Stomme hydrauliek of stomme software?
Angelo Hulshout heeft een ambitieus plan om fabrieken efficiënter te maken met behulp van Smart Industry-technologieën als het internet of things, cloud en machine learning. In Mechatronica&Machinebouw rapporteert hij over de voortgang van zijn inspanningen.
Het gaat best lekker met ons – we praten met verschillende (potentiële) klanten en bij elke klant leren we wederzijds nieuwe dingen. Afgelopen maand hadden we zo’n mooie leerervaring, waarbij wij iets leerden over hydrauliek en de klant iets over digitalisering in productie.
Het is bij metaalbedrijven redelijk normaal om enkel een erp-systeem te hebben, en geen mes-systeem. Zeker bij jobshops, waar kleine maatwerkopdrachten binnenkomen, is dit een gebruikelijk verschijnsel. Veel werk wordt welliswaar door machines gedaan, maar altijd onder begeleiding van een productiemedewerker. De taken van een mes-systeem, het plannen en coördineren van productieopdrachten in de fabriek, is dan mensenwerk: werkbonnen en instructies worden van medewerker naar medewerker doorgegeven samen met het onderhanden werk. De globale planning, van binnenkomst van de order tot de einddatum, kan prima in het erp-systeem – start- en einddatum van productie worden dan gewoon gelijk aan order- en leverdatum, heel zwartwit gesteld.
Lastige dataverzameling
Vanuit ons gedachtegoed – data uit de fabriek gebruiken om het proces te verbeteren – heeft dit nogal wat gevolgen. Allerlei logging die een mes-systeem verzamelt (starttijd op een station, aantal stuks geproduceerd, doorlooptijd) moet dan uit andere bronnen worden gehaald. Gegevens uit het kloksysteem van de medewerkers, de werkbonnen en het erp-systeem moeten worden samengevoegd om iets te leren over waar mogelijke bottlenecks in productie zitten.
Het lesje hydrauliek dat we vervolgens kregen, maakte extra duidelijk waar het verzamelen van de data lastig wordt. We weten ongetwijfeld allemaal dat machines instellen in een productieomgeving tijd kost. Het gaat dan over de tijd die nodig is om een systeem mechanisch om te zetten van het ene product naar het andere. Dus gereedschappen vervangen, afstanden, hoeken en krachten anders instellen – afhankelijk van het soort machine. Dat is handwerk, en in sommige gevallen handwerk dat niet in één keer goed wordt gedaan, wat tijdens de productieruns nog tijd kost.
Prima, want zo werkt het nu eenmaal, maar hoe ga je nu bepalen hoeveel tijd hierin gaat zitten tijdens een productieweek? De medewerkers die de omstellingen doen, gaan niet vrijwillig voor en na elke handeling op een knop drukken om de tijd te meten. Op elke bout en elke klem een sensor aanbrengen om te meten hoe lang en wanneer eraan wordt gedraaid, is ook geen optie. Maar we willen wel weten hoeveel tijd er wordt besteed aan welke instellingen, om van daaruit te bekijken wat eraan te doen is. Niet voor het eerst zagen we dat een stuk mechanica neerzetten geen nieuw kunstje is, maar dat het minder triviaal is er data uit te halen – stomweg omdat een hydraulische machine vaak niet door een computer wordt bestuurd.
RFID-toegangsbeveiliging nu nog makkelijker
Voor Identification and Access Management (I.A.M.) heeft Pilz het bedrijfsmoduskeuze- en toegangsautorisatiesysteem PITmode. Voor een onderdeel van dit systeem, de PITreader, heeft Pilz een RFID-transponder in kaart- en stickerformaat ontwikkeld. Alle varianten zijn vrij beschrijfbaar en rechten kunnen vastgelegd worden door gebruik te maken van de eenvoudig passende softwaretools.
Juiste sensoren
Gelukkig is een van onze diensten het opzetten en uitlezen van niet-intrusieve sensornetwerken. We kunnen sensoren aanbrengen zonder de werking van een fabriek of een machine aan te passen. De data die we daaruit krijgen, kunnen we dan gebruiken als vervanging van wat het ontbrekende mes-systeem en de productiemedewerker ons niet kunnen vertellen.
Mits we de juiste sensoren hebben. Een telschakelaar of een weegschaal kan bijvoorbeeld helpen in de productie van kleine producten die op relatief grote schaal handmatig worden gemaakt. Ook voor het meten van insteltijden vinden we wel een passende sensor. Het eerste idee was een camera, maar dat is wellicht niet voldoende – en vraagt ook nog om handmatige controle van alle beelden of het toevoegen van een stuk vision-software (beeldherkenning en interpretatie) gekoppeld aan kennis van de betreffende machines.
Een mooie uitdaging, die we gaan invullen – vooruitgang voor ons, vooruitgang voor de klant en we hebben nog voor we zijn begonnen aan het project al iets van elkaar geleerd: geen mes betekent minder direct beschikbare data, en geen elektronica in de machines betekent een wat lastiger traject om die data te verzamelen. Dat gaan we oplossen, om weer een stapje voorwaarts te maken.
