2. lecke

Ipar 4.0-ás megoldások

2. lecke

Ipar 4.0-ás megoldások

Az Ipar 4.0 elnevezés a negyedik ipari forradalomra utal, amely az informatika és az automatizálás egyre szorosabb összefonódását, és ezen keresztül a gyártási módszerek, folyamatok alapvető megváltozását hozza el. Az Ipar 4.0 hatásait már most is tapasztalhatjuk:

  • az okos eszközök,
  • az okos gépek
  • és az okos otthonok világa is megérkezett.

A negyedik ipari forradalommal új lehetőséget kapunk arra, hogy életünket, munkánkat jobbá és hatékonyabbá tehessük, illetve még jobb szolgáltatásokat vehessünk igénybe. Tulajdonképpen nemcsak az ipar robbanásszerű fejlődéséről van szó, hanem a teljes gazdaság digitalizációjáról, amely az egész társadalmat átfogja.

Ez eddig a reklámszöveg, de a gyakorlati praktikumokra fordítva a szót, az Ipar 4.0 célja hatékonyabbá tenni a gyártást, azaz jelentősen megnövelni egy gyártó vállalat versenyképességét:

  • hatékonyabbá válnak a folyamatok, pl. megvalósul a termékkövetés a gyártás során;
  • az intelligens automata vagy félautomata rendszerekkel csökkenthető az emberi munkától való függőség;
  • csökken a selejtek száma;
  • nő a termékek minősége;
  • az alkalmazottak motiváltabbak lesznek, és nő a teljesítményük;
  • rövid távon is költséget lehet megtakarítani (pl. rezsi, karbantartás, alapanyag).
  • Összességében jelentősen megnövekedik a termelékenység!

Ennek egyik alapvető része a tervezési és gyártási folyamatok optimalizálása, melynek fő célja a veszteségek minimalizálása. Ebben elsőként az adatgyűjtés és adatelemzés egy eddig teljesen új szintre emelése a legfontosabb!

Egy Ipar 4.0 rendszer bevezetésekor SCADA (adatgyűjtő) rendszerekre épülő alkalmazások, szenzorok (pl. IoT) és optimalizációs modulok kerülnek bevezetésre. Ezek a termelésből objektív módon gyűjtött adatok elemzésén és feldolgozásán alapulnak, fejlett automatizáltságú intelligens termelésirányítási és döntéstámogató rendszerrel.

További részleteket az okosgyártásról itt talál….

Hogyan alkalmazható az Ipar 4.0 régi berendezésekkel?

Preszkriptív karbantartás

Az üzleti intelligencia a leíró (deszkriptív) diagrammokkal kezdődik, majd az előrejelző (prediktív) üzenetek a mesterséges intelligencia jelen szintjét képviselik, de a jövő egyértelműen az, hogy a BI meg is mondja, hogy mit kell csináljunk, ami már a mesterséges intelligencia preszkriptív szintjét jelenti.

Egy gépgyártó ügyfelünknél jelentős számú régebbi, még nem digitalizált gyártógépük van, de a tulajdonos-ügyvezető megbízott bennünket azzal, hogy ezekből is nyerjünk ki adatokat, amelyeket fel tud használni monitorozásra, preventív előrejelzésekre.

Ehhez a Dyntell felszerelt különböző szenzorokat a gépek motorjaira és mozgó alkatrészeire, amelyek ebben az esetben általában gyártási darabszámot, vibrációt és hőmérsékletet rögzítenek az adatbázisba. A szenzorokról jövő mintázatokat elemezve egyértelműen kimutatható bármilyen rendellenesség, mint például motor túlmelegedés, átlagostól eltérő vibráció, de még a dolgozói figyelmetlenség is.

Az adatok feldolgozását a BI-ban riasztásokkal is támogatjuk, amelyek a nap bármely pontjában képesek küldeni tájékoztató e-maileket, ha valamilyen határértéket túllépnek a gépek, de preventív előrejelzések segítségével ki lehet mutatni az időszakos karbantartás szükségességét is.

Nézzünk meg néhány példát jelenleg is aktívan üzemelő riasztásra, dashboardra (műszerfalra).

A motorokra felszerelt szenzorok energiaellátásért felelős elemek feszültségét monitorozzuk 0-24-ben, hogy még véletlenül se történhessen meg adatvesztés egy esetleg lemerült elem miatt. A beállított határérték mentén a BI rendszer vizsgálja, hogy mekkora a feszültsége az elemnek, és a határérték elérésekor e-mail értesítést küld az érintett dolgozónak.

