Niektóre stanowiska nie dają żadnego sygnału z maszyny, na przykład montaż ręczny czy pakowanie. Tam kamery AI rozpoznają i liczą produkcję, więc te stanowiska też mają liczniki i OEE.
To, która opcja pasuje do każdej maszyny, połączenie z PLC, urządzenie IoT czy kamera, jest uzgadniane z zespołem Fabrico przed instalacją. Jeden zakład może łączyć wszystkie trzy.
Produkcja i cykle. Kamera liczy części i wykrywa cykle tam, gdzie nie ma sygnału z maszyny.
Przestoje i mikroprzestoje. Kamery wykrywają, kiedy linia stoi, także gdy jest włączona, ale nic nie produkuje, oraz krótkie postoje, których nikt nie zapisuje.
Prędkość. Analizując wizualnie wzorce cykli, kamery sprawdzają, czy produkcja idzie z właściwą prędkością.
Moment przestoju. Nagrania są zsynchronizowane z danymi maszyny i osią czasu, więc można przybliżyć dokładny moment zatrzymania linii i sprawdzić przyczynę.
Kamery umieszczone nad liniami produkcyjnymi stale rejestrują i synchronizują nagrania z danymi maszyn i osi czasu. W przypadku wystąpienia nietypowego zdarzenia użytkownicy mogą natychmiast powiększyć obraz w danym momencie, aby przeanalizować i zweryfikować przyczynę.
Wyszkolone modele sztucznej inteligencji wspomagają proces, sugerując prawdopodobne przyczyny przestojów w oparciu o wyuczone wzorce zachowań, przekształcając surowy materiał filmowy w praktyczne informacje o procesie.
Fabrico instaluje jedną lub więcej kamer klasy przemysłowej na każdej linii produkcyjnej, skonfigurowanych tak, aby obejmowały kluczowe obszary procesu. Wykorzystując historyczne dane wejściowe od maszyn i operatorów, model uczenia maszynowego systemu uczy się rozpoznawać powtarzające się przyczyny przestojów, takie jak brak materiału, zacięcie lub uszkodzona część.
Po fazie uczenia model klasyfikuje przyszłe zdarzenia i uzupełnia luki w danych, dzięki czemu rejestr przestojów jest coraz pełniejszy w miarę, jak model się uczy.
Integrując dowody wizualne z analizą OEE, Fabrico pokazuje producentom przestoje i straty w procesach w podziale na przyczyny. Kaizen i inne działania ciągłego doskonalenia otrzymują w ten sposób dane potrzebne do analizy przyczyn źródłowych: nagranie postoju obok danych maszyny i przyczyny wskazanej przez operatora.
Rezultatem jest obiektywny, oparty na danych fundament ciągłego doskonalenia.
Liczniki z kamer trafiają na tę samą oś czasu co dane z PLC i czujników. Wszystkie źródła zasilają to samo wyliczenie OEE, więc linie podłączone na różne sposoby można porównać obok siebie.
Fabrico łączy dane z wizji z aktywnością operatorów, zleceniami pracy i stanami maszyn. Gdy linia stanie, nagranie, dane maszyny i przyczyna podana przez operatora są w jednym miejscu.
Zobacz, jak oprogramowanie OEE wylicza z tych danych dostępność, wydajność i jakość oraz jak system monitorowania przestojów zapisuje każdy przestój z jego przyczyną.
Każdy projekt zaczyna się od analizy procesu i maszyn. Pokazuje ona, które maszyny można odczytać przez PLC, które potrzebują urządzenia IoT, a które stanowiska ręczne nadają się do kamery.
Instalacja urządzeń i podłączenie maszyn trwa około miesiąca. Pełne wdrożenie na wybranych liniach, z importem danych, konfiguracją i szkoleniem, trwa 3 do 4 miesięcy.
Szkolenie odbywa się na żywo i na miejscu, a wsparcie odpowiada mailowo lub przez oddzwonienie w mniej niż 2 godziny. Strona o monitorowaniu maszyn opisuje każdą opcję podłączenia.
Fabrico ma certyfikat ISO/IEC 27001 i działa w regionie AWS UE. Dane są szyfrowane w spoczynku i w transmisji, a kopie zapasowe wykonywane są codziennie.
Dane są przetwarzane zgodnie z RODO na podstawie umowy powierzenia przetwarzania danych, a Cloudflare chroni usługę przed atakami DDoS.
Nie. Kamera może mierzyć stanowiska bez PLC i czujnika, na przykład montaż ręczny czy pakowanie, licząc produkcję, którą widzi.
Te liczniki zasilają te same wskaźniki OEE co maszyny podłączone przez PLC.
Linia może być włączona i nic nie produkować, a sygnał pracy nie pokaże tego jako przestoju. Kamera to widzi, nawet gdy nikt tego nie zgłasza.
Wzorce cykli na nagraniu pokazują też, czy linia pracuje z właściwą prędkością.
Model uczenia maszynowego uczy się na historycznych danych z maszyn i wpisach operatorów. Uczy się rozpoznawać powtarzające się przyczyny, takie jak brak materiału, zacięcie czy uszkodzona część.
Po fazie uczenia klasyfikuje nowe zdarzenia i uzupełnia luki w danych, więc rejestr przestojów jest coraz pełniejszy.
Fabrico instaluje jedną lub więcej kamer przemysłowych na linię produkcyjną, ustawionych na kluczowe obszary procesu.
Liczba kamer na linię jest uzgadniana z zespołem Fabrico po analizie procesu i maszyn.
Instalacja urządzeń i podłączenie maszyn zajmuje około miesiąca.
Pełne wdrożenie, z importem danych, konfiguracją i szkoleniem na miejscu, kończy się w 3 do 4 miesięcy.
Fabrico ma certyfikat ISO/IEC 27001 i przechowuje dane w AWS w UE, szyfrowane w transmisji i w spoczynku, z codzienną kopią zapasową.
Umowa powierzenia przetwarzania danych określa, jak Twoje dane są przetwarzane zgodnie z RODO.
Zaloguj