Geef een locatie op zodat we voor u de dichtsbijzijnde vacatures kunnen weergeven.
Case: DRiV
DRiV speurde actief naar een oplossing die hen in staat stelt om snel inzichten te vergaren over de performantie van hun machines en over de oorzaak van stilstanden. Als technologiepartner ontwikkelde Enginity voor hen een digitale tool die live inzichten verschaft in de OEE-data van hun productieproces.
Onder de vlag van Smart Network Sint-Truiden zetten enkele productiebedrijven in de automotive sector een project op om smart manufacturing toe te passen in hun productieprocessen. Via dit initiatief kwam DRiV – voorheen bekend als Tenneco Automotive – in contact met Enginity, dat als één van de partners voor dit project werd geselecteerd.
DRiV maakt standaard en high-end schokdempers voor wagens. Een stilstand of storing op één van de productielijnen kan het hele productieproces aanzienlijk vertragen.
Het probleem is dat storingen vaak niet meteen worden opgemerkt. Noch is het altijd even snel duidelijk wat de oorzaak is. Daarom zocht DRiV een oplossing die hen in staat stelt om snel inzichten te vergaren over de performantie van hun machines en over de oorzaak van stilstanden.
De oplossing moest:
- Near-real-time monitoring van productielijnen toelaten.
- In het geval van stilstanden en storingen snel het probleem helpen traceren en analyseren.
- Met minimale herconfiguratie inzetbaar zijn op verschillende machines.
Om aan deze criteria te voldoen, stelde Enginity voor een digitale tool te implementeren die live inzichten verschaft in de OEE van de productielijnen. Dit is een oplossing die DRiV ondersteunt in hun Continuous Improvement proces en meteen de deur openzet naar Industry 4.0.
Onze aanpak
Intakes met technische know-how en proceskennis
Een programmeur en een procesingenieur van Enginity gingen eerst in gesprek met het DRiV-team om de oplossing vorm te geven. Door deze profielen samen te brengen, konden we technische kennis over datacaptatie meteen koppelen aan een diepgaand begrip over het productieproces van DRiV. Op deze manier wisten we welke data er gecapteerd moest worden en op welke manier we die om konden zetten naar een bruikbare digitale tool.
Industriële mini-pc op maat van DRiV
Om de data uit de toestellen op de productielijn te capteren, implementeerden we een software stack die we op maak van DRiV configureerden. Deze stack kan onder andere draaien op een industriële mini-pc. Via deze tool kunnen we gecapteerde data verwerken en visualiseren.
Deze stack biedt een aantal basisfuncties die we snel naar de hand van de klant kunnen zetten, waardoor we deze oplossing snel kunnen implementeren aan een beperkte kost.
Figuur 1: Near Real Time OEE dashboard, met korte termijn historische kerninformatie.*
Configuratie via Node-RED
We configureerden de connectie, dataverwerking en het data opslagformaat met Node-RED. Dat is een open source toepassing die ons in staat stelt om snel en op een low code manier te werk te gaan.
Op deze manier zorgden we ervoor dat de machinedata automatisch werd opgeslagen in een gestructureerde database. Hierdoor kan DRiV deze gegevens makkelijk exporteren naar een bewerkbare spreadsheet of integreren met analytische platformen.
Daarnaast kunnen DRiV-medewerkers ook handmatig data invoeren na een incident. Via een webform of rechtstreekse databronkoppeling kunnen ze informatie over de shift, het partnummer in productie en foutinformatieloggen.
Figuur 2: Node-Red voorziet in stroomgebaseerde “low-code” softwareontwikkeling voor integratie en functionaliteit.
Resultaat
De implementatie van onze digitale tool op één productielijn stelde DRiV in staat near-real-time machineprocesdata te raadplegen. Dit resulteerde in een reeks concrete voordelen:
- De lijnverantwoordelijke moet niet langer dagelijkse productiestatistieken manueel loggen.
- Operatoren moeten niet langer zelf productiegegevens verzamelen voor procesverbeteringen.
- Er zijn niet langer grote wijzigingen in het sturingsprogramma nodig om data te verzamelen voor verdere procesverbeteringen.
- Aan de hand van een Pareto-analyse kan DRiV nu achterhalen welke foutcodes het merendeel van de incidenten veroorzaken, de meeste impact hebben op kwaliteit en eventueel andere negatieve invloeden hebben op het productieproces. Dit helpt hen de juiste prioriteiten stellen in het verhelpen van deze problemen.
Het proefproject bleek zo succesvol dat de klant intussen dezelfde oplossing ook nog op een andere productielijn liet implementeren. Zo verlaagde DRiV met een relatief kleine investering aanzienlijk de drempel naar Industry 4.0 monitoring en analyse-functionaliteit én zette het de eerste stappen in smart manufacturing.
*In de figuren werd de getoonde data en informatie van DRiV vervangen door mock-up data.