Interview om 4.0 NOW-Factory: ”Kombination af innovationer”

02-06-2020

I 2019 åbnede SICK dørene til den nye 4.0 NOW-Factory i Freiburg. I mellemtiden er det ikke kun grupper af besøgende, der har fået et spændende indblik i produktionen; også Joachim Schultis, Head of Operations Photoelectric Sensors & Fibers, har fået et spændende indblik i selve fabrikken. Hvilken lærdom har Schultis og hans team fået gennem de sidste måneders drift? Det taler han om på SICKs sensorblog.

What have Schultis and his team learnt from the operation during recent months? He spoke about this with the SICK Sensor Blog.
Joachim Schultis (t.v.), Head of Operations Photoelectric Sensors & Fibers
What have Schultis and his team learnt from the operation during recent months? He spoke about this with the SICK Sensor Blog.
Joachim Schultis (t.v.), Head of Operations Photoelectric Sensors & Fibers

 

Hr. Schultis, du er produktionschef i en fabrik, der arbejder efter principperne i Industri 4.0. Hvordan adskiller din opgave sig fra den opgave, som en produktionschef i en traditionel fabrik har?

Schultis I en traditionel fabrik handler det om, at man løbende skal øge den samlede effektivitet ved brug af kendte fremgangsmåder og metoder. For en Industri 4.0-fabrik er målet præcist det samme, nemlig at øge den samlede effektivitet. Men måden at opnå målet på er anderledes. Det drejer sig hovedsageligt om at lære af det, vi ser, og træffe de rigtige valg for fremtiden. Det nye åbner op for muligheder for at bryde de grænser, som ”den gamle verden” sætter, og definere samlet effektivitet på en ny måde – uanset hvilken disciplin, teknologi eller metode, vi taler om. Som produktionsleder handler det om at lære af de nye fremgangsmåder og have modet til at bryde grænserne for det, vi kender. I den sammenhæng udgør de nye teknologier den egentlige forudsætning for overhovedet at kunne flytte grænserne.

 

Hvilken Key Learning har du fået gennem de sidste måneders drift?

Schultis Den kompleksitet, der er forbundet med et nyt produktionssystem, som det, vi har skabt her, betød nye udfordringer for organisationen. Vi måtte organisere os på en ny måde, så vi dels kunne producere markedsorienteret i henhold til kundernes behov og dels videreudvikle produktionssystemet i sin helhed, samtidigt med at der skulle integreres nye varianter. Her når traditionelle planlægnings- og styringssystemer ret hurtigt deres begrænsninger. For at kunne leve op til kravene indførte vi smidige arbejdsmåder, så vi meget mere fleksibelt kunne reagere på de målkrav, der ændrer sig dynamisk. For at kunne tage beslutninger tager vore behændige teams på deres stand-up meetings og sprints udgangspunkt i realtidsdata eller allerede behandlede informationer, som vi indsamler gennem data mining-processer. Og rent faktisk er vi også her først nået til begyndelsen og lærer hver dag nyt. For at vende tilbage til dit spørgsmål om ”Key Learnings”, så har vi lært, at vi skal kombinere tekniske og organisatoriske innovationer for at kunne handle markant hurtigere og mere målrettet og udnytte de nye merværdier.

 

 

 

Kan du beskrive fordelene nærmere? 

Schultis I de seneste måneder har vi for eksempel implementeret nye produkter i produktionslogistikken. Her har vi allerede i prototype-fasen kunnet drage fordel af de højautomatiske anlæg og skulle ikke manuelt bygge et ekstra anlæg op til prototyperne. Og det virker. Fabrikkens fleksibilitet taler for sig selv. Vi fremstiller prototyper samtidigt med standardprodukter.

 

Hvordan realiserer I denne fleksibilitet? 

Schultis Vores fabrik er opbygget i moduler. De enkelte fuldautomatiske og delvist automatiske produktionsmoduler er forbundet med hinanden via selvstændigt kørende vogne (AGC’er). I modsætning til den kontinuerlige standardproduktion kan vi bare lade et forsøg køre eller ganske enkelt implementere nye produkter. Når der opstår en lille driftsforstyrrelse, standser den ikke straks et helt produktionsanlæg. Det viser den totale fleksibilitet. Det betyder, at vi i opstartsfasen har væsentligt færre problemer. Undervejs er vi meget mere pålidelige og oplever meget større grader af frihed.

 

Hvad sker der, når et anlæg udsættes for en driftsforstyrrelse? Ville et andet bare kunne tage over?

