Rejestracja danych procesowych: jak z danych maszynowych, danych o zleceniach i danych produkcyjnych powstaje podstawa prognoz i modeli AI, od rejestracji przez jakość po wykorzystanie.
Państwa maszyny od lat dostarczają dane,
często więcej, niż ktokolwiek analizuje
Większość firm rejestruje więcej danych procesowych, niż kiedykolwiek analizuje. Ograniczeniem rzadko jest sama rejestracja. Zwykle jest nim wykorzystanie danych.
Czym są dane procesowe i czym jest rejestracja danych produkcyjnych
Dane procesowe to techniczne wartości pomiarowe z trwających procesów, takie jak temperatury, ciśnienia, czasy taktu, zużycie energii i pomiary jakości. Rejestracja danych produkcyjnych uzupełnia je o perspektywę organizacyjną, czyli zlecenia, liczby sztuk, czasy pracy maszyn, powody przestojów i czasy pracy personelu. Dopiero razem oba rodzaje danych dają pełny obraz procesu.
Dla analiz i AI to rozróżnienie ma drugorzędne znaczenie. Kluczowe jest, aby oba rodzaje danych opisywały tę samą operację i dawały się powiązać przez numery zleceń, znaczniki czasu i identyfikatory maszyn.
Skąd pochodzą dane procesowe
Na początek pracy z AI często wystarczają dane, które już są rejestrowane. Pierwszym krokiem rzadko są nowe czujniki. Prawie zawsze jest nim przygotowanie istniejących danych do wykorzystania.
Sterowniki maszyn
Sterowniki PLC, czujniki i urządzenia dostarczają pomiary co sekundę, często rejestrowane od lat i nigdy systematycznie nieanalizowane.
Predictive maintenance: planowanie konserwacji z danych maszynowych
Rejestracja danych produkcyjnych i system MES
Postęp zleceń, liczby sztuk i powody przestojów tworzą warstwę organizacyjną rejestracji danych produkcyjnych, zwykle już ustrukturyzowaną.
ERP i planowanie
Zlecenia, terminy i materiały dają kontekst, dzięki któremu surowe pomiary stają się operacjami możliwymi do interpretacji.
Wpisy ręczne
Raporty zmianowe, protokoły kontroli i zgłoszenia awarii to niedoceniane źródła, zwłaszcza gdy trzeba ustalić, DLACZEGO coś się wydarzyło.
Rzeczywiste ograniczenie: jakość danych
Luki w szeregach czasowych, zmieniające się jednostki, podwójne numery zleceń i przestoje bez kodu przyczyny to wady, od których zależy, czy z danych procesowych powstanie wiarygodny model, czy analiza, która dobrze wygląda i jest błędna. Dlatego każde wykorzystanie danych poprzedza uczciwa weryfikacja ich jakości.
Od zbioru danych procesowych do modelu
Starannie zarejestrowane dane procesowe są podstawą zastosowań, które opłacają się w produkcji: przewidywania awarii, wczesnego wykrywania braków oraz wyjaśniania wąskich gardeł i szczytów zużycia energii. Nasze przeliczone przykłady pokazują, jak wygląda to w praktyce, a metodyczne pozyskiwanie danych opisuje odpowiednia faza naszego procesu data science.
AI w produkcji: 6 przeliczonych zastosowań
Faza 2 procesu data science: pozyskiwanie danych w szczegółach
Częste pytania o rejestrację danych procesowych
Czym są dane procesowe w skrócie?
Dane procesowe to wszystkie pomiary i dane o stanie, które wytwarza trwający proces, na przykład temperatury, ciśnienia, czasy taktu, wielkości zużycia i wartości jakościowe. Opisują one, JAK przebiegła operacja, podczas gdy dane podstawowe opisują, CZYM coś jest.
Czym różni się rejestracja danych procesowych od rejestracji danych produkcyjnych?
Rejestracja danych procesowych gromadzi pomiary techniczne z maszyn i czujników, a rejestracja danych produkcyjnych dane organizacyjne, takie jak zlecenia, czasy i liczby sztuk. W praktyce granica między tymi pojęciami jest nieostra. Dla analiz i AI liczy się możliwość powiązania obu poziomów.
Jakie są przykłady danych procesowych?
Typowe przykłady w produkcji to prędkość obrotowa wrzeciona i temperatura maszyny, czas taktu na sztukę, liczba braków na zmianę, zużycie energii na zlecenie oraz powód i czas trwania przestoju. W logistyce są to czasy postoju, trasy i zużycie w przeliczeniu na pojazd.
Czy potrzebujemy nowych czujników, zanim AI zacznie się opłacać?
Rzadko. Sterowniki, rejestracja danych produkcyjnych i ERP zwykle wytwarzają dość danych na pierwsze przeliczone zastosowanie. Wystarczalność istniejących danych można sprawdzić przed inwestycją w sprzęt.
Jak przygotować dane procesowe do wykorzystania w AI?
Potrzebne są trzy kroki. Najpierw łączy się źródła za pomocą znaczników czasu oraz identyfikatorów zleceń i maszyn. Następnie sprawdza się jakość pod kątem luk, jednostek i wiarygodności wartości. Na końcu na sprawdzonych danych buduje się modele, na przykład do prognoz awarii, braków lub zużycia.
Porozmawiajmy o Państwa danych
Bezpłatna 30-minutowa rozmowa wstępna. Proszę krótko opisać zbiór danych i zamierzenie; opcjonalnie mogą Państwo podać preferowany termin.
Usługi nie zastępują prawnej porady w zakresie ochrony danych.