Big Data Industry 4.0 Quality Dr.-Ing. Edgar Dietrich Q-DAS GmbH & Co. KG Weinheim, Germany A TUDÁSBÓL SZÁRMAZÓ NYERESÉG FOLYAMATOK GYORS MEGÍTÉLÉSE Q DAS STATISTICS DRIVES SUCCESS <Q-DAS Präsentation 2014> 1
Big Data Big Data Mainframe Minicomputer Client-Server xaas (Cloud) 1960 1970 1980 1990 2000 2010 2020 Q DAS STATISTICS DRIVES SUCCESS 2
Feladatkitűzés és ez itt, egyszerűen ábrázolva, az én elképzelésem, hogy miként lehetne a gyár optimalizálását fokozni. Van kérdésed? Q DAS STATISTICS DRIVES SUCCESS 3
A tudásból származó nyereség A munka világában a dolgok egyre komplexebbek lesznek Szezorok, Kézi adatrögzítés A tárolt tudás nagy adatmennyiséghez vezet: Big Data. Kérdések & Feleletek Az embereknek a munkájukhoz magas döntési minőségre van szükségük! (preditiv) Elemzések Felismerés Q DAS STATISTICS DRIVES SUCCESS 4 < Dateiname/Autor/Datum > Copyright Q-DAS GmbH & Co. KG
Hogyan tehetünk szert nyereségre a tudásból? Különböző információforrások átvitel Adattárolók és hálózat feldolgozás elemzés Munkatársak A validált mérőszámok választ adnak! Q DAS STATISTICS DRIVES SUCCESS 5
Hagyományos és új elemek az ipari termelésben gyártásközeli gyártástól távoli Meglévő adatforrások Új adatforrások Adatforrások Gyártás / Mérőlabor Mérő folyamatok SPS, szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Eredmények, mérőszámok Jelentés Dashboard Ad hoc elemzés Adatok / Text Mining Predictiv elemzés Operational Intelligence Q DAS STATISTICS DRIVES SUCCESS 6
A komplexitás foka Út az ipar 1.0 - tól az ipar 4.0 Első SPS Modicon 084 1969 4. Ipari forradalom Cyber-Physical rendszerekre építve Első futószalag Cincinatti vágóhíd 1870 3. Ipari forradalom Az elektronika és az IT bevezetése a gyártás további automatizálásához Első mechanikus szövőszék 1784 2. Ipari forradalom A tömeggyártás bevezetése, villamos energiát felhasználva 1. Ipari forradalom Víz- és gőzgajtású mechanikus gyártó berendezések bevezetése idő 18. század vége 20. század eleje 20. század, a 70-es évek eleje napjaink Q DAS STATISTICS DRIVES SUCCESS 7
Az ipar 4.0 célkitűzése Önkonfigurálhatóság Önoptimalizálás Öndiagnózis Megítélés Ezzel azt kell elérni, hogy egyedi termékeket úgy lehessen előállíthatók, mint egy nagyon rugalmas nagysorozatú gyártás termékeit. Ennek során figyelembe lehet venni egyedi vevői igényeket, és egyedi darabok is gazdaságosan gyárthatók lesznek. Q DAS STATISTICS DRIVES SUCCESS 8
Prof. Schmitt, WZL TWTH Aachen megállapítása A termelés mára kapacitáscsapdába esett. Ezért a ütemezett és szinkronizált rendszerek (nagyrészt futószalagok)-, valamint a legutóbbi ipari forradalom vívmányai a felelősek. Ezek a toló piacokon (push market) működnek, mindaddig, amíg a piacok nem lesznek árukkal elárasztva, és vissza nem esnek. Ez azonban alapvetően megváltozott. A cyber-fizikai rendszerek (Cyber-physische Systeme), így szól az elképzelés, egy következő lépésben megoldásokat kínálhatnak az emberek, gépek és információk optimális összejátszására, és ezáltal a jövőbeni piacok követelményeinek jobban megfelelhetnek. Q DAS STATISTICS DRIVES SUCCESS 9
Prof. Bauernhansl, IPA Stuttgart megállapítása A folyamatos gyártás és az energiafogyasztás technológiai korlátozása további hajtóerőt jelentenek az ipar 4.0 számára. Ennélfogva szükségszerűen bekövetkezhet a gépek cyber-fizikai rendszerekkel történő decentralizálása.. Az ilyen ciber-fizikai rendszerekben az adatok mennyisége rendkívüli mértékben megnő, és gyakorlatilag lehetetlenné teszi ezek megőrzését és feldolgozását a gyártó üzemekben. Az információk és a számítási szolgáltatások kihelyezése a felhőbe (cloud) egy szükségszerű következmény lehet, még akkor is, ha adatokhoz és információkhoz kapcsolódó jogok jelenleg még messze nem tisztázottak. Q DAS STATISTICS DRIVES SUCCESS 10
Big Data Ipar 4.0 Minőségi adatok Belső Hálózat Big Data Industry 4.0 Minőségi adatok Privát Cloud Q DAS STATISTICS DRIVES SUCCESS 11
Hagyományos és új elemek a gyártásban gyártásközeli gyártástól távoli Meglévő adatforrások Új adatforrások Adatforrások Gyártás / Mérőlabor Mérő folyamatok SPS, Szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Eredmények, mérőszámok Jelentés Dashboard Ad hoc elemzés Adatok / Text Mining Predictiv elemzés Operational Intelligence A cég belső hálózata Külső hozzáférés Q DAS STATISTICS DRIVES SUCCESS 12
Adatkonszolidálás Adatforrások Gyártás / Mérőlabor Mérő folyamatok SPS, Szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adat- konszolidálás konvertálás, kiegészítés, plauzibilizálás, struktúrálás, átadás Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Q DAS STATISTICS DRIVES SUCCESS 13
