كيف يساهم إنترنت الأشياء الصناعي في خفض تكاليف الإنتاج، واكتشاف الاختناقات، وزيادة شفافية العمليات
كيف يمكن لإنترنت الأشياء الصناعي (IIoT) أن يوفر على الشركات تكاليف ضخمة من خلال اكتشاف اختناقات الإنتاج وزيادة وضوح العمليات
قد يبدو خط الإنتاج مشغولًا طوال الوقت، بينما يخسر في الواقع الوقت والإنتاج والمواد والطاقة. فقد تعمل إحدى الآلات بسرعة أقل من المتوقع، أو قد تتكرر توقفات قصيرة دون تسجيلها، أو قد تتسبب إحدى مراحل العملية في إبقاء بقية الخط في حالة انتظار.
عندما يتم جمع هذه المعلومات يدويًا، غالبًا لا يرى المديرون النتيجة إلا بعد انتهاء الوردية. يكون إجمالي الإنتاج معروفًا، لكن تسلسل الأحداث التي أدت إلى انخفاضه لا يكون واضحًا.
إنترنت الأشياء الصناعي (IIoT) يجعل العملية أكثر وضوحًا من خلال جمع بيانات الآلات ووحدات التحكم المنطقية القابلة للبرمجة (PLC) بشكل مستمر. فهو يحول حالات الآلات، وأعداد الإنتاج، وأزمنة الدورات، والأعطال، وإشارات الجودة إلى رؤية مباشرة توضح كيفية أداء الإنتاج فعليًا.
تساعد هذه الرؤية الفرق على اكتشاف اختناقات الإنتاج، وتركيز جهود التحسين على الخسائر ذات التأثير الأكبر في الإنتاج، وتجنب التكاليف التي تظل مخفية في التقارير اليدوية.
لماذا تصبح اختناقات الإنتاج المخفية مكلفة؟
عنق الزجاجة هو الجزء من العملية الذي يحد من إنتاجية تدفق الإنتاج ككل. وليس بالضرورة أن يكون الآلة التي تعرضت لأطول عطل منفرد.
قد يكون القيد الحقيقي:
- آلة تتوقف بشكل متكرر لبضع دقائق
- عملية تعمل بزمن دورة يتزايد تدريجيًا
- مشكلة في تغذية المواد تؤدي إلى إبطاء العملية التالية
- تغيير إعدادات الإنتاج يستغرق وقتًا أطول خلال وردية معينة
- مشكلة في الجودة تؤدي إلى إعادة العمل أو الهدر
- آلة في مرحلة لاحقة تتسبب في انتظار المعدات الموجودة في المراحل السابقة
تؤدي هذه الخسائر إلى تكاليف بأشكال متعددة:
- فقدان وقت الإنتاج
- انخفاض معدل الإنتاج
- الحاجة إلى ساعات عمل إضافية لتعويض خطة الإنتاج
- الهدر وإعادة العمل
- أعمال صيانة غير مخطط لها
- استهلاك زائد للطاقة أثناء التوقف أو التشغيل غير الكفء
- الوقت المستهلك في إعداد التقارير اليدوية ومراجعتها ومطابقتها
من دون بيانات موثوقة عن الأحداث، قد تستجيب الفرق للمشكلة الأكثر وضوحًا بدلًا من المشكلة ذات التأثير الأكبر في الإنتاج.
كيف يجعل إنترنت الأشياء الصناعي الإنتاج أكثر وضوحًا؟
![تدفق بيانات الإنتاج عبر إنترنت الأشياء الصناعي من الآلات ووحدات PLC مرورًا بالمعالجة الطرفية وصولًا إلى لوحات المعلومات وأنظمة الأعمال]\(how-industrial-iot-makes-production-more-visible.webp)
يربط نظام IIoT الآلات ووحدات PLC وأجهزة الاستشعار وأنظمة الإنتاج بطبقة بيانات مشتركة. وبحسب نوع المعدات، قد يتم الاتصال باستخدام بوابة حوسبة طرفية صناعية، أو OPC UA، أو Modbus، أو MQTT، أو بروتوكول PLC صناعي، أو واجهة برمجة تطبيقات (API).
