Tuotantodatan älykäs analysointi avaa uuden näkymän tehtaan toimintaan

Net 2017,  13.3.2018

Tuotantodatan analysoinnin ja visualisoinnin tavoitteena on hahmottaa tuotannon kokonaisuus yhtenäisenä datamallina, jolloin sitä pystytään seuraamaan ja simuloimaan digitaalisesti. Ratkaisujen avulla saadaan läpinäkyvyyttä koko toimitusketjuun, pystytään seuraamaan yksittäisten laitteiden statusta sekä mittaamaan tuotannon tapahtumia. Kaikki tämä reaaliajassa.

 Digital Dashboard

Inesa Group
Kiinalainen instrumenttivalmistaja Inesa Group on kasvattanut tuottavuuttaan 25 prosenttia Intelligent Dashboardin käyttöönoton ja tiedon keruun ja harmonisoinnin avulla. Samalla yritys on saanut lyhennettyä tuotannon prosessointiaikaa 50 prosenttia. Datamassan analysointiin sekä informaation keruuseen ja mittaamiseen on käytetty aiemmin 10 minuuttia, kun se nyt tapahtuu reaaliajassa.

Omron
Elektroniikkayritys Omron pystyi projektin muutaman ensimmäisen kuukauden aikana nopeuttamaan tuotantoaan 15 prosenttia Intelligent Dashboard -ratkaisun avulla. Jatkossa kokonaisteho on kasvanut noin 30 prosentin verran. Tuotannon pullonkaulojen ja kehityskohteiden löytyminen on nopeutunut merkittävästi. Ennen ongelmien selvitykseen saattoi mennä kokonainen työpäivä lähes, nyt juurisyy löytyy nopeasti. Lue lisää

Fujitsun Colmina1-alustalle toteutetun Intelligent Dashboardin kautta valmistava teollisuus saa kaiken datan, jota operatiivisessa toiminnassa tarvitaan sekä rajapinnan varsinaiseen tuotantoon, koneisiin, laitteisiin ja sensoreihin.

Keskeisiä avainlukuja voidaan kerätä esimerkiksi tuotannon tehokkuudesta, henkilöstön tilasta tai energiatehokkuudesta. Myös tuotantolaitoksen tiloja sekä ja mahdollisia hälytyksiä ja virhetilanteita voi seurata.

”Oikea näkökulma ja kokonaisvaltainen näkymä tuotantoon mahdollistavat systemaattisen kehittämisen. Jos kehität jotain mitä et mittaa, et varsinaisesti tiedä onko toimintoa kehitetty tavoitteiden mukaiseen suuntaan. Siksi selkeä mittaristo, jonka kautta pystyy vertailemaan nykyaikaa ja historiatietoa on kehittämisen kannalta keskeistä”, painottaa kehitysjohtaja Antti Wallenius Fujitsusta.

”Myös korjattavien kohteiden löytäminen ja tunnistaminen tuotantolaitoksessa nopeutuu kun asia on oikealla tavalla visualisoitu.” 

Kustannusten ja resurssien optimointia

Digitasoidussa tuotantolaitoksessa lähes kaikkea voi mitata. Mittauksen kohteeksi kannattaa valita se tuotannon indikaattori, jolla on eniten vaikutusta kilpailukykyyn.

”Digiaika voi nostaa esille kokonaan uusia indikaattoreita. Onkin hyvä alkajaisiksi selvittää, ovatko key performance -indikaattorit enää ennallaan vai syntyisikö enemmän kilpailukykyä jonkun toisenlaisen indikaattorin kautta”, sanoo Fujitsun Nordic-teknologiajohtaja Glen Koskela.

Tavoitteena voi olla esimerkiksi kustannusten, resurssien, koneiden käytön tai energian hallinnan optimointi, jotta saadaan säästöjä vaikkapa henkilötyö-, osto- tai kuljetuskustannuksissa.

Optimointiin käytetty tieto saadaan toiminnanohjausjärjestelmistä, tuotannon laitteista, sensoreista ja tuotannon ohjausjärjestelmistä. Päätöksentekoa varten käytössä ovat myös paikkatiedot.  

Mikä on vaarallisten aineiden osuus tuotannostamme?

Tuotantodatan analysoinnissa tietotekniikka ja tekoäly ovat tehokkaita apureita, mutta yhdessä ihmisanalyysin kanssa tulokset paranevat huomattavasti. Seurannan piiriin saadaan asioita, jotka vaikuttavat olennaisesti yrityksen globaaliin tehokkuuteen: energiankulutus, hiilijalanjälki tai vaarallisten aineiden osuus tuotannosta.  Voidaan seurata tuotannon laitteiden työkuormaa, käytön tehokkuutta ja pois heitetyn raaka-aineen määrää.

Jatkuvaa parantamista varten voi tuottaa näkymän, jossa eri alueiden ja maiden tuotantolaitoksia voi verrata keskenään. Jokainen mittari on verrattavissa eri alueilla erikseen ja yhdessä.

