Effizienzsteigerung durch Visualisierung und frühzeitiges Eingreifen

Verbesserung der Wirtschaftlichkeit durch die Visualisierung von Produktionsprozessen

An den Fertigungsstandorten geht der Trend weg vom Auffinden fehlerhafter Messobjekte hin zu Prüfungen, die zu einer Problemlösung führen. Die Fertigung erfordert heute nicht mehr nur Prüfungen. Sie erfordert das Erkennen von Problemen in Produktionsprozessen und die frühzeitige Verbesserung durch die Visualisierung von Prüfinformationen. Im Folgenden werden wir die Auswirkungen einer verbesserten Wirtschaftlichkeit durch die Visualisierung von Prüfinformationen in Produktionsprozessen untersuchen.

Das IoT in der Fertigungsindustrie

Das IoT (Internet der Dinge) ist zu einem Schlüsselbegriff bei der Realisierung von Visualisierungen an Produktionsstandorten geworden. Das IoT bezieht sich auf Mechanismen und das allgemeine Konzept, verschiedene Dinge über das Internet zu verbinden, um Informationen auszutauschen und gegenseitige Kontrolle auszuüben.

Die Vernetzung der Produktionsstandorte hat sich in den letzten Jahren ausgeweitet. Ausgehend von internationalen Einrichtungen werden auch globale Netzwerke ausgebaut, was den Informationsaustausch komplizierter gemacht hat. Um diese unterschiedlichen Informationen integriert verwalten zu können, steigt der Bedarf am IoT.

Die Einführung des IoT in Produktionsstätten ermöglicht die zentrale Verwaltung der Informationen von unterschiedlichen Sensoren und Geräten, von ein- und ausgehenden Produkten und den Ergebnisse von Prüfungen in jedem Prozess; die Gewinnung von Prüfungsinformationen aus der Produktionsstätte in Echtzeit und die Verknüpfung dieser unterschiedlichen Informationsarten. Das Ergebnis ist, dass Untersuchungen zur Ermittlung von Problemursachen reibungsloser ablaufen. Damit ist es möglich, vom Auffinden fehlerhafter Messobjekte zu Prüfungen überzugehen, die zur Problemlösung führen.

Um das IoT zu realisieren, ist es zunächst notwendig, die Informationen aus den Produktionsstandorten auszutauschen (d. h. diese Informationen sichtbar zu machen). Denn ohne die Prüfinformationen vor Ort, auf denen die Produktionskontrolle und Rückverfolgbarkeit beruht, ist es nicht möglich, das IoT für die Gesamtheit einer Produktionsstätte oder eines Unternehmens zu realisieren. Hier kommt die Prüfung mit Bildverarbeitungssystemen ins Spiel. Bei einem Bildverarbeitungssystem entfällt die manuelle Eingabe von Prüfergebnissen. Die Ergebnisse können effizient in einer Datenbank gespeichert und verwaltet werden. Der Schlüssel zur Realisierung des IoT liegt in der Verknüpfung von Bildverarbeitungssystemen und Datenbanken.

Anbindung von Bildverarbeitungssystemen und Datenbanken

Die Realisierung einer Visualisierung in den Produktionsstätten mit dem IoT reduziert den Zeitaufwand für Untersuchungen zur Ermittlung von Problemursachen, stabilisiert so die Produktion und führt zu einer verbesserten Wirtschaftlichkeit. Dies führt zu einer verbesserten Produktionseffizienz und -sicherheit sowie zu Rückverfolgbarkeitsgarantien, die es ermöglichen, das Vertrauen von Geschäftspartnern und Anwendern zu gewinnen. Die Visualisierung in Produktionsstätten durch den Einsatz des IoT führt zu besseren Ergebnissen hinsichtlich der Qualität (Q), der Kosten (C) und der Auslieferung (D).

Visualisierung mit Bildverarbeitungssystemen (GUI)

Um die Visualisierung von Produktionsprozessen zu realisieren, ist es notwendig, die Zuordnung, Speicherung, Verwaltung und Suche nach Prüfergebnissen (jederzeit) zu ermöglichen.

  • Wann und woher kamen die Materialien und Teile?
  • Wie werden Materialien und Teile gelagert?
  • Welche Materialien und Teile wurden zur Herstellung von Produkten verwendet?
  • Wer war für die verschiedene Prozesse verantwortlich und zu welchen Zeiten?
  • Wer war für eine Prüfung verantwortlich und was waren die Ergebnisse?
  • Sind Prüfergebnisse und Prüfbilder verknüpft?
  • Welches Produkt wurde wann geliefert? Sowie andere ähnliche Fragen.

Die Visualisierung verbindet, speichert und verwaltet die an den Produktionsprozessen beteiligten Personen, Dinge und Informationen und macht diese durchsuchbar. Mit anderen Worten: Sie gewährleistet die Rückverfolgbarkeit.

Mit Werkzeugen wie Lichtschranken und Prüfvorrichtungen kann jedoch nur festgestellt werden, ob die Prüfergebnisse ein IO oder NIO ergeben. Detaillierte Informationen wie Abmessungen und Formen können mit solchen Werkzeugen nicht ermittelt werden. Da detaillierte Informationen über die Prüfergebnisse nicht erhältlich sind, ist es schwierig, konkrete Verbesserungspläne zu erwägen. Bei Prüfungen mit Bildverarbeitungssystemen ist es möglich, eine Vielzahl von Informationen wie Abmessungen, Formen und Zeichenerkennung mittels OCR-Technologie zu bewahren. Diese Informationen können einfach gespeichert und verwaltet werden. Eine Visualisierung ist möglich, indem diese Detailinformationen mit den entsprechenden Bildern verknüpft werden und über den gesamten Produktionsprozess hinweg durchgängig verwaltet werden.