يكون تدفق المعلومات النموذجي كالتالي:
الآلات / أجهزة الاستشعار
↓
PLC / وحدة التحكم
↓
بوابة الحوسبة الطرفية الصناعية
↓
معالجة بيانات IIoT
↓
لوحات المعلومات / التنبيهات / التحليلات
↓
ERP / MES / CMMS
الهدف ليس مجرد جمع المزيد من البيانات، بل إضافة سياق الإنتاج حتى يتمكن الأشخاص من فهم معنى هذه البيانات.
يمكن لإشارة PLC خام مثل:
MachineRun = 0
أن تتحول إلى حدث إنتاج مفيد:
الآلة: خط التعبئة 03
الحالة: متوقفة
البداية: 14:21:07
المدة: 4 دقائق و32 ثانية
المنتج: المنتج A
الوردية: الوردية 2
السبب: عطل في تغذية المواد
بمجرد أن تصبح أحداث الآلات مرتبطة بطوابع زمنية وسياق واضح، يمكن مقارنتها عبر المنتجات والورديات والآلات وخطوط الإنتاج والفترات الزمنية المختلفة.
ما البيانات التي تساعد على كشف اختناق الإنتاج؟
![تدفق بيانات الإنتاج عبر إنترنت الأشياء الصناعي من الآلات ووحدات PLC مرورًا بالمعالجة الطرفية وصولًا إلى لوحات المعلومات وأنظمة الأعمال]\(what-data-helps-reveal-a-bottleneck.webp)
لا يتطلب اكتشاف عنق الزجاجة دائمًا مئات وسوم PLC. إذ يمكن لمجموعة مركزة من إشارات الإنتاج أن توفر نقطة بداية مفيدة.
| بيانات الآلة أو الإنتاج | ما الذي يمكن أن تكشفه؟ |
|---|---|
| حالة التشغيل والتوقف | وقت التشغيل، ووقت التوقف، ووقت الانتظار |
| عداد الإنتاج | الإنتاج الفعلي |
| زمن الدورة | الدورات البطيئة وفقدان الأداء |
| سرعة الآلة | التشغيل بسرعة أقل من المعدل المتوقع |
| رمز العطل | الخسائر المتكررة المرتبطة بالمعدات |
| أعداد المنتجات الجيدة والمرفوضة | فقدان الجودة، والهدر، وإعادة العمل |
| معرّف المنتج أو الوصفة | الأداء حسب المنتج أو مهمة الإنتاج |
| أمر الإنتاج | التقدم الفعلي مقارنة بالخطة |
يمكن لبيانات ERP أو MES أو CMMS أو أنظمة تخطيط الإنتاج أن تضيف سياق المنتج، وأمر الإنتاج، والكمية المخططة، والصيانة، والجدول الزمني، وهي معلومات قد لا تتوافر في بيانات PLC وحدها.
من إشارات الآلات إلى خط زمني لاختناقات الإنتاج
يعرض الخط الزمني المباشر لحالة الآلات متى يكون كل جزء من خط الإنتاج في حالة تشغيل أو توقف أو عطل أو انتظار.
على سبيل المثال:
08:00 بدء تشغيل الخط
09:14 توقف آلة التعبئة
09:15 بدء انتظار قسم التغليف
09:22 إعادة تشغيل آلة التعبئة
11:06 توقف التغليف: عطل في تغذية المواد
11:19 إعادة تشغيل التغليف
قد يبدو حدث واحد بسيطًا، لكن عندما تتكرر أحداث مشابهة خلال الوردية فقد تتحول إلى خسارة إنتاجية مهمة.
يكون الجمع المستمر للبيانات مفيدًا بشكل خاص في اكتشاف التوقفات القصيرة المتكررة (Micro-stops). فقد لا يسجل المشغلون كل توقف قصير في تقرير الوردية، بينما يستطيع النظام الآلي تسجيل الوقت الدقيق لكل توقف وتجميعها وتحليلها.
