Défis de la fabrication automobile et solutions IoT

Résoudre les problèmes complexes de fabrication automobile avec l'IIoT

La fabrication automobile doit rester agile pour satisfaire les exigences d'un marché dynamique. Les défis opérationnels continueront d'abonder dans un environnement complexe et concurrentiel à l'échelle mondiale et les usines qui prennent en charge plusieurs modèles automobiles avec des fonctionnalités optionnelles personnalisées nécessiteront un flux de travail agile.

Cela signifie que les processus de production deviendront moins linéaires et plus modulaires. Les machines fixes à usage unique doivent désormais avoir une flexibilité de tâches pour différents travaux par lots dans l'environnement de production et les délais d'exécution pour l'installation et le démontage seront limités et rapides. De plus, les robots collaboratifs doivent être suffisamment intelligents pour interagir en toute sécurité avec les humains à différentes étapes de la production, et les situations d'arrêt de production, où l'équipement doit être réparé de manière inattendue, peuvent avoir un effet négatif sur l'efficacité de la production de toute une usine.

Les constructeurs automobiles se tournent vers l'IdO industriel, parmi d'autres solutions de l'industrie 4.0, pour résoudre ces problèmes complexes.

IdO et jumeaux numériques

Le déploiement d'une stratégie IoT automobile dans le but d'accroître l'efficacité de l'automatisation des usines doit être abordé de manière holistique. Il doit être considéré dans le contexte de l'infrastructure existante, des ressources humaines, de la qualité, des améliorations de processus et de la prise de décision opérationnelle. Une approche ciblée peut être adoptée pour les domaines de fabrication qui nécessitent le plus d'améliorations de l'efficacité. Afin de concevoir correctement un système IoT pour la fabrication automobile, nous devons d'abord commencer par la fin en tête en répondant à deux questions fondamentales. Tout d'abord, quel problème ou réponse doit être résolu ? Deuxièmement, de quel(s) prédicteur(s) avons-nous besoin pour le résoudre ? Cela pilotera l'architecture de conception de haut en bas.

L'intégration d'un système IoT peut être introduite en couches selon les besoins des initiatives de retour sur investissement. Cependant, une conception complète au départ permettra de découvrir le matériel de capteur, les logiciels et les modèles analytiques nécessaires pour maximiser la productivité. Les preuves du tableau de bord des analyses d'usine peuvent mettre en évidence les écarts entre l'exécution et un modèle d'usine idéal.

Au niveau de la machine, un jumeau numérique d'actif englobe des données d'ingénierie détaillées pour simuler la fonction d'un actif d'équipement. À partir de cette simulation, une analyse peut être effectuée pour extraire un aperçu du comportement dans le monde réel. Sa capacité peut fournir des données de performance dans de nombreux contextes d'exploitation au sein de leur propre environnement de fabrication. L'un des meilleurs exemples de cas d'utilisation d'un jumeau numérique d'actif est lorsqu'il est utilisé pour collecter des données de fiabilité afin de mieux comprendre les défaillances potentielles afin qu'elles puissent être prévues et gérées de manière prévisible.

La réplication numérique d'une usine automobile entière peut identifier les domaines d'amélioration pour montrer les performances optimales idéales de nombreux systèmes complexes. L'ensemble du processus peut être pris en charge par une simulation de jumeau numérique d'entreprise qui peut être comparée en temps quasi réel aux résultats mesurés. Non seulement les données de cette simulation fourniront des informations sur l'efficacité logistique, mais l'optimisation de la machine grâce à des adaptations flexibles peut être surveillée pour un réglage fin de l'opération.

Qualité automobile

La qualité de fabrication au sein de l'industrie automobile est inégalée. Cela ne peut pas être une réflexion après coup, mais la qualité doit plutôt être inhérente à l'architecture de conception de la production automobile. Avec une exigence de taux de défauts ultra-faible, où 1 ppm peut être amélioré, la qualité tout au long du processus de fabrication est primordiale. Cela entraîne non seulement la qualité des matériaux entrants, mais aussi l'optimisation des machines et des processus lors de l'assemblage. En surveillant l'activité des performances de la machine au sein d'une infrastructure IoT, des améliorations de processus en temps réel peuvent être réalisées avec des flux de travail qui fournissent des informations pour des améliorations de qualité exploitables. Cela, à son tour, générera des produits de meilleure qualité sur toute la plate-forme de fabrication.

