{{{sourceTextContent.title}}}

Determinare le implementazioni di IIoT con i cambiamenti della cultura

{{{sourceTextContent.subTitle}}}

Le implementazioni di IIoT in impianti industriali danno la priorità spesso alle edizioni di tecnologia. Un fuoco ugualmente importante è cultura dell'accettazione e di società del personale.

{{{sourceTextContent.description}}}

i personale che lavora negli impianti dei rocess hanno bisogno della prospettiva e delle comprensioni nei beni chiave — caldaie, radiatori, bruciatori, refrigeratori, forni, scambiatori di calore, fornaci, pompe e valvole, ecc. — utilizzati nelle loro facilità. Molti articoli descrivono le tecnologie destinate per fornire quelle comprensioni — quei piattaforme, apps e dispositivi di automazione di pianta che aiutano collettivamente la forma Internet industriale delle cose (IIoT). Sebbene la matrice delle opzioni migliori l'accesso alle comprensioni di processo, può essere un mondo confusionario delle tecnologie e delle strategie.

Inoltre, un aspetto chiave è trascurato spesso — uno che è il singolo aspetto più influente in tutta l'organizzazione. Collettivamente, l'elemento umano — lavoratori, gestione e la cultura di società presso cui funzionano — è un driver primario per miglioramento continuo. Questo articolo discuterà come i personale che lavora negli impianti possono essere autorizzati e motivati per implementare ed abbracciare l'analisi dei dati avanzata di dati ed altre tecnologie in relazione con IIoT.

La tecnologia fa parte appena dell'equazione

È più facile (e forse intrattenendo) da mettere a fuoco sull'onda delle innovazioni correnti — che cosa possono fare — piuttosto che esaminando come implementare queste tecnologie con il personale dell'impianto esistente. Certamente, la rivoluzione in sensori, la creazione di dati, la raccolta di dati senza fili ed a soluzioni basate a nuvola di archiviazione di dati ha consentito l'accesso alle nuove comprensioni ed ai risultati migliori. I costi per i componenti di sistema del centro sono caduto ad una frazione di cui erano di 10 o 20 anni fa. Di conseguenza, sono mai più dominanti.

Gli avanzamenti inoltre sono stati fatti nell'accettazione e nella propagazione di nuovi modelli di analisi dei dati per creare il valore dai dati raccolti. Per esempio, consideri quanto l'industria transitioning rapidamente da un approccio di manutenzione programmata o preventiva all'analisi dei dati premonitrice per i beni di valore alto. L'analisi dei dati premonitrice è appena una dei tipi di analisi dei dati esperti alla maggior parte delle società (figura 1). Ci sono molto.

Molti articoli di IIoT descrivono le strategie e le iniziative per aiutare le piante ad aggiungere le tecnologie e le comprensioni di IIoT. Industria 4,0, IIoT, fabbricazione astuta e trasformazione digitale: Nessuna materia il termine, gli articoli descrive le organizzazioni di modi può migliorare i loro risultati dell'esercizio. (All'interno del riscaldamento trattato, parecchi articoli recenti fanno un lavoro eccellente di messa in evidenza dei questi punti. Per alcuni esempi, il giro «in essiccazione con IIoT ed alla la gestione dei dati basata a nuvola,» ottobre 2018, il P. 27, o «le tecnologie di IIoT determinano la manutenzione di pianta,» novembre 2018, il P. 24, o li trovano su www.process-heating.com.) Attraverso questi ed altri articoli, le opportunità e le strategie relative alle innovazioni di IIoT disponibili agli stabilimenti di fabbricazione stanno indirizzande.

Ma, in un ambiente con così tanto cambiamento ed innovazione, che cosa non è cambiato è l'elemento umano. È forse l'aspetto più critico di successo nell'implementare queste nuove tecnologie. Il consulente di gestione famoso Peter Drucker ha detto, «la cultura mangia la strategia per la prima colazione.» I piani non sopravvivono sempre al contatto con la realtà — particolarmente se non prendono la cultura di società in considerazione.

Per indirizzare questa sfida, le organizzazioni devono rispondere a tre domande fondamentali circa i loro impiegati e le loro priorità di affari per equilibrare l'innovazione della tecnologia con gli obiettivi.

Che cosa la società sta sperando di compire implementando le tecnologie di IIoT?

Dove la società prevede gli esperti in competenza di IIoT risiedono: nella pianta, al venditore, o in entrambe le posizioni?

Come l'organizzazione osserva i suoi beni? Come pronta è la società da contare su un approccio dato-centrico a migliorare le comprensioni di produzione?

Esaminiamo ciascuna di queste domande a loro volta.

Consideri l'elemento umano

La prima domanda per rispondere alle preoccupazioni gli incentivi e gli aspetti di interesse personale di innovazione in un ambiente vegetale. Che cosa la società sta sperando di compire implementando le tecnologie di IIoT?