Hasonlóan az előbbi riasztáshoz, határérték alapú vizsgálat mentén a motorok 3 tengelyű mozgását elemezzük. Van lehetőségünk a 3 tengelyt külön is vizsgálni, de ebben az esetben a tengelyek elmozdulási értéke egy saját indexet kapott, ami tartalmazza az összes irányba történő elmozdulást, erre állítottunk be riasztást. A megosztott adatok alapján a többszöri kritikus elmozdulásból következtetéseket lehet levonni, ilyen például, hogy közeleg egy szükséges karbantartás, de akár jelezhet helytelen használatot is.

A fenti dashboardon egy csarnokban működő 2 darab “okosított” gép adatait monitorozzuk egy időben. Bal oldalt felül láthatjuk a hőmérsékleti változásokat, alatta pedig a vibrálásokat tengelyenként és összesítve is. Jobb oldalon min, max hőmérsékletet jelenítettünk meg adott napra, valamint egy elem feszültséget (lásd első riasztásos példa).

Gyártás terv/tény összehasonlítások, eltérések vizsgálata

Az egyik fröccsöntő vállalat ügyfelünk a Jászságban már közel 10 éve használja a Dyntell BI-t, de a tulajdonos állítása szerint akkor nőtt meg drasztikusan a BI használhatósága, amikor a gyártásban egy félautomata lejelentő rendszerrel gyakorlatilag nullára csökkentettük az emberi hibázás lehetőségét. Ha helyesek a lejelentett adatok, akkor egyszerre ellenőrizhetővé válnak a műveletidő normák és alapanyag normák az egyes késztermékeknél, és gyakran egészen meglepő eltérések jönnek a több éve általánosan elfogadott értékekhez képest.

Ha a normák beálltak, akkor már nagyon könnyen és egyszerűen deríthetjük ki, melyik termékkel vagy éppen melyik aktuális gyártással, forrásjegyzékkel van esetleg probléma. A BI kiszámolja, hogy a legyártott késztermék mennyiségéhez forrásjegyzék alapján mennyi alapanyag szükséges, és ez hogyan alakult a valóságban.

Egy másik ügyfél igénye az volt, hogy érzetre több alapanyag fogy, mint késztermék elkészül, így ezt monitorozni akarta. Ehhez készítettük az alábbi táblázatot. Gyártásonként, alapanyagonként látjuk a kiadott mennyiséget és a forrásjegyzék alapján a késztermék alapanyag szükségletét. Pirossal vannak kiemelve azok a sorok, ahol többletkiadás keletkezett.

Az alábbi két BI nézeten különböző formában (pivot táblán és grafikonon) válnak elemezhetővé a tényadatok a tervadatokhoz képest.

A helyzetet csak bonyolítja, ha figyelembe vesszük a pénzügyi vonatkozásokat is. Gyakran látom ügyfeleknél, hogy a fontos vevőknek jóval hamarabb legyártják a megrendeléseiket, ezzel áll a termékekben a pénzük, vagyis alapanyag és munka. Ez még akkor is probléma, ha bőven van alapanyag a raktárban és bőven van kapacitás, hiszen ha gondosan tervezek, akkor nem kell felesleges erőforrásokat tartanom. A terv-tény ilyen szemléletű elemzése felnyitja a tulajdonos szemét és szinte automatikusan követi egy grafikus gyártástervező rendszer bevezetése, ami viszont csak akkor működik, ha a gyártás elég jól szervezett – de ez már a Cégvezetés 2.0 témaköre.

Gépkihasználtság figyelése

Gyártó cégeknél elengedhetetlen az optimális gyártási terv meghatározása mind humánerőforrás, mind gyártógépek oldaláról. Nagyon fontos, hogy folyamatosan lássuk, melyik gép üzemel, és melyik áll, illetve a későbbi elemzésekhez kulcsfontosságú, hogy lássuk a leállás okát (hiba, tervezett karbantartás, beállítás, stb.). Viszonylag egyszerűen kiépíthető egy olyan rendszer a gyártó gépekre, ami ezt folyamatosan monitorozza.