Insights décisionnels

Les constructeurs automobiles peuvent avoir du mal à trouver des talents qualifiés pour prendre en charge des machines de plus en plus complexes. La maintenance ne peut plus être basée sur un modèle run-to-break, mais plutôt sur une optimisation continue. Bien que les programmes d'apprentissage en maintenance soient étendus, les capteurs en réseau sur les machines peuvent prévoir leur propre maintenance et proposer des solutions pour des améliorations opérationnelles. La maintenance prédictive et l'optimisation prescriptive prospective peuvent être ciblées avec des modèles analytiques qui comparent l'activité réelle à la simulation numérique. Une stratégie réactive à ce qui s'est passé lors du quart de travail de la veille ne peut plus être optimale. Les décisions proactives d'un déploiement IoT pour améliorer l'activité de demain seront guidées par une infrastructure qui génère des informations pertinentes à partir des machines et des données opérationnelles.

Sans fil pour les anciens équipements

L'automatisation pratique au sein d'une usine doit générer un retour sur investissement significatif qui a un sens commercial pour l'entreprise. Pour les équipements existants, une nouvelle mise en œuvre de l'IdO n'est pas toujours la meilleure ligne de conduite dans tous les domaines de l'entreprise. L'objectif de l'IdO doit être de parvenir à une meilleure façon de travailler, pas simplement de déployer de nouveaux systèmes d'entreprise. Cependant, l'équipement automobile existant n'a pas besoin d'être un obstacle au déploiement d'une nouvelle stratégie IoT. Les infrastructures sans fil des nouveaux équipements peuvent désormais être superposées aux systèmes d'entreprise existants sans perturber les systèmes de communication filaires robustes. Une interaction transparente entre l'ancien et le nouveau peut être obtenue avec le matériel IoT et la stratégie de mise en réseau appropriés.

Solutions IdO pour la fabrication automobile

Une stratégie IoT automobile nécessitera une plate-forme qui tire parti de l'expertise déjà présente dans l'usine. Les employés ayant des connaissances pratiques savent déjà à quoi ressemblent les mauvaises performances de la machine lorsqu'ils les voient. Les informations d'une solution IoT doivent s'étendre sur cette expérience pour que le personnel utilise cette équipe d'experts pour extraire les meilleures informations. La plate-forme IoT industrielle MachineMetrics intègre des outils d'analyse qui transforment les données brutes des capteurs de machines avec des modèles analytiques de séries chronologiques. Ces connaissances peuvent être digérées pour transformer ces informations en systèmes pilotés par des données, et pas seulement par des personnes qui ont fait l'expérience de la première personne.

Les tableaux de bord MachineMetrics sont intuitifs pour le placement de type glisser-déposer dans l'environnement. La formation établit des liens logiques avec ce qui a déjà été expérimenté sur le plancher de production. Les déclencheurs d'alerte à la direction, aux superviseurs d'étage et aux ouvriers d'usine permettent de prendre des décisions dans toute la hiérarchie organisationnelle. Les algorithmes du modèle de données sont en outre entraînés avec de nouvelles entrées pour converger plus rapidement vers des solutions à l'avenir. Les modèles de données peuvent devenir les experts de l'opération à mesure que des informations supplémentaires sont acquises sur les comportements du monde réel. MachineMetrics intègre une plate-forme IoT industrielle complète pour la surveillance des machines, la surveillance de l'état, la maintenance prédictive et l'optimisation des processus pour des informations exploitables dans la fabrication automobile.

Découvrez comment MachineMetrics aide les constructeurs automobiles à exploiter les données des machines pour prendre de meilleures décisions plus rapidement en temps réel.