Productie verbeteren met data-analyse

Tijdens het Productie Proces Automatisering (PPA) event in Nijkerk verzorgde Wonderware Benelux een presentatie over de mogelijkheden die de moderne industriële automatiseringssoftware biedt. Aan de hand van een ‘proof of concept’ bij een klant werd aangetoond dat data-analyse industriële processen kan verbeteren – en geld oplevert.

In deze case ging het om de Intelligence software van Wonderware voor het analyseren van data. Deze module maakt het mogelijk om verschillende databronnen aan elkaar te relateren, context toe te voegen en visualisaties te maken. De data kan uit Wonderware databronnen maar ook uit externe bronnen afkomstig zijn. Vaak zijn bedrijven bij de introductie van nieuwe software of technologie geïnteresseerd maar ook sceptisch. Een klant moet aantoonbaar meer kunnen produceren of kosten kunnen besparen aleer hij investeert in de software.

Proof of concept

Dergelijke technologie in het bedrijf inbedden en daar mensen voor vrijmaken, is een langdurig en ingrijpend proces. Ook zijn er overheidsinvloeden die de beschikbaarheid van grondstoffen en de eisen aan eindproducten kunnen beïnvloeden. Data-analyse vereist een andere manier van denken over de data.

De aanleiding om dit proeftraject in te gaan was niet ongewoon: de klant heeft een probleem waar hij niet goed raad mee weet. Er ligt een berg aan data, maar niemand weet precies wat er mee te doen en waar te beginnen. Er kunnen meerdere redenen zijn voor het verzamelen van veel data. Wet- en regelgeving kan het bijvoorbeeld noodzakelijk maken: voor tracking & tracing, (voedsel)veiligheid, milieuwetgeving en dergelijke. Onvoldoende inzicht in het proces kan ook een reden zijn. De temperatuur of luchtvochtigheid kan belangrijk zijn bij verwerking van natuurlijke producten, zoals bij deze klant.

De testfase

De klant had niet de kennis en personele capaciteit om goed gebruik te maken van de aanwezige data en software. Een consultant van Wonderware heeft meegelopen op de werkvloer en veel met operators, onderhoudstechnici, kwaliteits-engineers, procestechnologen en managers gesproken. Als bekend is waar zij mogelijkheden voor verbetering zien, ga je kijken welke data daarvoor nodig is en óf en waar die beschikbaar is.

De kunst is vooral om relaties tussen databronnen te leggen. Aan de ene kant was er een MES-applicatie waarin was vastgelegd welke orders waren uitgevoerd. Hierin waren ook de specificatiebladen en de monsters van het vochtgehalte tijdens het productie opgenomen. Aan de andere kant werd gebruik gemaakt van een Historian waarin tijdgerelateerde data zijn opgenomen.

De geheel verschillende data uit verschillende bronnen moeten worden gecombineerd. Op basis daarvan wordt een datamodel bepaald dat vervolgens wordt opgebouwd in de Intelligence software. De software rekent vervolgens de data aan de hand van allerlei algoritmen door. Dat resulteert in een dataset waaruit vanuit meerdere perspectieven informatie is op te vragen. Met de data uit de dataset kunnen allerlei visualisaties worden gemaakt, waaruit de juiste conclusies kunnen worden getrokken.

Advertisment ad adsense adlogger