”Johto voi reagoida heti, jos yhdessä tuotantolaitoksessa palaa punainen varoituskolmio. Yksittäisestä tehtaasta voi selvittää kuinka monta tuotantolinjaa siellä on käytössä, mikä niiden käyttöaste on, paljonko työntekijöitä ja teknistä tukihenkilöstöä on talon sisällä. Samoin voidaan seurata eri tuotantolinjojen tilannetta, mitä ollaan tuottamassa ja missä vaiheessa mennään.”

”Tuotannollisten riskien tunnistuksessa analyyttinen tekoäly on tehokas. Kuitenkin henkilöihin liittyvä tuotantodatan analysointi kannattaa tuottaa raakainformaationa niin, että ihminen tekee varsinaisen analysoinnin. On mahdotonta tehdä täydellistä ennakoivaa analytiikkaa seuraavaan työvuoroon tulevan henkilökunnan sen hetkisestä tilasta, työmotivaatiosta ja heidän kyvystään hallita asiakastilausta”, Koskela toteaa.

Ingelligent Dashboard

Syväsukellus laitteen sisään

Dashboardiin kytkeytyvien sensoreiden kautta voi sukeltaa yksittäisten laiteiden sisään tarkkailemaan niiden toimintaa. Jos ruudulle ilmestyy varoituskolmio, järjestelmä on havainnut laitteessa virhetilanteen.

”Kyse on IoT-ratkaisusta eli esineiden internetistä. Hälytystilanteessa kyseinen laite voidaan ottaa tarkempaan näkymään ja tutkia sen tilaa. Samalla päästään käsiksi toimintoihin jotka liittyvät ihmisten toimintaan tehtaassa, esimerkiksi huoltojärjestelyihin. Jos laitteessa ilmenee vakavampi poikkeama, tilaus voidaan nopeasti siirtää toiselle tuotantolinjalle”

Tärkeintä ei kuitenkaan ole yksittäisen sensoreiden rooli, vaan se mitä mahdollisuuksia avautuu, kun kaikki data on mitattavaa.

”Veikkaan, että kovin moni yritys ei vielä pysty mittaamaan esimerkiksi hiilidioksidipäästöjen määrää per tilaus ja pysty kertomaan näin tarkkaa tietoa eteenpäin omassa arvoketjussaan vaikkapa asiakkailleen.

Yrityksen kilpailukyky nousee varmasti, jos asiakas saa vaikkapa tällaista tietoa: Tilauserä tuotti x tonnia hiilidioksidipäästöjä, käytimme siihen y määrän sähköä ja z litraa vettä jäähdytykseen, joka kierrätettiin takaisin luonnon kiertoon. B:n verran aiheutimme muita vaarallisten aineiden päästöjä. Raaka-aineiden uudelleenkäyttöprosentti oli noin x prosenttia. Tuotteessa on nn prosenttia kierrätettyä materiaalia.  

1 Fujitsun ratkaisu tuotantodatan analysointiin on Colmina-alusta (Collaborative Monozukuri Innovation Agent), joka yhdistää tuotteiden koko elinkaaren suunnittelusta tuotantoon ja kaikkiin valmistuksen eri vaiheisiin. Tehdasdatan visualisoinnin keskeinen elementti on Digital Twin eli fyysisen maailman digitaalinen kaksoisolento. Sen avulla voidaan suunnitteluvaiheen aikana analysoida ja mallintaa sekä tuotetta että tuotantoprosessia esimerkiksi 3D-tekniikan avulla. Digital twinin avulla tuotannon käynnistys nopeutuu huomattavasti ja uudet tuotteet saadaan markkinoille aiempaa vauhdikkaammin.

Colmina-alustan tiedot kerätään reaaliaikakantaan, josta ne visualisoidaan katseltavaan muotoon. Koska tehtaiden sisällä tuotantolinjat, tuotteet ja prosessit ovat hyvin erinäköiset, näkymäkin pystytään räätälöimään eri tarpeisiin ja eri käyttäjärooleille.

Monozukuri on japanilaiseen kulttuuriin liittyvä filosofia, eli kokoelma periaatteita miten tuotantoa tehdään erittäin voimakkaalla ihmiskeskeisellä, ihmisten kehittymiseen liittyvällä näkemyksellä. Monozukuri sisältää filosofian ja periaatteet tuotannon kehitykseen. Lue lisää: http://blog.global.fujitsu.com/monozukuri-thing-maker/

 ot

Lisätietoja
info@fi.fujitsu.com

Julkaistu Net-lehden numerossa 2017,  13.3.2018

Facebook  Twitter  Google  LinkedIn

Käytämme Net-sivustolla evästeitä, jotta pystymme parantamaan käyttökokemusta ja analysoimaan liikennettä. Pyydämme sinua perehtymään yksityisyydensuojakäytäntöömme, joka on saatavissa täältä.