美知名肉企计划加速“机器换人”,工业自动化的下一步?

2020-07-16 11:33:49 admin 7

近日,《华尔街日报》报道,美国泰森食品公司计划加速开发加工机器人的项目。据悉,受疫情影响,泰森食品工厂因员工感染新冠而被迫关闭。其实,泰森食品近年来已投资5亿美元在自动化技术,去年成立制造自动化中心。而正在研发的机器人项目可以替代部分工人,每周能为3900万只鸡去骨甚至实现更多工序,从而降低产线对人的依赖。

图片关键词

国内部分企业,尤其是制造企业,近年来已经完成或者正在进行自动化生产线的建设。疫情的爆发在一定程度上也成为国内制造企业的自动化步伐。然而,自动化生产效率上去了,由于产线上的关键设备往往价格不菲,且在产线上占有不可或缺的地位,产线的维护,尤其是这些关键设备的运维成为企业关注的问题。

“机器换人”是企业转型升级的第一步。企业需要结合实际,考虑一连串的问题。如前文提到的产线运维怎么做?关键设备的运维怎么做?维修人员知识水平能否跟上设备升级?设备备件库存量怎么控制……

过去实施的预防性维护,往往故障排查效率低、潜在故障预警难、预防措施不及时、维修经验传承难。在这个问题上,行业的解决方案是对工业自动化的关键设备进行预测性维护。采用这种维护方式能够大幅降低维护成本和机器故障率。从而实现生产的优化和成本的降低。

随着技术发展,实行预测性维护其实并不难。在关键设备中实行预测性维护主要需要几个步骤:

第一,采集设备数据。预测性维护的价值发挥很大程度上取决于采集的数据数量和质量。在今年2月工信部办公厅印发的《工业数据分类分级指南(试行)》中提到,工业数据包括但不限于控制信息、工况状态、工艺参数、系统日志等生产数据域、物流数据、产品售后服务数据等运维数据域、系统设备资产信息、客户与产品信息、产品供应链数据、业务统计数据等管理数据域等等。

预测性维护主要关注的是生产数据域上的数据,通过传感器便可以采集到其中的关键信息。由此,寰球为设备关键部件配备了MEMS振动传感器,助力企业从监测设备振动数据入手,首先把设备数据抓取上来,以单个设备为切入点,实现设备状态的监测。

图片关键词

第二,故障诊断和预警俗话说,工欲善其事必先利其器。在数据采集数量和质量得到保证之后,需要有更进一步的算法和机理模型支持,让这些数据的应用和我们的需求结合起来,使其呈现出真正价值。这便需要一步一步打造和完善企业基于大数据的工业大脑。工业大脑能够将数据流动起来、并对其进行充分的分析利用:对设备故障的快速诊断定位、对设备异常进行分析排查,进行故障预警等等。

如宝钢集团从设备远程运维入手建立的工业互联网平台,是降低设备运维成本5%以上、提升检修作业效率10%以上、提升备件使用效率10%,且实现四个维度的转变:从被动处理到主动管控、从单一数据专项分析到大数据综合分析、从基于经验的预防性维修到基于数据的预测性维修、从单纯反馈设备状态到提供整体解决方案。(数据来源:赛迪研究院)

第三,形成标准化体系。这样做的目的,是通过标准化将经验固化,让运维能够摆脱时间、经验、地域等因素的限制,从而让企业运维乃至行业运营不断地迭代升级。


电话咨询
产品服务
解决方案
QQ客服