Se lo scopo della gestione per l'investimento della tecnologia è di sostituire il personale, quindi la reazione di quelle incaricate dell'implementare la soluzione probabilmente sarà negativa, non importa come l'iniziativa è presentata agli impiegati.

Un esempio è un eccessivo fuoco su intelligenza artificiale e sull'apprendimento automatico come modo sostituire la competenza e l'esperienza negli impiantisti con gli algoritmi. Ciò vola di fronte ad esperienza reale. Le implementazioni nell'ambiente dimostrano coerente che l'analisi dei dati avanzata non può applicarsi efficacemente senza interazione in corso fra gli ingegneri ed altri esperti trattati con il software di self service.

Un approccio più positivo quindi metterebbe a fuoco su come l'innovazione può assistere il personale attuale accelerando i loro sforzi. In alcune industrie, la parola «co-bot» è usata per le macchine che assistono ed accelerano invece del robot di termine, che suggerisce la sostituzione all'ingrosso dei lavoratori attuali.

Nell'ambiente di analisi dei dati, questo ha un equivalente del software: offerti di analisi dei dati di self service che accelerano la capacità degli ingegneri di trovare le comprensioni nei grandi, insiemi di dati distribuiti (figura 2). Mettendo a fuoco su come vari tipi di analisi dei dati — premonitore, diagnostico (causa di origine) e descrittivo (riferendo) — può migliorare sia la produttività degli ingegneri che la pianta, è facile affinchè il personale vedi come l'innovazione è un positivo netto per gli impiegati e le organizzazioni.

Sviluppando una strategia aziendale ed applicazione dell'analisi dei dati

La seconda domanda esamina il livello di affari e chiede: Che affare è la pianta dentro? In entrambi gli articoli hanno citato più presto, ci sono riferimenti al collegamento fra i beni della pianta ed i fornitori di servizio o i venditori che hanno fornito l'attrezzatura. In un ambiente collegato di IIoT, questo collegamento può essere usato affinchè l'analisi dei dati premonitrice migliori il uptime del bene e l'esperienza di servizio e per l'ottimizzazione dell'operazione dell'attrezzatura.

Ma, questo non risponde alla domanda di che affare la pianta è impegnata dentro. È la competenza del bene una competenza di centro per la pianta nel raggiungere i risultati di produzione? O, è qualcosa che potrebbe — o debba — legittimo essere associato con il venditore del bene? Dove gli esperti risiedono: nella pianta, al venditore, o in entrambe le posizioni?

Tutto quello ci conduce alla terza domanda: Come l'organizzazione esamina i suoi beni? Devono vederli nel contesto del processo? Come pronta è la società da contare su un approccio dato-centrico a migliorare le comprensioni di produzione?

In un ambiente in cui le società stanno comprando il flusso invece delle valvole, o nella pressione invece delle pompe, c'è un nuovo modello bidimensionale in cui i beni ed il supporto sono ortogonali al processo. Il risultato è che le organizzazioni dovranno decidere dove la loro competenza dovrebbe essere messa a fuoco e dove vale la pena di pagare la competenza esterna che può essere consegnata da un ambiente costantemente collegato. E, naturalmente, necessità una di pensare a come questo tipo di esternalizzazione colpirà la cultura di società (e linea inferiore).

Per vedere come queste domande di strategia aziendale potrebbero essere risposte a, consideri il seguente approccio all'analisi dei dati.

All'interno di tutta l'organizzazione, si deve misurare il livello di entusiasmo per un approccio dato-centrico a migliorare le comprensioni e, poichè un titolo del libro lo mette, il contributo di produzione «alla concorrenza sull'analisi dei dati.» Chiunque con srotolare di esperienza analisi dei dati proietta riconoscerà le sfide quando le comprensioni interagiscono con — ed a volte conflitto con — il tatto dell'intestino di un senior manager. Ciò non significa che i risultati dall'analisi dei dati sono sempre giusti. Omettendo le variabili o le considerazioni chiave per le priorità più importanti sono errori comuni presto nel processo.

Per esempio, l'analisi dei dati di dati può mostrare che tipo di manutenzione dovrebbe essere ritardata per raggiungere gli scopi di produzione. L'analisi dei dati potrebbe suggerire che il lato negativo di tale manutenzione rinviata fosse limitato, ma fosse giusto? Dipende da quanto l'analisi dei dati rappresenta completamente un'interazione in corso fra gli ingegneri ed altri esperti trattati con il software di self service. Ciò è analoga a prendere un'automobile dentro per il servizio ed essere ha detto una riparazione costosa — indipendente da cui l'automobile è stata portata dentro per — è necessario. Un meccanico del principiante non potrebbe avere la competenza per conoscere che cosa può essere rinviato e per quanto tempo. Così, i rapporti del meccanico del principiante tutte le riparazioni come ugualmente importante ed urgente. Al contrario, un meccanico esperto che macchia un problema con un'automobile può usare la sua conoscenza per predire se il proprietario deve ora ripararlo (dovuto sicurezza o la prestazione funzionale) o se la riparazione può aspettare e per quanto tempo. Tale consiglio può permettere che il proprietario di automobile risparmi il tempo ed i soldi posponendo una spesa e programmando il lavoro futuro della riparazione quando è più conveniente.