Az alábbi dashboardon a kapacitástervezési hatékonyság növelés volt a célja az ügyfélnek, ahol a bal oldalon egy gauge típusú nézetet láthatunk, amely egyszerűen mutatja gépenként a foglalt órákat a limitekhez képest. Laikusként is látható, hogy nem optimális a foglalás a gépeken. Preventív jelleggel ez is mutatja, hogy azok a gépek, amelyek maximum kihasználtság mellett dolgoznak valószínűleg hamarabb mennek majd tönkre. A jobb oldali diagramon ugyanezt az adatot látjuk egy más aspektusban. Itt:

  • időszaki,
  • heti,
  • napi,
  • gépcsoport,
  • gépi lefúrási szintek jelennek meg.

A tervező kollégák ezzel részletesen a mélyére tudnak ásni az adatoknak, ha épp erre van szükség.

Áramfogyasztás monitorozása egy fémöntödében

Egy olyan cégnél, ahol az éves áramfogyasztás 10 milliókban mérhető, nagyon fontos szerepe lehet az áramfogyasztás monitorozásának, a fogyasztási mintázatok felismerésének és az ettől való eltérés esetén a riasztásnak. Az alábbi ábrán például jól látható a heti ciklus az áramfogyasztásban.

Ha például a fogyasztás pillanatnyi értéke meghalad egy plafont (amit az energiabróker gondosan a szerződésünkbe ír), akár néhány óra alatt elbukhatjuk több hónapos áramköltségünket, hiszen itt már jelentősen növelt árral fogja a bróker számlázni a fogyasztásunkat.

Egy jobb BI képes arra, hogy a mintázatokat és a trendet figyelve még időben riassza az energetikust, hogy a fogyasztás várhatóan át fogja lépni a kritikus értéket, aki néhány fogyasztó lekapcsolásával meg tudja akadályozni, hogy a fogyasztás átüsse a plafont.

Üzemi dolgozók motivációja

Bár az automatizálás kulcsfontosságú, a gyártás teljes automatizációja gyakran szükségtelen, és a túlzott robotizálás nem feltétlenül növeli a termelékenységet, ráadásul nagyon drága. A mérvadó Bloomberg magazin szerzője, Rafaela Lindeberg szerint épp, hogy nem látható korreláció a termelékenység hatékonysága és a robotok száma között! Sőt, 20 évvel ezelőtt jelentősen nagyobb volt a produktivitás az USA gyáraiban, pedig a robotok száma időközben hétszeresére nőtt.

Egy magyar gyártó vállalatnál sokkal fontosabb a gyártásban résztvevő emberek motiválása, akik a tapasztalatom szerint sokszor a termelékenység növelésének kerékkötői.

Egy lakatos üzemben órákon át lehet sietősen sétálgatni egy vasdarabbal, egyik üzemből a másikba, és mindenki azt hiszi, hogy keményen dolgozunk. Ráadásul a lustaság ragályos, mert ha a kolléga ezért a teljesítményéért ugyanannyi pénzt kap, mint én, akkor miért erőltessem én magam? De a nem “lógós” dolgozók is az idejük nagy részét az alapanyag vagy félkésztermék keresésével, gépbeállító, műszakvezető keresésével töltik.

Egy 3 műszakban dolgozó ügyfelünknél egy megbízható vizsgálat kimutatta, hogy az éjszakai műszakban a dolgozók átlagosan a munkaidejük felénél is kevesebb termelő munkát végeznek. Ezért persze a teljes bérüket kell kifizetni + éjszakai pótlékot! De nappal se jobb a helyzet: egy dunántúli vállalatnál a CNC gépek működési idejéhez kötötték a dolgozók munkabérét. A forgácsoló reggel bement, bekapcsolta a gépet, az orsó forgott, és a rendszer észlelte, hogy elkezdett dolgozni, majd kiment az ebédlőbe és megreggelizett, megbeszélte a tegnapi meccs eredményét a kollégákkal. És ez csak két példa volt, de tudjuk, hogy a rendszer sokféleképpen kijátszható, amin a megfelelő méréssel és motiválással tudunk segíteni.

A dolgozók motivációjának az egyik módja, hogy meghatározzuk, hogy hol vannak, mit csinálnak, ez alapján visszakövetkeztetünk, hogy mennyit dolgoztak, majd ezeket figyelembe véve kapják a bérüket – ezt mi “Big Brother” módszernek nevezzük.

A másik lehetséges megoldás a csoportos prémiumrendszer kialakítása, ami nehezebben kiépíthető, de hosszabb távon is tartható motivációt tud biztosítani.