Schultis Ja, det kan lade sig gøre. Ganske vist har vi ikke dobbelt af alt, men vi har processer, som vi kan udføre enten fuldautomatisk eller manuelt. Her overtages styringen af materialeflowet af det overordnede Manufacturing Control Systems, som er specielt udviklet til fabrikken.

 

Sidste år nævnte du fem produktfamilier. Hvad er status på det? 

Schultis I mellemtiden har vi implementeret yderligere to produktfamilier og har således p.t. syv produktfamilier i produktionsprocessen. Der vil blive tilføjet to mere inden årets udgang. Antallet af varianter vokser i disse familier. Lige nu har vi implementeret et firecifret antal varianter. Maskinerne klarer denne vækst uden problemer. Udover sikre produkter producerer vi p.t. faktisk også ikke-sikre produkter på de samme moduler.

The flexibility of the factory speaks for itself. We produce prototypes parallel to serial production.
The flexibility of the factory speaks for itself. We produce prototypes parallel to serial production.

 

Du nævnte indledningsvis data mining. Vil du dele de erkendelser, som I er nået frem til, med os?

Schultis Vi har inddelt vore data for produktionsmiljøet i tre hovedkategorier. I kategorien Smart Manufacturing dykker vi ned på procesniveauet for at forbedre kvaliteten, øge OEE (Overall Equipment Effictiveness) osv. Det er et højt prioriteret emne. Næste punkt er emnet forebyggende vedligeholdelse. Her anvender vi digitale signaler for at kunne gennemføre vedligeholdelse på den mest effektive måde. På den måde har vi ikke altid faste vedligeholdelsescyklusser, men sensorer og aktuatorer giver besked, hvis der er behov for vedligeholdelse. Den tredje kategori drejer sig om emnet energistyring. Vi har lært, hvad fabrikshallen forbruger af energi i løbet af hele året. Fremover vil denne transparens hjælpe os med at producere så energieffektivt og bæredygtigt som muligt, fordi vi kan producere på tidspunkter, hvor det koster mindre.


Er I også allerede i stand til at drage konsekvenser af dataene? I henhold til Industri 4.0? 

Schultis (griner) Det spørgsmål må jeg besvare med et meget respektfuldt NJAJ. Ja, vi kan allerede drage de første konklusioner. Og ja, jo mere vi beskæftiger os med det, desto større potentiale kan vi se. Et lille eksempel: For tiden overvåger vi trykluften i vore produktionsmoduler digitalt. Det gjorde man ikke tidligere. Først når trykket faldt til under 5 bar, blev vi klar over, hvornår det ville medføre fejl i produktionen. Det overvåger vi nu digitalt med varselsgrænser. Når disse over- eller underskrides, henter vi ved hjælp af BPM (Bosch Performance Manager) en support-billet. Et andet eksempel er cylindrenes operationshastighed. Den vil typisk få os til at opdage tegn på slitage. Dataene vil fremover hjælpe os med at sætte varselsgrænserne for vedligeholdelsen af mange forskellige aktuatorer/sensorer. Målet må være at detektere driftsforstyrrelser/-afbrydelser, før de opstår.

 

Har der allerede været hændelser, som I ikke ville have opdaget uden dataene? 

Schultis Vi oplevede en situation i et modul, hvor vi overvågede trykluften med vores SICK-sensor FTMg. Selve sensoren er forbundet med Cloud via en gateway (TDC-E). I denne Cloud har vi hostet den BPM, der hjælper os med at visualisere dataene. Dermed kan vi detektere pulserende trykluftforsyning og aflede passende foranstaltninger. Hvis vi ikke havde opdaget fejlen, ville konsekvensen have været en ødelagt skifteventil. Vi nåede at udskifte den i god tid og kunne dermed forhindre, at maskinen standsede. Spiller Deep Learning også en rolle for fabrikken fremover? Helt bestemt. Deep Learning er en teknologi, der på mange måder kan hjælpe os med at blive bedre. Vi er lige nu i færd med at arbejde på en løsning, hvor vi kan anvende neuronale netværk i vores kvalitetskontrol. Helt konkret skal det bruges til automatisk optisk inspektion (AOI) af loddesteder, og som skal kunne bruges inline. Du ser altså, at vi hver dag lærer nyt og tester nye teknologier.

 

Vil du afslutte denne sætning for os? Fremtidens fabrik ... 

Schultis … skal startes i nutiden, for ellers vil fremtiden blive ved med at være den ”evige” fremtid. I dag kan vi udnytte muligheden for at generere merværdi ved hjælp af data og dermed producere muligst effektivt.

 

 

Yderligere bidrag:

Lokalisering inde og ude: Fuld transparens i materialeflowet

Sensorer styrer de samarbejdende robotters fremtid

God energistyring med den nye flowmåler til detektion af lækager