インダストリー 4.0 シリーズへの道 (パート 2)

この記事は、Instrumentation Monthly および UK Manufacturing に最初に掲載されました。

製造プロセスには、膨大な量のデータと情報が含まれます。 商品の生産に消費される材料や部品、組立説明書、顧客の仕様、振動や温度などの機械情報はすべて、製造活動の流れの中で常に生成されます。 また、製造業者がプロセスの効率性や組み立てラインの機械の状態に関するさらなる証拠を収集するためにセンサーを導入することが増えており、データの収集も非常に高速になっています。

しかし、最近の調査によると、このデータの 3 分の 1 しか活用されておらず、残りはサイロ化されたデータや非効率的なデータ管理慣行などの障害により活用されていません。 それは機会損失を意味します。

ダッシュボードや分析、人工知能 (AI)、拡張現実、仮想現実、コンピューター ビジョンなどのデジタル アプリケーションは、企業に効率の向上、コストの削減、リスクの軽減をもたらす可能性をもたらし、その結果、パフォーマンスが最大 20% 向上する可能性があります。

「インダストリー 4.0」シリーズの 2 回目の記事では、製造組織が製造現場のデータをどのように活用してその価値を最大限に実現し、デジタル アプリケーションを使用して最大の投資収益率を達成するかを説明します。

最初の記事では、当社の専門家が、企業がレガシー アプリケーションをアップグレードし、インダストリー 4.0 のメリットを得るのに役立つ迅速なソリューションを提供する手法を検討しました。

製造現場では人、プロセス、システム、機械が大量のデータを生成しますが、多くの場合、組織がデータを収集して管理する方法に問題があります。 通常、これはスプレッドシートや紙のレポートを介して行われますが、手動の方法ではエラーが発生しやすく、時間がかかります。

この状況では、新しいデータ収集機能を導入することが重要です。 たとえば、既存の PLC (プログラマブル ロジック コントローラー) および監視制御およびデータ収集 (SCADA) キットに統合されたモノのインターネット (IoT) センサー ソリューションを採用すると、組織はより多くのデータをリアルタイムで取得できるようになり、可視性が向上し、製造現場およびサプライチェーンのイベントの処理。

調和ツールと視覚化ツールの使用は、この取り組みにおけるもう 1 つの重要なステップです。 調和ツールは、異種のデータ フィールド、形式、ディメンション、列を結合されたデータセットに統合するのに役立ち、正確な洞察の作成にかかる時間とデータ分析のコストの両方を削減します。

視覚化ツールを使用すると、洞察を生成し、データ ポイントを下流のビジネス プロセスに統合することができます。 デジタル ダッシュボードは、生産高、スクラップ率、サイクル タイム、設備全体の効率などの主要な指標を視覚的な方法で 1 か所で取得して表示できるため、組織全体のリーダーがより効率的に協力して作業できる機会を提供します。

より高度なダッシュボード バージョンには、根本原因分析やボトルネック解消などの継続的な改善プロセスをサポートする機能が備わっています。 データの可視性と分析の強化は製品開発にも利益をもたらし、エンジニアや製品チームが新製品を発売する前に生産チェーンに対する機能改善の影響を検討するのに役立ちます。

データの活用を改善することは、メーカーがメンテナンス活動を最適化するのにも役立ちます。 たとえば、航空宇宙および航空業界では、ウェアラブル テクノロジー ソリューションが、エンジニアの認定資格の確認や作業時間の記録などの手動タスクを置き換えることができます。 これにより、熟練したエンジニアの活用が高まり、効率が向上し、最終的にはコストが削減されます。

無線接続により、機械やその他の製造インフラに設置された IoT センサーは、温度、振動、湿度、光、放射線、CO2 レベルなど、これまで収集が困難だったデータを取得できるようになります。

機密性の高い原材料を扱う多くの製造業者は現在、倉庫や生産ラインのコンテナに小型の装置を設置し、測定値が安全性と品質のしきい値を超えた場合にそれを検出し、直ちに管理者に警告します。 これにより、オペレータの反応時間が短縮され、損傷や無駄が軽減され、最終的には資産の信頼性と利用率が向上します。

このデータへのリアルタイム アクセスは、化学や石油・ガスなどの業界で重要な有毒物質の漏洩やその他の事故の防止にも役立ちます。 製造現場を超えて、IoT デバイスは輸送中の完成品を監視することで在庫と流通管理を推進し​​ます。

工場環境で IoT を導入する企業が増えていますが、実装にはいくつかの障害に直面しています。 一般的な問題点の 1 つは、産業用 IoT (IIoT) アプリケーションと既存のテクノロジーとの統合の管理です。 多くの場合、企業はリファレンス アーキテクチャ構造を設計する際に基本原則を確立していません。

企業間のデータ統合を可能にするには、ERP、MES、および PLC データを、リアルタイムの生産のボトルネック解消やパフォーマンス ダッシュボード、コンピューター ビジョン対応の品質管理、選択された機械学習 (ML) 制御アプリケーションなどのデジタル アプリケーションで組み合わせる必要があります。 IoT の有用性を最大限に高めるには、適切な IIoT プラットフォームと、さまざまなシステムからのデータを統合できる対応するデータ設計を選択することが重要です。

機械学習やその他の AI ベースのテクノロジーは、製造現場やサプライ チェーン全体で収集される増大するデータからさらなる洞察を引き出すのに役立ちます。

AI は人間の認知能力の一部をエミュレートする広範なコンピューター化された機能を指しますが、ML は AI のサブセットであり、機械がデータから学習して、直接プログラムされずに将来を見据えたインテリジェンスを実現できるようになります。

現在、製造における ML の最も強力なアプリケーションの 1 つは、予測プロセス制御空間と最適な動作のための処方箋の設定です。 機械の故障や計画外の機器のダウンタイムによりメーカーは毎年数百万ドルもの損失を被る可能性があるため、これは重要な領域です。

ML アルゴリズムを活用した予知保全ソフトウェアは、機械センサーによって収集されたデータを利用してパフォーマンスを 24 時間 365 日監視し、技術的な障害を予測して、予期せぬ停止や破損を回避します。 これらのソリューションは、機械のダウンタイムと全体的なメンテナンス コストを 10% ～ 20% 削減することが実証されています。

拡張ビジョン システム ソリューションには AI と ML が組み込まれており、高レベルの自動化と品質管理と検査の精度の向上が実現されています。 このテクノロジーにより、製造環境でのデジタル「読み取り」が可能になり、部品の選択、品質保証の実行、欠陥の検出など、従来人間が行っていた視覚的なタスクを実行することで生産プロセスをサポートできます。 AI と組み合わせたビジョン システムは、人間のオペレーターよりも短い時間枠内で高い精度でタスクを完了できるため、多くの場合、エラーや認知バイアスの可能性が排除されます。 最終的な効果は、効率の向上、稼働率の向上、そして下流のスクラップと再加工に関連するコストの削減です。 市場がますます困難になる中、製造組織は製造現場のデータの価値を最大限に認識することが不可欠です。 上記で強調したようなデジタルおよびテクノロジー ソリューションは、製造会社に最大の投資収益率を達成しながらパフォーマンスを向上させる機会を提供する鍵となります。