Цифровизация и ускорение развития промышленных технологий, связанные с переходом на IoT, открывают прекрасную возможность повысить качество продукции и оптимизировать производство в целом. В этом контексте выбор оптимальных технологий на основе анализа предыдущего опыта играет ключевую роль в правильном планировании целей, выборе технологических партнёров и в качестве интеграции компонентов ИТ и ОТ.
С момента своего появления несколькими годами ранее Интернет вещей (IoT – Internet of Things) оказал поистине ошеломительное воздействие на промышленный и производственный мир. Возьмём итальянскую действительность: там 92% всех предприятий – средние или малые, представляющие разнообразные сценарии развития, среди которых можно найти множество примеров передового опыта и цифровых инноваций. Обычно современные пути развития приводят к рыночному успеху, как на национальном, так и на международном уровне. Интернет вещей стал не только важным инструментом для изучения и мониторинга прогресса производственных процессов с целью оптимизации производительности и затрат, но также и фундаментальным фактором, способным помочь компаниям улучшить качество своих процессов и конечных продуктов (рис. 1).
Всё это стало возможным благодаря обработке дополнительной информации, получаемой от специальных интегрированных датчиков, проливающих свет на неочевидные аспекты деятельности и выступающих в качестве важных источников информация, которая имеет решающее значение для оптимизации производства. Получаемые от этого выгоды благотворно отражаются не только на самих производственных компаниях, но и на их конечных потребителях (рис. 2).
На сегодняшний день большинство производственных предприятий характеризуется высокодиверсифицированной производственной системой, хотя часто она ещё слабо оцифрована. Включение всех механизмов в единую систему позволяет организовать взаимодействие с производственным оборудованием. Это делается с целью сбора ценных данных для мониторинга эффективности производственной системы в реальном времени. Благодаря цифровой связи становится возможным контролировать фактическое время доступности оборудования, скорость его работы и частоту ошибок (так называемый OEE-index – Overall Equipment Effectiveness, индекс общей эффективности оборудования). В результате появляется возможность цифровой обратной связи и контроля рабочих параметров прямо из MES-систем управления производством. Данные, собранные и используемые в режиме реального времени, сохраняются для анализа с целью извлечения полезной для планирования и оптимизации процессов информации, например, анализа тенденций, отклонений и повторяющихся ошибок, а также корреляции между проблемами и возможными их источниками (или способствующими им обстоятельствами), эти закономерности выявляются промышленными аналитиками.
Один из самых интересных связанных с цифровизацией машин и процессов аспектов, безусловно, – так называемая сенсоризация, то есть возможность введения в отдельную машину или всю производственную линию датчиков с целью улучшения качества продукции. На самом деле подавляющее большинство машин уже обладает в той или иной мере такими качествами: чтобы наилучшим образом выполнять производственную функцию, компьютер или ПЛК, который управляет и контролирует определённые промышленные процессы, выполняемые определённым оборудованием, использует для этих целей ряд датчиков, установленных внутри самой машины. Что касается Интернета вещей и фабрик будущего, дополнительная возможность заключается в добавлении специальных датчиков для контроля и оптимизации качества продукции. Качество – термин, который широко используется в последние годы. В него могут вкладываться совершенно различные значения, каждое из которых предполагает разные ожидания. В этом контексте нас интересует соблюдение производственных требований, то есть гарантия того, что продукт будет обладать свойствами и структурными характеристиками, подходящими для удовлетворения потребностей клиентов. Следовательно, для повышения качества продукции требуется сбор любой полезной информации, позволяющей лучше понять производственный процесс с целью его совершенствования и принятия корректирующих мер в режиме реального времени (в процессе производства) или после более глубокого анализа данных, в том числе исторических, проведённого промышленными аналитиками.