Haben Sie schon einmal eines der folgenden Probleme gehabt?

Wenn auch nur einer dieser Punkte auf Sie zutrifft, können Sie Ihre Rentabilität durch die Einführung eines Bildverarbeitungssystems erhöhen.

  • Wir verwenden photoelektrische Sensoren und Prüfvorrichtungen, können aber keine detaillierten Informationen erhalten.
  • Wir erhalten aus den Prüfungen nur IO/NG-Daten, aber keine Hinweise zur Verbesserung unserer Prozesse.
  • Wir verwenden manuelle Eingaben, um die Informationen, die wir erhalten, zu verwalten, was umständlich ist.
  • Wir verwenden manuelle Eingaben, um Informationen zu verwalten, so dass die Möglichkeit von menschlichen Fehlern besteht.
  • Wir verwalten Prüfergebnisse und Bilder getrennt, so dass es nicht möglich ist, gleichzeitig nach Prüfergebnissen und Bildern zu suchen.

Um Prüfergebnisse und archivierte Bilder zu verwalten, war es bislang notwendig, eine eigene Datenbank aufzubauen. Mit "Vision Database (kompatibel mit der Modellreihe CV-X/XG-X)", einer speziell für KEYENCE-Bildverarbeitungssysteme entwickelten Datenbank, können Prüfergebnisse und archivierte Bilder über einen längeren Zeitraum verknüpft und gespeichert werden, was die Suche nach diesen Informationen mit Parametern wie Datum oder Chargennummer erleichtert. Die Konfiguration ist einfach: Einfach Bildverarbeitungssystem und PC verbinden und die zu speichernden Prüfdaten auswählen. Die Software unterstützt die Realisierung einer Visualisierung, indem sie alle Elemente, die für die Umwandlung von Informationen in eine Datenbank erforderlich sind, bündelt.

„Vision Database", eine Datenbank, die speziell für Bildverarbeitungssysteme entwickelt wurde

Einfache Suche nach gespeicherten Daten nach Datum

Über eine Million Dateneinträge können gespeichert werden, was das Auffinden der Ergebnisse und Bilder einer bestimmten Prüfung durch die Suche nach Datum erleichtert.

* Die maximale Datenmenge, die gespeichert werden kann, hängt von der verwendeten Umgebung ab.
Verwaltung durch Zuordnung von Chargennummern und Strichcodes

Die OCR-Technologie kann zur Verwaltung verwendet werden, indem Bilder und Informationen wie gelesene Chargennummern, Strichcodes und 2D-Codes verknüpft werden. Auch die Verknüpfung, Verwaltung und Suche von Kanban-Daten und Strichcode-Suchergebnissen anderer Prozesse ist möglich, was die Verfolgung und Rückverfolgung von Produkten während des gesamten Produktionsprozesses ermöglicht.

Erneute Tests, Analysen und Verbesserungen aus früheren NG-Produktbildern

Es ist möglich nach früheren Prüfungsergebnissen zu suchen und erneute Prüfungen an NG-Bildern durchzuführen. Dadurch können die Ursachen von Problemen aus den gespeicherten Daten aufgespürt werden.

Ausgabe des monatlichen NG-Prozentsatzes und der Zahl der Erkennungen in einem Bericht

Prüfergebnisse und Bilddaten können verknüpft und in Excel analysiert oder ausgewertet werden. Auch die Erstellung von Monatsberichten auf Basis der Daten aus der Vision Database ist problemlos möglich.

Beispiel für verbesserte Wirtschaftlichkeit durch Visualisierung

Dieser Abschnitt stellt eine Formel zur einfachen Berechnung der Rentabilitätssteigerung vor, die durch Visualisierung mit einem Bildverarbeitungssystem und der Datenbank „Vision Database" erzielt wird. Wir hoffen, dass Sie diese Formel verwenden werden, wenn Sie ein Bildverarbeitungssystem und eine Datenbank in Betracht ziehen.

Berechnung der Rentabilitätssteigerung

Für die Durchführung von Untersuchungen erforderliche Stunden zur Ermittlung der Ursachen von Problemen × Produktionsvolumen während dieser Zeit x Stückkosten des Produkts × Häufigkeit solcher Untersuchungen = Rentabilitätssteigerung

【①】Stunden × 【②】Positionen × €【③】 × 【④】Zeiten = Rentabilitätssteigerung von €【  】 /Monat

Kalkulationsblatt zur Verbesserung der Rentabilität

① Für die Durchführung von Untersuchungen erforderliche Stunden zur Ermittlung der Ursachen von Problemen Stunden
② Produktionsvolumen während dieser Zeit x Stückkosten des Produkts Positionen
③ Häufigkeit solcher Untersuchungen
④ Rentabilitätssteigerung Zeiten

Rentabilitätssteigerung von € 0 /Monat

Bitte geben Sie einen numerischen Wert ein

Berechnungsbeispiel

Ein Problem, für dessen Untersuchung der Ursache 10 Stunden benötigt werden, tritt zweimal im Monat auf. Mit einem solchen Problem verzögert sich die Produktion von 1.000 Produkten (jedes mit einem Stückpreis von €1). Welche Art von Rentabilitätssteigerung wird durch die schnelle Umsetzung von Gegenmaßnahmen mit Visualisierung erreicht?

10 Stunden x 1.000 Stück x €1 x 2 Mal = €20.000/month

Die monatliche Rentabilitätssteigerung beträgt €20.000!

0800-5393623

0800-5393623

Seitenanfang