Robots kunnen helpen bij het verzamelen van
data om de kwaliteit te verbeteren en stilstand te verminderen
Gegevens zijn een centraal element geworden in de
voortdurende drive om de productiekwaliteit en efficiëntie te verhogen. Een plek
waar deze verzameling kan plaatsvinden, is bij de robots. Maar al te vaak zien
fabrieksmanagers niet het potentieel van robots om nuttige informatie te
verzamelen, terwijl ze helpen bij het automatiseren van operaties.
Waarom focussen op robots?
Robots worden sneller ingezet naarmate de voordelen van
automatisering toenemen. Dalende kosten, verbeterde prestaties en eenvoudigere
programmering maken robots aantrekkelijker. Wanneer productieteams deze
machines inzetten, is het vrij eenvoudig om de gegevensverzameling te
verbeteren en test- en inspectiestations toe te voegen.
De meest elementaire gegevensverzameling komt van de
robot zelf. Het kan de productie van onderdelen en het voorraadverbruik volgen
en systemen vertellen hoeveel elementen er in een bepaalde periode zijn
gebruikt. Deze informatie wordt al geleverd met tijdstempels, dus het is
eenvoudig om informatie op te slaan over wanneer elk onderdeel is afgehandeld. Deze
eigenschap is vooral belangrijk in gereguleerde omgevingen, waar gemakkelijke
toegang tot historische gegevens een belangrijke factor kan zijn wanneer
producten moeten worden teruggeroepen.
De hulpapparatuur die met robots wordt gebruikt, kan ook
een schat aan gegevens opleveren. Visuele sensoren, grijpers en andere
uitrusting hebben allemaal de potentie om wat aanvullende gegevens te
verstrekken.
Een structuur voor succes bij het verzamelen
van data
Het is vaak vrij eenvoudig om inspectiestations toe te
voegen aan robotwerkcellen. Camera's die worden gebruikt om robotbewegingen te
begeleiden, kunnen ook worden gebruikt om componenten te onderzoeken. De
aanwezigheid van belangrijke componenten en metingen zijn enkele van de meest
voorkomende soorten controles. Deze visuele inspecties kunnen vaak worden
uitgevoerd terwijl onderdelen worden verplaatst of gemanipuleerd om hoge
werksnelheden te behouden.
Daarnaast kunnen eenvoudig sensoren worden toegevoegd om
andere parameters te controleren. Wanneer deze inspectiestations in werkcellen
worden geïnstalleerd, kunnen kwaliteitscontroles worden verhoogd met een
minimale impact op de doorvoer. Extra monitoring kan grote verbeteringen
opleveren. Het is ook gemakkelijker trends te herkennen wanneer er meer
onderdelen worden gecontroleerd, zodat er wijzigingen kunnen worden aangebracht
voordat defecte onderdelen worden gemaakt.
Deze kwaliteitscontroles kunnen ook helpen bij het
oplossen van problemen met klanten. Een bedrijf dat bijvoorbeeld het bewijs
heeft dat onderdelen aan de vereisten voldeden toen ze de faciliteit verlieten,
kan gemakkelijk een geschil oplossen waarbij de transporteur goederen heeft
beschadigd.
Deze verbeteringen zijn afkomstig van het realtime
analyseren van gegevenspunten. Maar grote voordelen zijn er wanneer grote
hoeveelheden verzamelde informatie worden gewonnen. Met datamining kunnen
operators en onderhoudstechnici gedurende lange perioden naar veel
verschillende parameters kijken.
Wanneer zich steeds terugkerende problemen met
productieapparatuur voordoen, kunnen archiefgegevens worden onderzocht, zodat
analisten kunnen begrijpen wat er is gebeurd voordat er een fout optrad. Deze
informatie kan worden gebruikt om toekomstige storingen te voorkomen. Wanneer in
de parameters fouten voor dat een storing plaatsvind worden opgemerkt, kan
onderhoud worden uitgevoerd voordat een storing een ongeplande uitschakeling
veroorzaakt, waardoor de algehele efficiëntie van de installatie wordt
verbeterd.
Trends in het beheer van deze gegevens
Momenteel zal veel van deze analyse gebaseerd zijn op de
kennis van ingenieurs, technici en zelfs leveranciers van apparatuur. Maar in
de nabije toekomst is het waarschijnlijk dat deep learning-systemen de enorme
hoeveelheden verzamelde gegevens zullen analyseren. Er kan een vorm van
kunstmatige intelligentie nodig zijn wanneer bedrijven apparatuur willen
analyseren die in fabrieken in veel verschillende wereldwijde faciliteiten
wordt gebruikt. Het omzetten van de gegevens van veel krachtige machines in
bruikbare gegevens valt mogelijk buiten het analytische bereik van de meeste
mensen. Het kan echter even duren voordat conservatieve productiebedrijven
vertrouwen op machine learning-systemen.
Hoewel dat een probleem op lange termijn is, is de vraag
waar al deze gegevens moeten worden opgeslagen vandaag een belangrijke
beslissing. Vaak kan een opslaghiërarchie een effectieve oplossing zijn.
Basisgegevens kunnen worden opgeslagen in de controller van de robot. Wanneer
die beperkte capaciteit wordt overschreden, kunnen oudere gegevens worden
verplaatst naar het productie-uitvoeringssysteem (MES) van het bedrijf. Daar
kunnen grote hoeveelheden gegevens worden opgeslagen voor bedrijfsrecensie. Bij
overschrijding van lokale opslagcapaciteiten wenden bedrijven zich over het
algemeen tot de cloud. Deze datacenters slaan zoveel data op als het bedrijf
wil betalen. Cloudservices zijn vooral belangrijk voor bedrijven die gegevens
van verschillende faciliteiten willen opslaan.
Hoewel het lijkt alsof het toevoegen van robots en
inspectiestations een grote investering is, leggen veel experts uit dat de
voordelen van het installeren van meer kwaliteitsinspecties vaak opwegen tegen
de kosten. Als een leverancier defecte onderdelen naar een grote klant stuurt,
kan die klant 100% inspectie van die producten eisen totdat het
kwaliteitsniveau weer normaal is. De kosten van een paar camera's en sensoren
liggen ver onder de kosten van een terugroepactie en het haastig toevoegen van
inspectie maatregelen als reactie op een klantprobleem.
Bedrijven die robots hebben geïnstalleerd, zullen er
misschien versteld van staan hoe effectief het kan zijn om sensoren toe te
voegen en meer inspecties uit te voeren. Degenen die deze stap nog niet hebben gezet,
zijn vaak verheugd te vernemen dat er meer voordelen kunnen zijn met
robotsystemen, die verder gaan dan de automatiseringssnelheid en
-nauwkeurigheid die vaak de belangrijkste reden zijn voor veel installaties.
Wanneer robots samen met de juiste sensoren in productieprocessen worden
geïntegreerd, hebben gebruikers de mogelijkheid om veel meer gegevens te
verzamelen, waardoor hun productieprocessen aanzienlijk worden verbeterd.
