Incluye la transparencia del proceso

Los sistemas de detección de estado (CMS) detectan cambios y anomalías en el proceso de producción. Advierten de daños incipientes, detectan desviaciones en la calidad, supervisan la estabilidad de un proceso de producción y garantizan un control de calidad constante en todas las etapas de producción y creación de valor. En este contexto, los sistemas de agarre y los dispositivos de sujeción están cobrando cada vez más importancia debido a su posición más cercana a la pieza.

La demanda por parte de los usuarios de una mayor productividad, disponibilidad de sistemas automatizados y seguridad del proceso repercute en las máquinas y en los sistemas automatizados empleados en la producción moderna. La capacidad de llevar a cabo una detección continua del estado se está convirtiendo cada vez más en un criterio clave en la selección de componentes. La capacidad de analizar los datos de producción y calidad al ritmo de la producción ofrece un potencial de ahorro de costes significativo, una mayor eficiencia operativa y una mejor calidad de la producción.

Pero sobre todo, está demostrado que la mayor disponibilidad de sistemas automatizados y el mantenimiento oportuno mejoran la eficiencia operativa. Lo ideal es que los tiempos de inactividad no previstos de los sistemas automatizados puedan eliminarse por completo. A su vez, la calidad del producto puede incrementarse incorporando datos sobre el desgaste de la máquina en los controles del proceso y prediciendo las desviaciones de las medidas de calidad estándar, de modo que se puedan tomar las medidas necesarias a tiempo.

No solo leer los datos, sino también analizarlos
Ya hay una enorme cantidad de datos generados por las máquinas y sistemas automatizados, los componentes y las herramientas inteligentes que se encuentran en las fábricas de las empresas manufactureras. Sin embargo, solo se utiliza realmente una parte muy pequeña de estos datos: las previsiones sugieren solo alrededor de un cinco por ciento. Hasta ahora, los valores registrados por los sensores han tenido muy poca importancia, y a lo sumo se han utilizado en caso de daños o para la resolución de problemas.

Utilizando estos datos existentes de manera integral, sistemática y, lo que es más importante, en tiempo real, se pueden lograr escenarios de fabricación inteligente que prometen beneficios sustanciales. Al mismo tiempo, el grado de interconexión y digitalización también se asocia con un rápido aumento de la cantidad de datos que se generan, lo que significa que puede existir el riesgo de que las conexiones con los centros de datos en la nube no puedan hacer frente al gran número creciente de flujos de datos y que se puedan producir tiempos de inactividad y largos períodos de latencia.

Por ello, los proyectos de investigación actuales se centran en un cambio fundamental en la forma de entender los datos. Ya no se trata simplemente de recoger datos como antes, sino de analizarlos in situ y convertirlos en información útil. El objetivo principal es cómo perfeccionar los macrodatos y convertirlos en datos inteligentes. Por ejemplo, es necesario preparar información sobre si un sistema automatizado está funcionando correctamente y si se le han aplicado las medidas recomendadas adecuadas.

Ensayos de componentes integrados
Esto permite comprobar las características de calidad de los componentes durante la manipulación, así como tomar decisiones OK/NOK directamente en la pinza. Los datos registrados en la pinza son procesados previamente y analizados en los componentes en tiempo real para que se activen las respuestas adecuadas.

Esto reduce el volumen de datos que se ha transferir a lo que realmente se necesita, es decir, se transmite una cantidad abrumadora de datos como parámetros significativos o indicadores clave de rendimiento (KPI). Además de las estadísticas sobre el tiempo de inactividad estándar, los KPI más importantes son los índices de capacidad del proceso (Cp) procedentes del análisis estadístico del proceso y la eficiencia de utilización del sistema automatizado general. Esto mide tres tipos de datos de rendimiento y utiliza métodos multiplicativos para fusionarlos en un indicador de productividad global, la eficiencia total del sistema automatizado o la eficacia global del equipo (OEE).

www.schunk.com

  Solicite más información…