يمكن للتحليل الناتج أن يجيب عن أسئلة مثل:
- أي آلة تتسبب في انتظار خط الإنتاج بشكل متكرر؟
- أي عطل يستهلك أكبر قدر من وقت الإنتاج؟
- أي منتج لديه أطول زمن دورة فعلي؟
- هل يتغير عنق الزجاجة بين الورديات أو الوصفات المختلفة؟
- هل توقفت الآلة بسبب عطل خاص بها، أم لأن عملية أخرى متوقفة أو محجوبة؟
استخدم زمن الدورة لاكتشاف اختناقات الأداء
يمكن أن تكون الآلة في حالة تشغيل دون أن تنتج بالمعدل المتوقع. ولهذا تعد بيانات زمن الدورة وعدد الإنتاج مهمة إلى جانب معرفة وقت التشغيل فقط.
يمكن لمنصة IIoT مقارنة زمن الدورة الفعلي بزمن الدورة المتوقع:
زمن الدورة المتوقع: 1.2 ثانية
زمن الدورة الحالي: 1.5 ثانية
قد يشير هذا الفرق إلى انخفاض السرعة، أو توقفات قصيرة، أو مشكلات في تغذية المواد، أو تأخيرات من المشغلين، أو عدم استقرار العملية.
ويكون تتبع هذا التغير بمرور الوقت أكثر فائدة من رؤية كمية الإنتاج النهائية للوردية فقط. إذ يمكن للفرق تحديد اللحظة التي بدأ فيها الأداء بالتراجع ومراجعة الأحداث التي وقعت حولها.
اربط تحليل اختناقات الإنتاج مع OEE
تجمع الفعالية الإجمالية للمعدات (OEE) بين ثلاثة أبعاد:
- التوافر (Availability) — ما إذا كانت الآلة تعمل أثناء وقت الإنتاج المخطط له
- الأداء (Performance) — ما إذا كانت تعمل بسرعة الإنتاج المتوقعة
- الجودة (Quality) — مقدار الإنتاج الذي يخرج كمنتج جيد
OEE = التوافر × الأداء × الجودة
تعد نسبة OEE ملخصًا مفيدًا، لكن الخسائر الأساسية هي التي توضح أين يجب اتخاذ الإجراء.
التوافر: 87.5%
الأداء: 85.7%
الجودة: 97.5%
في هذا المثال، يستحق كل من الأداء والتوافر مزيدًا من التحقيق مقارنة بالجودة. ويمكن بعد ذلك لبيانات التوقف، واتجاهات زمن الدورة، ورموز الأعطال، وأعداد الإنتاج أن توضح أي اختناق يقلل من هذه المكونات.
وهذا يحول OEE من مجرد نتيجة في نهاية الوردية إلى أداة للتحسين المستمر.
أعطِ الأولوية للخسائر حسب تأثيرها في الإنتاج
بعد تصنيف أوقات التوقف، يمكن للفرق تجميعها في عرض باريتو:
عطل ميكانيكي
نقص المواد
تغيير إعدادات الإنتاج
توقفات قصيرة متكررة
انتظار المشغل
ضبط الجودة
الهدف هو ترتيب الخسائر بناءً على الأدلة بدلًا من الافتراضات. فلا ينبغي أن يستهدف مشروع التحسين الأول تلقائيًا أحدث آلة، أو أعلى إنذار صوتًا، أو أطول حدث منفرد. بل يجب أن يستهدف الخسارة المتكررة ذات التأثير الأهم في هدف الإنتاج.
يمكن للفرق مراجعة المعلومات نفسها حسب الآلة، أو الوردية، أو المنتج، أو العطل، أو الفترة الزمنية لفهم ما إذا كان القيد ثابتًا أم يتغير وفق ظروف الإنتاج.
كيف تساعد الرؤية الواضحة على التحكم في التكاليف؟
يدعم إنترنت الأشياء الصناعي التحكم في التكاليف من خلال جعل الأسباب التشغيلية للخسائر قابلة للقياس.
تقليل التوقفات غير المخطط لها
يسجل الجمع التلقائي لحالات الآلات وقت بدء التوقف، ومدة استمراره، وعدد مرات تكراره. ويمكن لفرق الصيانة والإنتاج التركيز على الأعطال المتكررة بدلًا من الاعتماد فقط على ما يتم تذكره في نهاية الوردية.