L'analisi dei dati automatizzata può o non può potere macchiare un'edizione di manutenzione. Qualsiasi modo, analisi dei dati non può prendere le decisioni intelligenti per quanto riguarda i rapporti tra l'esecuzione della manutenzione richiesta ora o più successivamente. Questi tipi di comprensioni sono forse il più importante, tuttavia, perché combinano l'analisi veloce con competenza e la regolazione di priorità in tempo reale.

Le chiavi all'effettuazione delle queste comprensioni ed a raggiungere il vasto affare in e la partecipazione sono:

Inclusione di tutti i consegnatari nella fase iniziale e su base continuativa.

Impegno fermo a migliorare i risultati basati su una definizione comune di successo e degli indicatori di efficacia chiave riferiti.

Col passare del tempo, questo provocherà la fiducia aumentata con l'analisi dei dati che l'organizzazione sta usando per processo decisionale e che mostrerà l'esigenza di assistenza specialistica.

Con chiarezza sulle risposte a queste domande, le organizzazioni possono misurare le quattro dimensioni necessarie richieste per raggiungere la prestazione migliore:

Innovazioni di tecnologia.

Analisi dei dati.

Strategia di industria.

Il personale e le edizioni organizzative relativi alla definizione e ad accettare del cambiamento.

Nei seguenti esempi di applicazione, uno sforzo tecnico di self service per l'analisi dei dati premonitrice è stato usato per raggiungere i risultati migliori di affari misurando queste quattro dimensioni.

Le centrali elettriche usano la manutenzione premonitrice per migliorare la prestazione

Facendo uso di un modello creato con software analitico, una prestazione diminuente identificata centrale elettrica in un'attività specifica. Dopo avere analizzato i dati, il gruppo ha pesato la compensazione questa diminuzione nella prestazione del bene contro il valore di mercato dell'uscita della pianta per decidere quando eseguire la manutenzione. Un tal approccio prende l'idea di manutenzione preventiva ad un altro livello. Piuttosto che ottimizzi per un parametro trattato o l'altro metrico, la centrale elettrica ha usato la redditività in tempo reale come il risultato di priorità. In effetti, la redditività in tempo reale si è trasformata nel del punto vincente per un ciclo di controllo. Questo tipo di ottimizzazione del bene è applicabile a una vasta gamma di attrezzatura.

In un'altra applicazione, gli operatori della centrale elettrica hanno conosciuto i loro radiatori dell'acqua d'alimentazione tesi per sporcare e perdere l'efficienza in un modo prevedibile. A causa di strumentazione insufficiente, tuttavia, non riuscivano mai nei loro sforzi per quantificare il processo in modo dalla manutenzione potrebbe essere ottimizzata. Come parte di una soluzione dell'analisi dei dati-azionamento, la centrale elettrica ha aggiunto gli strumenti richiesti con la raccolta di dati e lo stoccaggio corrispondenti. L'analisi dei dati per quanto riguarda il tasso del calore della caldaia ha fornito informazioni necessarie per determinare che effetto uno sforzo di pulizia ha avuto su efficienza, nella misura di determinazione del suo valore specifico (figura 3). Gli operatori ora ottimizzano la frequenza di pulizia basata sulla relazione beneficio/di costo.

Ciò è la fabbricazione della direzione sta andando: non al bene o alla linea livello ma al livello di risultato di ritorno su investimento aumentato (ROI). Un fuoco sul ROI del livello di risultato come il driver per la fabbricazione prende molte forme. Può significare che ritardando la manutenzione premonitrice che è conosciuta per essere richiesta così la pianta può continuare la produzione. In altri casi, può significare la presa del bene fuori linea immediatamente per eseguire le riparazioni. Tutto dipende dall'analisi di ROI, determinata dal software avanzato di analisi dei dati.

In conclusione, il personale dello stabilimento di fabbricazione deve continuare costantemente con il contesto e la copertura delle opportunità disponibili a loro attraverso le innovazioni nella tecnologia, in analisi dei dati e nelle strategie industriali. Può assicurare i risultati di successo considerando l'impatto di queste innovazioni sulle priorità della gente, della cultura e di affari delle loro organizzazioni.