceiros são mais do que bem-vindos para vir para a frente antes do prazo-limite é atingido em outubro.
"Aqui também o nosso objectivo será o de reduzir o número ea duração dos incidentes de tempo ocioso de produção", diz van der Kooij Rimmert. "Mas a nossa abordagem será diferente", diz ele. "Temos a intenção de desenvolver uma solução combinada que consiste em uma plataforma aberta que fornece ao operador uma oportunidade para realizar análises e tomar decisões simultaneamente, através de simples sensores plug-and-play e terminais. Será possível conectar estes facilmente à plataforma para que as informações podem ser compartilhadas entre diferentes empresas sem que tenham de revelar os seus segredos de propriedade ", diz ele.
As quatro atividades do projeto são de aquisição de dados, análise de suporte à decisão e troca de conhecimentos entre as empresas envolvidas.
Fornecido por: Da phys 2016 ( STOP)