На производственной линии могут быть установлены дополнительные датчики самых разных типов. Вот некоторые примеры:
тепловизионные камеры позволяют контролировать и измерять температуру продуктов на разных этапах обработки, формируя термографические изображения высокого разрешения и с высокой частотой обновления или идентифицируя горячие и холодные точки даже у движущихся объектов. Их можно использовать, например, в стекольной промышленности, где они могут быть полезны для выявления возможных аномалий в производстве бутылок, банок, пробирок, стёкол. Точно так же они могут применяться в производстве металлов (например, в автомобилестроении), в резиновой промышленности (вулканизация), при производстве пластмассовых изделий путём термоформования (при изготовлении панелей или других предметов даже со сложной геометрией) и так далее;
профилометры (на основе лазерных сканеров или времяпролётных камер), которые позволяют измерять профиль поверхности продукта, а также контролировать тенденции его изменения с течением времени. Их можно использовать, например, для проверки на дефекты плоской поверхности. С помощью таких технологий можно произвести оценку того, как измеренное во времени значение меняется вдоль определённых осей, что позволяет измерить зазоры между собранными изделиями (например, двери и капота относительно кузова автомобиля) или определить параметры конкретных профилей (например, протекторов шин); их можно использовать даже в микромеханических производствах и при контроле позиционирования компонентов на печатной плате, то есть во всех областях, требующих высочайшей точности;
стереоскопические камеры, позволяющие получать и анализировать трёхмерные изображения продуктов или их отдельных частей. Возможность воссоздать 3D-изображения, похожие на формируемые человеческим зрением, чрезвычайно полезны, например, для осмотра продукта и проверки таких характеристик, как взаимное расположение, качество сборки, форма или завершённость объектов. При контроле качества они могут быть эффективно реализованы в таких задачах, как подсчёт или проверка правильного положения предметов, измерение геометрических характеристик продуктов (объём, площадь поверхности, толщина), проверка правильности и целостности упаковки, а также выявление пустых и не заполненных до нормы упаковок продукта.
Другие специальные датчики могут распознавать и классифицировать цвета (они используются с приложениями, проверяющими правильность сборки, соответствие цвета изделия образцу, неизменность качества продукции в производстве с течением времени) и т.д. (рис. 3).
Информация, собранная этими специализированными датчиками, добавляется к информации от машины на производственной линии и представляет собой базу данных чрезвычайной ценности для компаний. Эта информация позволяет не только досконально понять и улучшить качество производственных процессов, но и снизить количество дефектов, лучше использовать сырьё и необходимые ресурсы, сократить количество брака и отходов, а также способствует тому, чтобы деятельность компании стала более экологичной.
Промышленные среды весьма разнообразны и сильно зависят от типа производства. Среда, в которой должны работать датчики, характеризуется различными факторами, от которых зависит оцифровка и сенсоризация комплекса производственных линий.
Первый уровень сложности связан с тем, что многие производственные машины снабжены датчиками с единственной целью локальной автоматизации производственного процесса и не предназначены для расширения за счёт дополнительных датчиков, например, с целью повышения качества работы всего конвейера. Это влечёт за собой необходимость выявления в зависимости от ситуации лучшего решения не только по отношению к конкретной цели (локальная оптимизация качества), но также в связи с ограничениями физических и технологических характеристик других задействованных на производственной линии машин.
Второй уровень сложности, проистекающий из условий окружающей среды, иногда даже более сложный, особенно в отношении таких аспектов, как высокие температуры и наличие дыма и пыли.
В этих условиях датчикам часто требуется дополнительная защита для повышения рабочей температуры (например, снабжённые рубашками водяного охлаждения датчики могут работать даже в сталеплавильном производстве) или системы очистки линз (продувка воздухом под высоким давлением способна непрерывно поддерживать чистым объектив камеры или тепловизора).
Третий уровень сложности связан с необходимостью интеграции с фабричной системой (которая не всегда бывает стандартизированной и централизованной). Кроме того, необходимо правильно наладить диалог с производителями машин, чтобы исключить все возможные проблемы, связанные с добавлением и физической установкой дополнительных датчиков. В некоторых случаях бывает необходимо интегрировать в машину несколько датчиков с разными характеристиками и целями измерения.
Чтобы лучше понять, как Интернет вещей может повысить способность компании к совершенствованию с точки зрения качества, можно рассмотреть пару примеров конкретного применения. Первый пример – из области пищевой промышленности, где необходим большой набор проверок и постоянный контроль, связанный с обеспечением качества конечной продукции, особенно в случае консервированных или расфасованных продуктов. В этом контексте Интернет вещей может оказать ценную помощь благодаря, например, применению датчиков и систем искусственного зрения (как на основе профилометров, так и на базе стереоскопических камер). Фактически с помощью этих датчиков можно проводить морфологические исследования продуктов: выборочную проверку отдельных конечных продуктов (например, выпечки), проверку начинки или подсчёт количества продуктов в соответствующих упаковках (например, на этапе упаковки печенья или выпечки в контейнерах из несколько отдельных отсеков), контроль порционирования пищи, проверку вакуумной упаковки, контроль окончательной упаковки (например, в нескольких коробках, рис. 4).
Второй пример касается индустрии потребительских товаров, в частности, производства продуктов, в составе которых присутствуют пластиковые компоненты, созданные с применением процесса термоформования. В эту категорию входит целый набор товаров, в которых есть пластиковые детали, образующие внешнюю конструкцию, например, небольшая бытовая техника (кофемашины, блендеры, миксеры, экстракторы) или крупная бытовая техника, такая как холодильники с их пластиковыми внутренними панелями.