استعادة الطاقة الإنتاجية
يمكن أن تؤدي إزالة أحد القيود إلى تحسين تدفق خط الإنتاج بالكامل. وتساعد بيانات زمن الدورة، ووقت الانتظار، ومعدل الإنتاج على التمييز بين عنق زجاجة حقيقي في الخط وبين حدث منفصل في آلة واحدة.
تقليل الهدر وإعادة العمل
يمكن ربط أعداد المنتجات الجيدة والمرفوضة بالآلة، والمنتج، والدفعة، والوردية، وأمر الإنتاج. وهذا يسمح للفرق بالتحقيق في مكان ووقت حدوث خسائر الجودة بدلًا من الاعتماد على نسبة عامة للمصنع بأكمله.
تحسين قرارات الصيانة
يمكن للأعطال المتكررة والتغيرات في سلوك التشغيل أن تدعم عمليات الفحص والصيانة. وعند الربط مع نظام CMMS، يمكن لأحداث الآلات إضافة أدلة إلى إشعارات الصيانة وتحليل الأعطال المتكررة.
تقليل التقارير اليدوية
تقلل أعداد الإنتاج الآلية، وأحداث التوقف، وملخصات الورديات من الاعتماد على جداول البيانات والتقارير المكتوبة يدويًا. ويمكن استخدام البيانات نفسها في لوحات المعلومات والتحليل التاريخي دون الحاجة إلى إدخالها مرة أخرى.
رؤية استهلاك الطاقة ضمن سياق الإنتاج
تصبح مراقبة الطاقة أكثر قابلية لاتخاذ إجراءات عندما تتم مقارنة الاستهلاك بحالة الآلة، والمنتج، وحجم الإنتاج. ويمكن أن يكشف ذلك عن الطاقة المستهلكة أثناء توقف المعدات أو تشغيلها بكفاءة منخفضة.
الرؤية في الوقت الفعلي تغيّر طريقة الاستجابة
قد يقول تقرير نهاية الوردية:
كان الإنتاج أقل من الخطة.
بينما يمكن لعرض الإنتاج في الوقت الفعلي أن يوضح:
حالة الآلة الحالية: متوقفة
مدة التوقف: 11 دقيقة و42 ثانية
أكبر خسارة اليوم: تغذية المواد
زمن الدورة الحالي: أعلى من الهدف
أمر الإنتاج: متأخر عن الخطة
توضح التقارير التاريخية ما حدث. أما المراقبة في الوقت الفعلي فتعطي فرق الإنتاج فرصة للاستجابة بينما لا تزال الخسارة تحدث.
كما يمكن للتنبيهات لفت الانتباه إلى حالات محددة مثل توقف طويل، أو عطل متكرر، أو دورة بطيئة، أو انخفاض عدد الإنتاج عن الخطة.
هل يمكن تضمين الآلات القديمة؟
نعم. تعتمد طريقة الاتصال على الآلة وبنية نظام التحكم الخاص بها.
قد تكون المعدات الحديثة التي يتم التحكم فيها بواسطة PLC قادرة بالفعل على توفير بيانات إنتاج مفيدة عبر واجهة اتصال صناعية. أما الآلات الأقدم فقد تحتاج إلى:
- بوابة إنترنت أشياء صناعية
- أجهزة استشعار إضافية
- التقاط الإشارات الرقمية
- مداخل للعدادات
- مراقبة التيار أو الطاقة
- حلول اتصال لتحديث المعدات القديمة
غالبًا ما يكون الهدف هو جعل المعدات الحالية قابلة للقياس، وليس استبدالها. ويمكن للمصنعين البدء بآلة أو خط إنتاج واحد بالغ الأهمية، ثم التوسع بعد التحقق من صحة البيانات والقيمة التشغيلية.
مشروع تجريبي عملي لإظهار اختناقات الإنتاج
يمكن تنفيذ مشروع مركز عبر أربع مراحل.
1. اختر عملية حرجة
اختر آلة أو خط إنتاج يمثل فيه التوقف، أو بطء الدورات، أو الانتظار، أو فقدان الإنتاج مشكلة تشغيلية معروفة بالفعل.
