Jaká data lze sbírat?

Na začátek si tedy pojďme říci, jaká data jsme v současné době schopni z výrobního procesu získat automatizovaným způsobem:

• Data o výrobě – množina typická pro tzv. odvádění výroby. Patří sem počet hotových kusů, počet zbývajících kusů, množství spotřebovaných surovin atd.
• Data o prostojích – do této skupiny patří především údaje o stavu výrobního zařízení ve smyslu zařízení běží/stojí včetně příčiny, případně i informace o tom, zda je dodržována očekávaná rychlost výrobního toku (výrobní takt, doba průtoku atd.). V některých případech se tato data zahrnují do skupiny technologických dat. Vzhledem k jejich významu a speciálnímu využití (podklad pro měření OEE) jsme je ale zařadili do samostatné kategorie.
• Data o kvalitě – v této části obecně bývá největší procento ručních vstupů. Ať už se jedná o zadávání informací o provedené vizuální kontrole, nebo zápis dat z měřicích přístrojů, které není možné připojit do systému. Nicméně i zde již lze úspěšně některé části procesu zahrnout do automatizovaného sběru dat. Především se jedná o informace z robotů, které automaticky vyřazují vadné výrobky, nebo automatizované ukládání výsledků různých měření.
• Technologická data – zahrnují veškerá data o stavu technologie a výrobního prostředí vůbec. Jedná se o různé teploty, tlaky, počty otáček atd. Na rozdíl od ostatních sbíraných dat mohou být tato velmi různorodá a jsou určena pro využití v mnoha procesech výrobního podniku.
• Data o pohybu materiálu – jedna z nejrychleji se rozvíjejících oblastí automatizovaného sběru dat. Až do nedávna se v souvislosti s logistikou hovořilo jen o identifikaci položek, se kterými se aktuálně manipulovalo. V dnešní době se ale s nástupem RFID čipů a vysoce účinných čteček čárových kódů skutečně začíná jednat o automatizovaný sběr dat. Lze sem například zařadit informace o pohybu výrobků, které prošly přes vybudovaný kontrolní bod, který automaticky snímá jejich průjezd.
• Data o nevýrobních aktivitách – veškeré další informace počínaje záznamy o technologických činnostech (ladění stroje, testy nových postupů atd.) až po data ze zabezpečovacích systémů.

Jak data sbírat?

Přestože hovoříme o automatizovaném sběru dat, musíme si uvědomit, že výhradně automatizovaným způsobem lze většinou řešit pouze sběr technologických dat. Ve všech ostatních případech potřebujeme kromě části zajištující automatizovaný sběr i část systému, která umožňuje provést ruční vstup do systému. Typicky se jedná o identifikaci pracoviště, identifikaci pracovníka nebo pracovní skupiny, potvrzování výrobních příkazů, potvrzování počtu vyrobených kusů a jejich kvality, zadávání důvodů prostoje atd., které se většinou řeší pomocí terminálů ve výrobě.
Klíčem k úspěšnému řešení sběru dat je především zajištění přenosu dat od výrobních a nevýrobních zařízení (CNC stroje, výrobní linky, váhy, testery atd.). Zde uvádíme některé možné způsoby automatizovaného sběru:

• Sběr přes komunikační rozhraní dodané výrobcem zařízení. Jedná se o využití řídicího systému stroje nebo výrobní linky, ze kterých je možno data pomocí standardních komunikačních protokolů (např. OPC) stáhnout do centrální databáze. Nevýhodou tohoto řešení může být cena a specifické vlastnosti a nekompatibilita systémů jednotlivých dodavatelů.
• Vytvoření komunikačního rozhraní dodavatelem systému sběru dat. Řešení je ale velmi závislé na znalostech a schopnostech pracovníků tohoto dodavatele.
• Osazení čidel snímajících postup výroby nezávisle na řídicím systému výrobního zařízení. Používá se především v případech, kdy se jedná o starší výrobní zařízení nebo není-li přímé propojení vhodné či ekonomické.

Proč data sbírat?

Asi už jsme všichni zaslechli o tom, že data se stávají informací až v okamžiku, kdy svému příjemci předají nějakou přidanou hodnotu – zvýší míru jeho informovanosti. Je to velmi důležitá poučka, obzvlášť v dnešní době, kdy jsme schopni sbírat desítky tisíc údajů za vteřinu. Je nutné si proto stále klást otázku: jsou pro nás tato data opravdu nutná? A pokud si nejsme jisti, stačí si odpovědět na otázku: jsou pro nás informací?