Процесс термоформования состоит из последовательных фаз, которые предусматривают этапы нагрева пластикового листа в камере до определённой температуры и последующей передачи листа в камеру термоформования. Здесь благодаря пневматическому воздействию нагретый лист сначала раздувается, а затем помещается на металлическую форму; после этого он прижимается к форме вследствие воздействия вакуума и в результате, охладившись контролируемым потоком воздуха, принимает желаемую форму. Применение тепловизора с линейным сканированием в переходе между двумя этими фазами позволяет получить тепловизионное изображение листа, которое можно использовать для точной настройки производственных параметров (нагрев и формование), влияющих на улучшение качества конечного продукта. Данные, собранные с помощью дополнительных датчиков, могут быть использованы для создания цифровых моделей оборудования в реальном времени. Имитационная модель, в свою очередь, позволяет опробовать варианты процессов до того, как они будут развёрнуты в производственных системах.
Решения IoT, применяемые в конкретном производственном контексте для повышения качества продукции, приносят преимущества, часто далеко выходящие за рамки поставленной цели. Фактически, помимо предоставления в режиме реального времени целого набора информации, которая может быть использована для соответствующей корректировки рабочих параметров в процессе производства, они служат источником данных, которые вместе с соответствующими параметрами выполнения процесса необходимы для понимания, углубления и совершенствования самого производственного процесса.
Итак, решения IoT позволяют:
Трудно предложить универсальный рецепт, применимый в любом контексте. Если компания уже встала на путь цифровых инноваций, то IoT на таком производстве, безусловно, не является чем-то новым. Если же компания делает свои первые шаги или планирует начать освоение этого нового пути, то ей, вероятно, понадобится консультант, который поможет настроить последовательный процесс. Исходя из практического опыта, можно сказать, что обычно базовые требования таковы:
Подвести итог можно, процитировав известного теннисиста Артура Эша: «Успех в самом путешествии, а не в прибытии в пункт назначения». Позитивные результаты должны быть достигнуты в пути, который становится всё больше похожим на эволюционную модель (рис. 5), на цифровую трансформацию [1]. ●
Статья подготовлена по материалам компании Italtel
Перевод Юрия Широкова
E-mail: textoed@gmail.com
Однофазные источники бесперебойного питания Systeme Electric
Почти все современные сферы промышленности, IT-инфраструктура, а также любые ответственные задачи и проекты предъявляют повышенные требования к питающей сети – электропитание должно быть надёжным, стабилизированным и обеспечивать бесперебойную работу. В данной статье мы рассмотрим решения по однофазному бесперебойному питанию от российской компании Systeme Electric. 28.12.2023 СТА №1/2024 1015 0 0Однопроводный канал телеметрии по PLC
В статье рассматриваются методы реализации однопроводных каналов передачи данных по силовым электросетям в жилых зданиях, загородных и промышленных помещениях. В качестве информационного провода предлагается использовать проводник «нейтраль» электропроводки. Приводятся анализ возможных конфигураций каналов передачи данных этого типа и результаты экспериментальных проверок. Рассматриваются преимущества новых методов по сравнению с традиционными PLC и области возможного применения данной технологии. 28.12.2023 СТА №1/2024 1129 0 0BioSmart Quasar 7 — мал да удал
Компания BIOSMART в пандемийном 2020 году весьма своевременно представила свой первый лицевой терминал Quasar (рис. 1) с диагональю экрана 10 дюймов. Уже в следующем, 2021 году был представлен бесконтактный сканер рисунка вен ладони PALMJET (рис. 2). Ну а в текущем 2023 году компания представила новую уменьшенную модель лицевого терминала Quasar 7 (рис. 3), который смог в компактном корпусе объединить обе передовые технологии бесконтактной биометрической идентификации. 28.12.2023 СТА №1/2024 1055 0 0Открытые сетевые платформы — когда сети и вычисления в одном устройстве
Открытая сетевая платформа (ONP) – это мощное средство для реализации как простых, так и масштабных сетей, а также инструмент, который позволяет в одном высокопроизводительном устройстве реализовать целый вычислительный комплекс, объединяющий внутри себя коммутаторы, маршрутизаторы, межсетевые экраны, а также сам сервер обработки данных. Используя все преимущества данной архитектуры, компания AAEON разработала своё решение, сетевую платформу FWS-8600, на базе высокопроизводительных процессоров Intel Xeon Scalable 2-го поколения. В статье раскрыты детали и особенности ONP, характеристики FWS-8600, а также почему использование процессоров Intel Xeon Scalable 2-го поколения значительно увеличивает потенциал платформы. 28.12.2023 СТА №1/2024 1244 0 0