2. حدد البيانات المطلوبة
حدد حالات الآلات المتاحة، وأعداد الإنتاج، وأزمنة الدورات، والمنتجات المرفوضة، والأعطال، ومعلومات المنتج. وأضف سياق أمر الإنتاج أو الصيانة حيثما تكون هناك حاجة إليه.
3. اربط البيانات وتحقق منها
اجمع البيانات من خلال الواجهة الصناعية المناسبة. وتأكد من أن الأحداث الرقمية تطابق السلوك الفعلي للآلة قبل الاعتماد عليها في اتخاذ القرارات.
4. أنشئ الرؤية التشغيلية
أنشئ لوحات المعلومات، والخطوط الزمنية، وفئات الخسائر، والتنبيهات، والتقارير التي تجيب عن أسئلة فريق الإنتاج. وراجع ما إذا كانت البيانات تكشف قيدًا متكررًا وتدعم عملية تحسين قابلة للقياس.
يحد المشروع التجريبي على أصل إنتاجي واحد مهم من النطاق الأولي، ويساعد على التحقق من فعالية النهج قبل توسيع المراقبة إلى آلات أو منشآت أخرى.
الأسئلة الشائعة
هل يتطلب إنترنت الأشياء الصناعي استبدال الآلات الحالية؟
لا. غالبًا ما يمكن ربط الآلات الحالية التي تعمل بوحدات PLC والآلات القديمة من خلال واجهاتها الصناعية المتاحة، أو البوابات، أو أجهزة الاستشعار المضافة، أو أجهزة جمع البيانات الإضافية.
هل يكفي وقت تشغيل الآلة لاكتشاف عنق الزجاجة؟
ليس دائمًا. يجب النظر إلى وقت التشغيل إلى جانب زمن الدورة، وعدد الإنتاج، وحالة الانتظار، والأعطال، والجودة، والمنتج، وسياق خطة الإنتاج. فقد تكون الآلة في حالة تشغيل لكنها تنتج بمعدل أقل من المتوقع.
هل يمكن ربط بيانات اختناقات الإنتاج ببرامج ERP أو CMMS؟
نعم. يمكن لبيانات ERP أو MES إضافة سياق أمر الإنتاج، والمنتج، والكمية المخططة، والجدول الزمني. كما يمكن لربط CMMS توصيل أحداث الآلات بعمليات الفحص والصيانة.
ما مدى سرعة تحديث بيانات الإنتاج؟
مع الجمع الآلي لبيانات PLC وIIoT، يمكن معالجة أحداث حالة الآلة، والأعداد، والدورات، والأعطال، والجودة بشكل مستمر فور وصولها.
هل يجب ربط كل الآلات دفعة واحدة؟
ليس بالضرورة. فالبدء بآلة أو خط إنتاج واحد بالغ الأهمية يسمح للفريق بالتحقق من الإشارات، ولوحات المعلومات، وعمليات التحسين قبل التوسع.
اجعل عملية الإنتاج أكثر وضوحًا مع Effecsa
تربط Effecsa الآلات الحالية ووحدات PLC وأجهزة الاستشعار وأنظمة المؤسسة لتوفير رؤية فورية للإنتاج.
تساعد المنصة الشركات المصنعة على:
- مراقبة حالات الآلات والإنتاج في الوقت الفعلي
- اكتشاف أوقات التوقف والتوقفات القصيرة المتكررة
- مقارنة أزمنة الدورات الفعلية والمتوقعة
- اكتشاف اختناقات الإنتاج عبر الآلات وخطوط الإنتاج
- تتبع OEE والجودة والهدر ومؤشرات الأداء الرئيسية للإنتاج
- تحليل الخسائر حسب الآلة أو الوردية أو المنتج أو العطل
- مراقبة استهلاك الطاقة ضمن سياق الإنتاج
- ربط بيانات المصنع بأنظمة ERP وCMMS
- التوسع من خط تجريبي واحد إلى منشآت متعددة
من خلال تحويل إشارات الآلات الخام إلى أحداث إنتاج وسياق تشغيلي، يستطيع المصنعون معرفة أين يتم فقدان الوقت والطاقة الإنتاجية والمواد والطاقة، وتركيز جهود التحسين على المجالات ذات التأثير الأكبر.