ПРОМЫШЛЕННЫЙ ИНЖИНИРИНГ │ АВТОМАТИЗАЦИЯ ПРОИЗВОДСТВА │ ТЕХНОЛОГИИ МЕТАЛЛООБРАБОТКИ

12.03.2017

IoT для производства. Как интернет вещей помогает достичь высокой производительности?

IoT для производства. Как интернет вещей позволяет достичь высокой производительности?
IDC Research прогнозирует рост рынка IoT к 2020 году до $ 1,7 трлн. Среднегодовой рост рынка интернета вещей по оценкам разных аналитических компаний составляет от 16% до 23%, в Азии до 35%.
Рынок IoT растёт стремительным темпом и в центре этого роста находятся датчики, поскольку они являются ключевыми элементами для сбора и вывода ценных данных.
Основной сегмент рынка IoT – товары массового потребления: смартфоны, планшеты, автомобили и т.п. Благодаря высокому спросу и постоянно возрастающей конкуренции на рынке B2C, технологии IoT стремительно развиваются. Компании-разработчики различных датчиков и других мехатронных устройств диверсифицируют свой бизнес, осуществляя трансфер технологий из сегмента товаров массового потребления в сегмент перерабатывающего производства, который для них является менее ёмким, но более стабильным.
В отчёте "Zinnov Zones" приведены данные факта и прогноза по расходам предприятий на продукты и услуги в области IoT. Факт рынка 2016 года и прогноз на 2021 год.

Данные факта и прогноза по расходам предприятий на продукты и услуги в области IoT

 
Для ощущения масштаба – Объём глобально рынка корпоративного сектора IoT значительно превосходит объём глобального рынка промышленной роботизации. Компании тратят больше денег на внедрение IoT, чем на роботизацию производства.

Комплексный анализ рынка промышленной роботизации


Спрос на инжиниринговые услуги в области IoT со стороны промышленных предприятий значительно выше чем на услуги интеграции промышленных роботов.

С чем связан столь ажиотажный спрос на IoT технологии? Какую пользу приносит IoT производственным компаниям? 


Для того чтобы ответить на эти вопросы, нужно взглянуть на проблемы организации автоматизированного производства:

Автоматизация производства – это процесс передачи мехатронным устройствам и компьютерным системам производственных функций, которые ранее выполнялись человеком.

Поскольку каждое коммерческое предприятие ориентированно прежде всего на получение коммерческой прибыли, главная цель автоматизации производства – повышение производительности, за счёт чего увеличивается объём и эффективность оборота, что в конечном итоге повышает конкурентоспособность и коммерческую прибыль производственного предприятия.
 
Инвестиции в высокопроизводительное оборудование с высоким уровнем автоматизации – решают локальные проблемы производства и существенно увеличивают производительность части производственных операций, но дисбаланс производственных мощностей, который возникает при локальной модернизации производства, снижает эффективность инвестиций в высокопроизводительное оборудование, а в некоторых случаях и вовсе негативно отражается на коммерческой прибыли предприятия.

Проблема дисбаланса производственных мощностей усугубляется отсутствием интеграции производственных систем, а также плохо организованной системой управления и отсутствием достоверной информации в реальном времени о факте совершения или не совершения производственных операций. Принимать эффективные управленческие решения можно только на основании достоверной информации.
  
Решение производственных проблем, исходящих из дисбаланса производственных мощностей и плохо организованной системы управления производством – во внедрении автоматизированной системы управления технологическими процессами (АСУ ТП).

Внедрение автоматизированных систем управления (АСУ) может решить проблемы организации производства и управления только в том случае, если обеспечена возможность наполнения базы данных АСУ достоверными данными в реальном времени.

Инвестиции в покупку АСУ без инвестиций во внедрение – это деньги, выброшенные на ветер.

АСУ работает с данными, данные надо собрать, структурировать, анализировать и использовать для управления производством. Управление производством с использованием компьютерных систем – это метод обратного преобразования данных (план производства) из информационного пространства в физическое с последующем сбором данных (факт производства) для корректировки плана по факту.

Данные с которыми работает АСУ, делятся на 2 кластера – виртуальные и дигитальные.
К виртуальным данным относятся постоянные или условно постоянные данные (константы): параметры оборудования, человеческие ресурсы, транспортные маршруты, производственные площади и т.д.
К дигитальным данным относятся переменные: производственные операции (план/факт), информация об изделии (3D модель, чертежи, спецификации), потребность и факт наличия материалов на складе, информация о расходных материалах, ремонтных работах и т.д.
Объеденные виртуальные и дигитальные данные создают "цифровую тень производства". 
База данных АСУ наполняется виртуальными данными фактическим и индуктивными методами сбора информации. Это необходимые действия при внедрении АСУ.

Получение оперативных данных для дигитализации производства методом индуктивного сбора данных участниками производственного процесса и наполнение базы данных АСУ ТП через человеко-машинный интерфейс является экономически неэффективным методом. Неэффективность метода усугубляется задержками обратного информационного потока и ошибками ввода данных, связанным с человеческим фактором.

Решение вышеизложенных проблем автоматизации производства – разработка и внедрение киберфизических систем (CPS), которые интегрируются через промышленные сети в интернет вещей (IoT).
 
Датчики, собранные в IoT – это глаза, уши и другие органы чувств, интегрируемые с мозгом руководителя производства, дающие возможность принимать эффективные управленческие решения в режиме реального времени на основании достоверных данных.

Комментариев нет:

Отправить комментарий

ПРОМЫШЛЕННЫЙ ИНЖИНИРИНГ АВТОМАТИЗАЦИЯ ПРОИЗВОДСТВА ТЕХНОЛОГИИ МЕТАЛЛООБРАБОТКИ