Dolgozók megfigyelése – “Big Brother”

A valós idejű beltéri helymeghatározás segítségével pontosan nyomon lehet követni:

  • a dolgozók,
  • a targoncák,
  • egyéb járművek,
  • az operátorok,
  • a gyártóládák,
  • illetve termékek pontos helyzetét.

A gyűjtött adatok segítségével egy elemzés után optimalizálhatjuk azok mozgását, és azonosíthatjuk munkafolyamataink szűk keresztmetszetét.

Az épületen belüli nyomon követésre a Dyntell által javasolt módszer a rádiófrekvenciás helymeghatározás. Ennél a rendszernél egy jeladó adott időközönként kisugározza magából az egyedi azonosítóját, amit az egymástól 20-30 méterre rögzített vevők érzékelnek. Az érzékelőkbe érkező jelek időeltérése és információtartalma a szerverbe jut, ahol azok tárolásra kerülnek. Ennek eredményeként lehet megadni az adott jeladó pontos koordinátáit 2 dimenzióban (vagy opcionálisan 3 dimenzióban).

A rádiófrekvencián alapuló helymeghatározó rendszer segítségével megbízhatóan és nagy pontossággal ~0,5m belül meghatározható a pozíció. A rendszer ideális időbeli felbontása 30 másodperc. Ha nem szükséges ilyen pontosság, akkor más technológiák is alkalmazhatók, illetve ha nagyobb a hibatűrés, akkor akár a már meglévő kamerarendszer élőképének feldolgozásával is nyerhetünk ki digitalizált adatokat az üzemi dolgozók viselkedéséről.

A valós idejű beltéri helymeghatározás segít tárgyak, emberek, járművek épületen belüli helyzetének a meghatározásában. A lokalizálni kívánt személyt, tárgyat, eszközt vezeték nélküli jeladókkal látjuk el, amelyek jeleit a fixen kihelyezett vevőegységek érzékelik.

A rendszer járulékos előnyei

Logisztika

A teljes targonca flotta mozgását lehet mérni és elemezni, melyből vezetői információk gyűjthetők a járművek kihasználtságára vonatkozóan. Akár gyorsasági vagy gyorsulási határérték átlépése is ellenőrizhető. Egy új feladat kiosztásakor figyelembe vehető, hogy mely jármű van a legközelebb, így az útvonalak optimalizálásával költségcsökkentés érhető el.

Gyártás

A megoldás követhetővé teszi a gyártási folyamat legtöbb részletét. Láthatóvá válhat például, hogy melyik termék éppen hol található, vagy mely munkafázisnál tart. Ebből kikövetkeztethető a készre jelentés várható időpontja, így hatékonyabban szervezhető nemcsak a kiszállítás, de a gyártásütemezés is. Ennek köszönhetően órára pontosan ígérhetjük meg a külső/belső megrendelőknek, hogy a megrendelésük mikor lesz kész.

Munkavédelem

A rendszer beállítható úgy, hogy ha a jeladót viselő egy bizonyos távolságnál közelebb kerül egy munkagéphez, akkor annak vezetője vészjelzést kap. Kritikus technológiáknál (pl. extrém hőterhelés, egyéb károsanyag kibocsátás) a rendszer segítségével pontosan követhető a dolgozók tartózkodási helye, ezek alapján figyelmeztetni lehet őket. Raktárban, gyártó csarnokokban kiegészítő védelemként funkcionálhat a targonca-targonca balesetek megelőzésében, a kritikus közelség előrejelzése révén.

Az alábbi dashboardon egy beltéri nyomon követést használó ügyfelünk különböző szempontok alapján megjelenített adatai láthatók a munkahely gépeinek kihasználtságára vonatkozóan, így monitorozható a zónák kihasználtsága, és ebből kifolyólag a munkavállaló aktív munkavégzéssel töltött ideje is. A helymeghatározás alapján tudjuk, hogy az adott dolgozó éppen hol tartózkodik, és az ERP adataiból látszik, éppen hol “kellene tartózkodnia”. A két adat összevetéséből viszonylag objektív kép kapható arról az időről, amit a dolgozó valóban a termeléssel tölt.

Mindemellett kimutatható akár az is, hogy adott dolgozó mennyi időt tartózkodott az udvaron, a szociális helyiségekben és az üzemben. A dashboard segítségével dolgozónként, napi és összesített formában is lehetőség van az eredményesség vizsgálatára.

