big data industry 4.0 quality · cloud -tárolás jelentés dashboard operational intelligence...

Q–DAS® | STATISTICS DRIVES SUCCESS

Big Data – Industry 4.0 – Quality

Dr.-Ing. Edgar Dietrich

Q-DAS GmbH & Co. KG

Weinheim, Germany

1

<Q-DAS Präsentation 2014>

A TUDÁSBÓL SZÁRMAZÓ NYERESÉG

FOLYAMATOK GYORS MEGÍTÉLÉSE


2

<Q-DAS_Forum_2013_ST.pptx|2013-11-28|ST>

1960 1970 1980 1990 2000 2010 2020

Big Data

xaas (Cloud)

Client-Server

Minicomputer

Mainframe

Big Data


3


Feladatkitűzés

„ … és ez itt, egyszerűen

ábrázolva, az én

elképzelésem, hogy miként

lehetne a gyár

optimalizálását fokozni.

Van kérdésed?”


4

< Dateiname/Autor/Datum > © Copyright Q-DAS® GmbH & Co. KG

A munka világában

a dolgok egyre

komplexebbek

lesznek

A tárolt tudás nagy

adat-

mennyiséghez

vezet: „Big Data”.

Az embereknek a

munkájukhoz magas

döntési minőségre van

szükségük!

Szezorok,

„Kézi” adatrögzítés

(preditiv)

Elemzések

Felismerés

Kérdések & Feleletek

A tudásból származó nyereség


5


Különböző

információ-

források

Adattárolók és

hálózat

Munkatársak

átvitel

A validált mérőszámok választ adnak!

feldolgozás

elemzés

Hogyan tehetünk szert nyereségre a tudásból?


6


Mérő

folyamatok

Gyártás / Mérőlabor Tervezés Adat-

források SPS,

szenzorok

További rendszerek

ERP MES CAQ CRM

gyártásközeli gyártástól távoli

Mérési adatok Vezérlési

adatok Adatbank

Hadoop /

Cloud

Adat-

tárolás

Jelentés Dashboard Operational

Intelligence Eredmények,

mérőszámok

Predictiv

elemzés

Meglévő adatforrások Új adatforrások

Adatok / Text

Mining

Ad hoc

elemzés

Internet (dolgok +

szolgáltatások)

mailek, videok, dokuk,

Web Logok, közösségi média

Hagyományos és új elemek az ipari termelésben


7


Út az „ipar 1.0”- tól az „ipar 4.0”

2. Ipari forradalom A tömeggyártás bevezetése, villamos energiát felhasználva

1. Ipari forradalom Víz- és gőzgajtású mechanikus gyártó berendezések bevezetése

3. Ipari forradalom Az elektronika és az IT bevezetése a gyártás további automatizálásához

4. Ipari forradalom Cyber-Physical rendszerekre építve

Első mechanikus szövőszék 1784

Első futószalag Cincinatti vágóhíd 1870

Első SPS Modicon 084 1969

18. század vége

20. század eleje

20. század, a 70-es évek eleje

napjaink

idő

A k

om

ple

xit

ás f

oka


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.

8


Az „ipar 4.0” célkitűzése


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.

9


Prof. Schmitt, WZL TWTH Aachen 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.

10


Prof. Bauernhansl, IPA Stuttgart megállapítása


11


Big Data

Industry 4.0

Minőségi

adatok

Privát Cloud

Big Data – Ipar 4.0 – Minőségi adatok – Belső Hálózat


12


Mérő

folyamatok


források SPS,

Szenzorok

További rendszerek

ERP MES CAQ CRM

gyártásközeli gyártástól távoli


adatok Adatbank

Hadoop /

Cloud

Adat-

tárolás


Intelligence Eredmények,

mérőszám-

ok

Predictiv

elemzés

Meglévő adatforrások Új adatforrások

Adatok / Text

Mining

Ad hoc

elemzés

Internet (dolgok +

szolgáltatások)



A cég belső hálózata Külső hozzáférés

Hagyományos és új elemek a gyártásban


13


Mérő

folyamatok


források SPS,

Szenzorok

További rendszerek

ERP MES CAQ CRM


adatok Adatbank

Hadoop /

Cloud

Adat-

tárolás

Internet (dolgok +

szolgáltatások)



