Case Study FMCG
Internet Rzeczy (IoT) nie jest już wizją przyszłości – stał się częścią naszej codzienności. Inteligentne termostaty pomagają ograniczać zużycie energii, urządzenia ubieralne monitorują zdrowie, a połączone systemy zmieniają sposób, w jaki korzystamy z technologii i otaczającej nas infrastruktury!
W IoTabe pokazujemy najnowsze kierunki rozwoju IoT, praktyczne zastosowania oraz ich wpływ na domy, miasta, przedsiębiorstwa i przemysł. Śledzimy zmieniający się świat połączonych urządzeń i rozwiązań opartych na danych.
Przegląd rozwiązania
To case study przedstawia system monitorowania wskaźnika Overall Equipment Effectiveness (OEE), oparty na technologii Internetu Rzeczy i usługach Microsoft Azure. Rozwiązanie wspiera integrację, cyfryzację oraz automatyzację procesów produkcyjnych, odpowiadając na kluczowe wyzwania biznesowe i wykorzystując elastyczność oraz skalowalność platformy Azure.
System zapewnia skalowalne i opłacalne podejście, w którym przedsiębiorstwo płaci wyłącznie za faktycznie wykorzystywane zasoby. Pokazuje również, że platforma Azure może być rozwijana i utrzymywana przez użytkowników po odpowiednim przeszkoleniu z konkretnych narzędzi i usług, co ogranicza zależność od zewnętrznych dostawców i ułatwia dalszy rozwój rozwiązania.
Wdrożenie CORE w wiodącej firmie z branży FMCG
Zobacz, jak wdrożyliśmy system monitorowania OEE CORE w firmie Upfield (Flora FG) – największym na świecie producencie roślinnych produktów konsumenckich.
Kluczowe usługi Microsoft Azure
1. Azure Data Factory
Integruje różne źródła danych w centralnym repozytorium
2. Azure IoT Hub
Łączy urządzenia IoT i umożliwia ich zarządzanie
3. Microsoft PowerApps
Zapewnia przyjazny interfejs człowiek-maszyna
4. Azure Stream Analytics
Umożliwia wizualizację danych w czasie rzeczywistym
5. Power BI
Wspiera analizę danych historycznych i raportowanie
6. Power Automate and Azure Logic Apps
Obsługują systemy alertów oraz automatycznych powiadomień
Założenia wdrożenia CORE
Idealny system do monitorowania wskaźników efektywności produkcji, w tym OEE, powinien:
- integrować się z systemami ERP, aby pobierać zlecenia produkcyjne oraz bieżące dane o produktach,
- być niezależny od wykorzystywanej technologii produkcji, dostawców maszyn i protokołów wymiany danych,
- zapewniać operatorom intuicyjny interfejs do wprowadzania informacji oraz dostępu do danych bieżących i historycznych,
- umożliwiać przesyłanie danych w czasie rzeczywistym na poziomie produktu lub przestoju, z dostępem z dowolnego miejsca,
- gromadzić dane historyczne do analizy trendów i przyczyn przestojów oraz prezentować je w czytelnej formie,
- wspierać zaawansowaną analitykę z wykorzystaniem uczenia maszynowego i sztucznej inteligencji,
- posiadać system alertów dla operatorów, planistów i pracowników magazynu,
- elastycznie dostosowywać się do specyfiki różnych przedsiębiorstw,
- działać w ramach szerszej architektury, w której dane ze wszystkich zakładów trafiają do centralnego repozytorium, umożliwiając globalne raportowanie i wymianę wiedzy,
- pozostawać niezależny od jednego dostawcy oraz umożliwiać dalszy rozwój przez innych wykonawców lub przeszkolonych pracowników zakładu.
Takie założenia można zrealizować dzięki modułowej architekturze opartej na niezależnych usługach, komponentach i urządzeniach IoT.
Architektura danych
Poniższa architektura przedstawia modułowe rozwiązanie oparte na usługach Azure oraz terminalach IoT wyposażonych w sensory.
1. Integracja danych:
Azure Data Factory pobiera dane z różnych systemów zarządzania produkcją, przetwarza je i zapisuje w centralnym repozytorium opartym na Azure SQL Database. Repozytorium staje się głównym, wiarygodnym źródłem danych i umożliwia sprawną wymianę informacji między systemami.
2. Dostosowanie do różnych maszyn:
Azure IoT Hub zbiera dane z niezależnych sensorów IoT zamontowanych bezpośrednio na maszynach, wstępnie je przetwarza i przekazuje do centralnego repozytorium. Usługa umożliwia również zdalne zarządzanie sensorami.
3. Interfejs człowiek–maszyna:
Microsoft Power Apps zapewnia konfigurowalną aplikację, dzięki której operatorzy mogą korzystać z systemu na urządzeniach mobilnych i w przeglądarce internetowej oraz samodzielnie podejmować decyzje na podstawie aktualnych danych.
4. Wizualizacja danych w czasie rzeczywistym:
Azure Stream Analytics przetwarza dane strumieniowe i przekazuje je do narzędzi analitycznych oraz wizualizacyjnych, takich jak Power BI.
5. Analiza danych historycznych:
Dane z sensorów IoT przechowywane w centralnym repozytorium są łączone z innymi źródłami. Na ich podstawie Power BI tworzy dedykowane raporty dotyczące przestojów, niewykorzystanych mocy produkcyjnych, strat materiałowych i kosztów.
6. Zaawansowana analityka:
Azure Machine Learning wspiera zaawansowane analizy, w tym trenowanie modeli wykrywających wczesne symptomy awarii maszyn na podstawie danych z sensorów.
7. System alertów i powiadomień:
Power Automate i Azure Logic Apps obsługują alerty oraz powiadomienia, przekazując pracownikom automatyczne wiadomości i komunikaty w aplikacji.
Skalowalność i elastyczność
System można łatwo skalować zarówno w obrębie jednego zakładu, jak i całej organizacji. Dodawanie użytkowników czy zwiększanie pojemności bazy danych odbywa się bezpośrednio w Azure Portal. Dołączenie kolejnych fabryk wymaga niewielkiego nakładu pracy, a dane historyczne i bieżące pozostają dostępne w całej organizacji, tworząc cyfrowy obraz produkcyjnego łańcucha dostaw.
Usługi Azure są dobrze udokumentowane i mają modułową budowę, dzięki czemu przeszkoleni pracownicy mogą samodzielnie utrzymywać i rozwijać system. Ogranicza to ryzyko uzależnienia od jednego dostawcy i pozwala kontrolować koszty dzięki szerokiemu rynkowi usług opartych na technologiach Microsoft.
Możliwości rozbudowy
CORE to nie tylko system monitorowania OEE, ale skalowalna platforma rozwijana wraz z potrzebami organizacji. Można ją rozszerzyć o moduły raportowania odpadów, zarządzania jakością, bezpieczeństwa oraz planowania produkcji, zyskując szerszy dostęp do danych i większą kontrolę nad procesami.
System można także rozbudować o kolejne usługi Microsoft Azure, takie jak Custom Vision do wykrywania wad w czasie rzeczywistym na podstawie obrazu z kamer czy Azure Databricks do zaawansowanej analityki wykorzystującej sztuczną inteligencję.