Csoportos teljesítménybér rendszer

A motiváció szent grálja szerintem az, amikor a vezetés hajlandó abból a profitból visszaosztani a dolgozóknak, amit ők megtermeltek. A nagy kérdés mindig az, hogy ki hogyan járul hozzá a profithoz, és mi legyen a visszaosztás alapja. Ennek a kialakítását nevezzük mi csoportos teljesítménybér rendszernek, ami nemcsak a gyártóüzemi dolgozókra alakítható ki, hanem kiterjeszthető:

  • üzletkötőkre,
  • a tervezésen dolgozókra,
  • sőt a beszerzőkre is,

viszont a rendszer kialakítása mindig elmélyült munkát igényel a kontrolling szakértőinkkel együttműködésben.

Egy jól kialakított csoportos teljesítménybér rendszerben a szorgalmas dolgozók noszogatni fogják a lustákat, reklamálni fognak, ha nincsenek elég hatékony eszközeik, és előbb-utóbb kialakul magától az optimális termelékenység. Ehhez nagyon fontos a teljesítmény-adatok folyamatos vizualizációja, amire szintén a BI lehet a leghatékonyabb eszköz.

Az alábbi ábrán egy üzemi monitorra tervezett grafikon látható, ahol 3 skála segítségével mérik a dolgozók teljesítményét.

A fenti dashboard szintén egy gyártóüzemben, a dolgozók számára is látható monitorra készült. Segítségével egy brigád figyelemmel tudja kísérni az aktuális havi teljesítményét, ami – a számok alapján – kiszámítható módon, a hó végi prémiummal fog a zsebükben landolni.

Egy fémipari ügyfelünknél a premizálási rendszer is Excelekben történt 12 csapatnak a gyártásban. Mindegyiknek volt egy-egy Excel táblázata, amihez minden hónapban az ERP rendszerből kellett kivadászni a hozzá tartozó adatokat, plusz ebben voltak képletek is, amik alapján ha beírták minden hónapban az adatokat, akkor megvolt a havi premizálási kimutatás.

Nagyon sok szempontot figyelt, ezért nagyon macerás volt a használata. Egy ember – akinek egyébként voltak még egyéb teendői is a cégben – egész hónapban ezekkel a kimutatásokkal foglalkozott. Ezt váltottuk ki a BI-al. A matematikai képleteket – amik alapján már korábban is számoltak bizonyos mutatókat – bevittük számított mezőkbe, amelyek egy része egyből az ERP-ből jött, így már nem csak hó végén lett meg az összkép, hanem akármelyik nap jól lehetett látni a részeredményeket is, mivel valós adatokkal számolt mindent.

Ez lehetővé tette a beavatkozást is: ha valami például nagyon rossznak bizonyul már mondjuk egy-két hét után az adott hónapban, nem kell várni egy hónapot, hogy kiderüljön az adott probléma. Ezek az adatok később az üzemi monitorokon is megjelentek, így folyamatosan látta minden csapat, hogy éppen pirosban, sárgában vagy már a zöldben jár.

Gyártócella automatizálás

Az alábbi videón egy pneumatikus rendszereket gyártó ügyfelünk gyártócella automatizálási projektjét mutatjuk be:

Összefoglaló

Amint a fenti példákból is láthatod, az Ipar 4.0 nemcsak Németországban és Japánban, innen nagyon messze lévő high-tech gyárakban lévő csillagháborús technikát jelent, hanem akár holnaptól egy kis- és középvállalkozás üzemében is megvalósítható dolgokat. Az Ipar 4.0 ugyanis digitalizációs forradalmat jelent, hogy az eddig különálló, önmagukban működő gépeket felszereljük szenzorokkal, majd a szenzorokból jövő adatokat feldolgozzuk üzleti intelligencia rendszerrel, a termelékenység növelésének lehetőségeit keresve. Mert a végén minden a számokról, nagyon sok pénz megtakarításáról, és nem elpazarlásáról szól.

A következő leckében is nagyon sok pénz megtakarításáról lesz szó, hiszen hol is tudna rengeteg pénz elfolyni, ha nem figyelünk oda: a készletgazdálkodásban! Megmutatom, hogy a mesterséges intelligencia hogyan tud éves szinten 100 milliót megtakarítani már egy 1,5 milliárdos forgalmú cégben is.