Adatkonszolidálás

konvertálás, kiegészítés, plauzibilizálás, struktúrálás, átadás … Adat-

konszolidálás


14



adatok Adatbank

Hadoop /

Cloud

Adat-

tárolás


Intelligence

Eredmények

szolgáltatása

Predictiv

elemzés

Adatok / Text

Mining

Ad hoc

elemzés

Adatelemzés

Adat-

elemzés adatszelektálás, statisztikai kiértékelés, feldolgozás, kommunikáció, …


15


Adatkiértékelés – Smart Data és Adatelemzés

Mérő

folyamatok


források SPS,

Szenzorok

További rendszerek

ERP MES CAQ CRM


adatok Adatbank

Hadoop /

Cloud

Adat-

tárolás

Internet (dolgok +

szolgáltatások)



konvertálás, kiegészítés, plauzibilizálás, struktúrálás, átadás … Adat-

konszolidálás


Intelligence

Eredmények

szolgáltatása

Predictiv

elemzés

Adatok / Text

Mining

Ad hoc

elemzés

Adat-

elemzés kiértékelés, feldolgozás, kommunikáció, …


Ismeretek

a folyamatról

COLLECTING (GYŰJTÉS)

ASSESSING (MEGFIGYELÉS)

MANAGING (IRÁNYÍTÁS)

EVALUATING (KIÉRTÉKELÉS)

REPORTING (JELENTÉS)

ARCHIVING (ARCHIVÁLÁS)

Testteil

<Q-DAS Präsentation 2013.pptx>

16

A Q-DAS CAMERA® Concept Fázisai


17


Adatelemzés

Mérő

folyamatok

Tervezés: megrendelések-, gépek-/ gyártás- és minőségirányítás

Szenzorok MES-

rendszerek

CAQ/SPC-

rendszerek

Jelentés Dashboard Mérőszám

cockpit

Smart Data

adatkonszolidáció

Ad hoc

elemzés

egyebek

Web

Apps

Leképzés a Q-DAS CAMERA® Cocept-ban


Mérő

folyamatok

Gyártás / mérőlabor Tervezés

SPS,

Szenzorok

További rendszerek

ERP MES CAQ CRM

Internet (dolgok + szolgáltatások)



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

Adatkiértékelés


19


Mérő

folyamatok


SPS,

szenzorok

További rendszerek

ERP MES CAQ CRM

Internet (dolgok+szolgáltatások)

Mailek, videok, dokuk, Web

Logo, közösségi média

Adatelemzés

Mér

ési f

olya

mat

ok

alka

lmas

ságá

nak

igaz

olás

a

Gép

ek-

és g

yárt

ási

foly

amat

ok á

tvét

ele

Fol

yam

atok

min

ősíté

se, Q

RK

Fol

yam

at

optim

aliz

álás

, fo

lyam

atpa

ram

éter

ek

beál

lítás

a

A te

rmék

ek

élet

tart

ama

Fol

yam

atok

fe

lügy

elet

e, S

PC

Eredmények

tárolása

Adatkonszolidáció

Smart Data

A digitális termék-”emlékezet” felépítése


20


Adatelemzés

Q-DAS

adatbank

Mér

ési f

olya

mat

ok

alka

lmas

ságá

nak

igaz

olás

a

Gép

ek-

és g

yárt

ási

foly

amat

ok á

tvét

ele

Fol

yam

atok

min

ősíté

se,

QR

K

Fol

yam

atop

timal

izál

ás,

foly

ama

tpar

amét

erek

beál

lítás

a

A te

rmék

ek é

letta

rtam

a

Fol

yam

atok

felü

gyel

ete,

SP

C

Projektirányítás

Feladatok

Q-DAS termékek

Eredmények tárolása

Q-DAS termékek a digitális termék-”emlékezet” felépítéséhez


A termékjellemzők tudják, hogy mikor kell őket ellenőrizni, és

ismerik az alkalmas mérési folyamatot.

21


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.

Információbázis – példaszerű feladatkitűzések


22


Adatelemzés

Mérő

folyamatok


SPS,

Szensorok

További rendszerek

ERP MES CAQ CRM

Adatkonszolidáció

Smart Data

Internet (dolgok + szolgáltatások)

Mailek, videok, dokuk,

Web Logs, közöségi média

Digitalis termékemlékezet

Kommunikáció a

környezettel

Kommunikáció a

környezettel

Industry 4.0 – Quality 4.0


23


M11

M12

M1n

M21

M22

M2n

Mk1

Mk2

Mkn

OP1…OPi OPi+1…OPj OPk…OPm Műveletek

Műveleti sorrend Műveleti sorrend

Géptípus 1

Typ 1 Typ 2 Typ k

Példa: intenzív (agilis) gyártás


24


Terméktípus 1

Változat 1 Jellemző 1

Jellemző n

Változat 2

Változat k

Terméktípus 2

Jellemző 2

Termék áttekintés


25


Gép M11 Szerszám 1

Szerszám k

Géptípus

Szerszám 2

OP1…OPi

OPi+1…OPj

Gép M12

Gép M1n

Folyamat áttekintés


Control 2013

26


Köszönöm a

figyelmet!

A TUDÁSBÓL SZÁRMAZÓ NYERESÉG

FOLYAMATOK GYORS MEGÍTÉLÉSE

big data industry 4.0 quality · cloud -tárolás jelentés dashboard operational intelligence...

Documents