OEE

První tři výše zmíněné skupiny dat jsou poměrně přesně definované a každý z nás má asi dobrou představu, k čemu je lze využít. Proto jen krátce zmíníme ověřené přínosy za jednotlivé oblasti:

• Data o výrobě – zprůhlednění a narovnání výrobních toků, minimalizace nejistoty o stavu výroby, nutný základ pro zavádění operativního plánování (APS), který je uznávaným nástrojem metodologie štíhlé výroby (lean manufacturing).
• Data o prostojích – zvýšení výkonu strojů a obsluhy. Už jen pouhé zavedení automatizovaného sběru dat o prostojích zajistí zvýšení prostupnosti výrobou o jednotky až desítky procent (v závislosti na stavu před implementací sběru dat). Možnost využití při zavádění metody TOC do praxe – pomáhá odhalovat úzká místa (nejčastější příčiny prostojů).
• Data o kvalitě – data o kvalitě mohou sloužit pro vyhodnocování reklamací.

Je také dobré si připomenout, že pokud máme data o výrobě, o prostojích a o kvalitě, jsme schopni sestavit tzv. OEE ukazatel (za předpokladu, že známe původní plán výroby), který je v posledních letech velmi často a s úspěchem využíván pro kontrolu výrobních procesů formou tzv. KPI.

Otázky kolem technologických dat

Sběr technologických dat má svá významná specifika. Patří mezi ně i to, že se velmi obtížně stanovuje návratnost nasazení takového systému. A na druhou stranu, pokud je implementace dobře zvládnuta, do pěti let po nasazení si nikdo nedokáže představit, že by výroba mohla pokračovat bez tohoto systému. A to i přesto, že návratnost stále není možno vypočíst. Mezi objektivně měřitelné přínosy můžeme zařadit:

• Úspory v oddělení kvality – některé testy není nutno provádět, pokud známe parametry, za jakých se vyrábělo.
• Snížení zmetkovitosti – informace mohou sloužit ke spuštění varování o tom, že se výroba blíží k limitní hranici definované technologickým předpisem.
• Zvýšení efektivity údržby – jakmile má údržba k dispozici technologická data, může začít fungovat na bázi preventivní a prediktivní. To znamená, že dochází k zásahům údržby ještě před vznikem závady a na základě skutečného stavu zařízení.

Dalším specifikem v oblasti technologických dat je, že se nám může podařit systém zaplavit nepotřebnými údaji a celý projekt tak odsoudit k nezdaru. Zde lze rozhodně říci, že méně někdy znamená více.

Přínosy v ostatních oblastech

Závěr

Nyní, když jsme si takto roztřídili různé oblasti dat, je potřeba říct, že reálné systémy sběru dat jsou téměř vždy kombinací dvou nebo více těchto oblastí a případně i způsobů technického řešení sběru. Toto třídění by nám mělo hlavně pomoci lépe se orientovat a tím i lépe stanovit cíle, které by měl systém sběru dat splnit.
Další postřeh vyplývá jak z tohoto článku, tak i z dlouholetých zkušeností – systémy sběru dat jsou až na extrémní výjimky vždy realizovány na míru zákazníkovi. Proto jsou v tomto oboru důležitější reference u konkrétních zákazníků než zdařilé reklamní materiály.
A na závěr bychom ještě mohli zdůraznit myšlenku, kterou lze mezi řádky nalézt v celém tomto článku – sběr dat přináší uživateli přidanou hodnotu pouze v případě, že klíčové údaje jsou sbírány automatizovaným způsobem. Je totiž ověřeno, že teprve v okamžiku, kdy je v tomto procesu eliminován lidský faktor, začínají získané informace fungovat jako spolehlivý nástroj pro motivaci pracovníků, kontrolu a podporu rozhodování.

Použité zdroje:
Automatizovaný sběr dat ve výrobním procesu, IT Systems 4/2001
Slavomír Skopalík, Sběr dat z výroby z pohledu systémového integrátora, Automa 6/2004

Autor pracuje jako key account manager ve společnosti Merz.