Adatelemzés Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Adatelemzés adatszelektálás, statisztikai kiértékelés, feldolgozás, kommunikáció, Eredmények szolgáltatása Jelentés Dashboard Ad hoc elemzés Adatok / Text Mining Predictiv elemzés Operational Intelligence Q DAS STATISTICS DRIVES SUCCESS 14
Adatkiértékelés Smart Data és Adatelemzés Adatforrások Gyártás / Mérőlabor Mérő folyamatok SPS, Szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adat- konszolidálás konvertálás, kiegészítés, plauzibilizálás, struktúrálás, átadás Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Adatelemzés kiértékelés, feldolgozás, kommunikáció, Eredmények szolgáltatása Jelentés Dashboard Ad hoc elemzés Adatok / Text Mining Predictiv elemzés Operational Intelligence Q DAS STATISTICS DRIVES SUCCESS 15
A Q-DAS CAMERA Concept Fázisai COLLECTING (GYŰJTÉS) Testteil ASSESSING (MEGFIGYELÉS) MANAGING (IRÁNYÍTÁS) Ismeretek a folyamatról EVALUATING (KIÉRTÉKELÉS) REPORTING (JELENTÉS) ARCHIVING (ARCHIVÁLÁS) Q DAS STATISTICS DRIVES SUCCESS <Q-DAS Präsentation 2013.pptx> 16
Leképzés a Q-DAS CAMERA Cocept-ban Tervezés: megrendelések-, gépek-/ gyártás- és minőségirányítás Mérő folyamatok Szenzorok MESrendszerek CAQ/SPCrendszerek egyebek adatkonszolidáció Smart Data Adatelemzés Jelentés Dashboard Mérőszám cockpit Ad hoc elemzés Web Apps Q DAS STATISTICS DRIVES SUCCESS 17
Adatkiértékelés Gyártás / mérőlabor Mérő folyamatok SPS, Szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adatkonszolidálás Adatstruktúra, ami lehetővé teszi az ismeretekből származó nyereséget Adott idejű információk teljes körű (automatizált) gyűjtése Plauzibilitás vizsgálata (a háttérben) Azonos idejű kiértékelés és eredményközlés Utalás a hiányzó infromációkra Adatbeviteli segédeszközök alkalmazása: barcode, katalógus Smart Data Q DAS STATISTICS DRIVES SUCCESS
Mérési folyamatok alkalmasságának igazolása Gépek- és gyártási folyamatok átvétele Folyamatok minősítése, QRK Folyamatok felügyelete, SPC Folyamat optimalizálás, folyamatparaméterek beállítása A termékek élettartama A digitális termék- emlékezet felépítése Gyártás / mérőlabor Mérő folyamatok SPS, szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok+szolgáltatások) Mailek, videok, dokuk, Web Logo, közösségi média Adatkonszolidáció Smart Data Adatelemzés Eredmények tárolása Q DAS STATISTICS DRIVES SUCCESS 19
Mérési folyamatok alkalmasságának igazolása Gépek- és gyártási folyamatok átvétele Folyamatok minősítése, QRK Folyamatok felügyelete, SPC Folyamatoptimalizálás, folyama tparaméterek beállítása A termékek élettartama Q-DAS termékek a digitális termék- emlékezet felépítéséhez Q-DAS adatbank Projektirányítás Adatelemzés Feladatok Q-DAS termékek Eredmények tárolása Q DAS STATISTICS DRIVES SUCCESS 20
Információbázis példaszerű feladatkitűzések A termékjellemzők tudják, hogy mikor kell őket ellenőrizni, és ismerik az alkalmas mérési folyamatot. A meglévő gépek és gyártóberendezések alkalmasságának bizonyítékai rendelkezésre állnak. A folyamatok kvalifikáltak. Ebből levezethető, hogy mely termékjellemzőt lehet a berendezéssel előállítani. A megmunkált jellemző kiértékelésre kerül, annak megállapítása céljából, hogy megfelel-e a követelményeknek. Ismertek az egyes megmunkálási lépések optimális paraméterei, és ezek beállítása automatikus. Megbízhatósági vizsgálatok eredményei alapján ismert a várható élettartam. Q DAS STATISTICS DRIVES SUCCESS 21
Industry 4.0 Quality 4.0 Gyártás / mérőlabor Mérő folyamatok SPS, Szensorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) Mailek, videok, dokuk, Web Logs, közöségi média Kommunikáció a környezettel Adatkonszolidáció Smart Data Kommunikáció a környezettel Adatelemzés Digitalis termékemlékezet Q DAS STATISTICS DRIVES SUCCESS 22
Példa: intenzív (agilis) gyártás Typ 1 Typ 2 Typ k Műveletek OP 1 OP i OP i+1 OP j OP k OP m M1 1 M2 1 Mk 1 M1 2 M2 2 Mk 2 Géptípus 1 M1 n M2 n Mk n Műveleti sorrend Műveleti sorrend Q DAS STATISTICS DRIVES SUCCESS 23
Termék áttekintés Terméktípus 1 Változat 1 Változat 2 Változat k Jellemző 1 Jellemző 2 Jellemző n Terméktípus 2 Q DAS STATISTICS DRIVES SUCCESS 24
Folyamat áttekintés Géptípus OP 1 OP i Gép M1 1 Szerszám 1 Gép M1 2 Szerszám 2 Gép M1 n Szerszám k OP i+1 OP j Q DAS STATISTICS DRIVES SUCCESS 25
Control 2013 Köszönöm a figyelmet! A TUDÁSBÓL SZÁRMAZÓ NYERESÉG FOLYAMATOK GYORS MEGÍTÉLÉSE Q DAS STATISTICS DRIVES SUCCESS 26