{{{sourceTextContent.title}}}

Fahren von IIoT-Durchführungen mit Kultur-Änderungen

{{{sourceTextContent.subTitle}}}

IIoT-Durchführungen in den Industrieanlagen geben häufig der Technologiefragen. Ein gleichmäßig wichtiger Fokus ist Personalannahme und -Unternehmenskultur.

{{{sourceTextContent.description}}}

rocess Betriebspersonal benötigt Perspektive und Einblicke in die Schlüsselanlagegüter — Kessel, Heizungen, Brenner, Kühler, Öfen, Wärmetauscher, Öfen, Pumpen und Ventile, etc. — verwendet in ihren Anlagen. Viele Artikel beschreiben die Technologien, die entworfen sind, um jene Einblicke zur Verfügung zu stellen — jene Plattformen, Apps und Betriebsautomatisierungsgeräte, die zusammen Form das industrielle Internet von Sachen (IIoT) helfen. Obwohl die Reihe von Wahlen Zugang zu den Prozesseinblicken verbessert, kann es eine verwirrende Welt von Technologien und von Strategien sein.

Außerdem wird ein Hauptaspekt häufig übersehen — ein das der einzelne einflussreichste Aspekt in jeder möglicher Organisation ist. Zusammen die menschliche Seite — Arbeitskräfte, Management und die Unternehmenskultur, innerhalb deren sie funktionieren — ist ein Primärfahrer für ununterbrochene Verbesserung. Dieser Artikel bespricht, wie Betriebspersonal bevollmächtigt werden und motiviert werden kann, um modernen Daten Analytics und andere IIoT-bedingte Technologien einzuführen und zu umfassen.

Technologie ist gerade Teil der Gleichung

Sich zu konzentrieren ist einfacher (und möglicherweise unterhalten) auf die Welle von gegenwärtigen Innovationen — was sie tun können — eher als, betrachtend, wie man diese Technologien mit vorhandenem Betriebspersonal einführt. Zweifellos hat die Revolution in den Sensoren, die Datenschaffung, die drahtlose Datenerfassung und die Wolke-ansässigen Datenspeicherungslösungen Zugang zu den neuen Einblicken und zu verbesserten Ergebnissen geboten. Vor die Kosten für die Kernsystemkomponenten sind auf einen Bruch gefallen von, was sie 10 oder 20 Jahren waren. Infolgedessen sind sie überhaupt durchdringender.

Fortschritte auch sind in der Annahme und in der Ausbreitung von neuen Analyticsmodellen für die Schaffung des Wertes von gesammelten Daten gemacht worden. Zum Beispiel betrachten Sie, wie schnell Industrie von einer Annäherung der zeitlich geplanten oder vorbeugenden Wartung zum vorbestimmten Analytics für Anlagegüter des hohen Wertes transitioning. Vorbestimmter Analytics ist gerade einer der Analyticsarten, die zu den meisten Firmen vertraut sind (Tabelle 1). Es gibt viel mehr.

Viele IIoT-Artikel beschreiben Strategien und Initiativen, um Anlagen zu helfen, Technologien und Einblicke IIoT zu addieren. Industrie 4,0, IIoT, intelligente Herstellung und digitale Umwandlung: Keine Angelegenheit der Ausdruck, die Artikel beschreiben Weisenorganisationen kann ihr Betriebsergebnis verbessern. (Innerhalb der Prozeßheizung, erledigen einige neue Artikel eine ausgezeichnete Arbeit der Hervorhebung dieser Punkte. Für einige Beispiele fahren Drehung „zum Trockner mit IIoT und Wolke-ansässige Datenverwaltung,“ im Oktober 2018, P. 27 oder „IIoT-Technologien Betriebswartung,“ im November 2018, P. 24, oder finden Sie sie auf www.process-heating.com.) Durch diese und andere Artikel werden die Gelegenheiten und Strategien, die zu den IIoT-Innovationen verfügbar sind für verfahrenstechnische Anlagen relevant sind, adressiert.

Aber, in einer Umwelt mit soviel Änderung und Innovation, was nicht geändert hat, ist die menschliche Seite. Es ist möglicherweise der kritischste Aspekt des Erfolgs, wenn es diese neuen Technologien einführt. Wie der berühmte Unternehmensberater Peter Drucker sagte, „Kultur isst Strategie zum Frühstück.“ Pläne nicht immer überleben Realitätsnähe — besonders wenn sie nicht Unternehmenskultur berücksichtigen.

Um diese Herausforderung anzusprechen, müssen Organisationen drei grundlegende Fragen über ihre Angestellten und ihre Geschäftsprioritäten beantworten um Technologieinnovation mit Zielen zu balancieren.

Was hofft die Firma, zu vollenden, indem sie IIoT-Technologien einführt?

Wo die Firma erwartet, liegen die IIoT-Kompetenzexperten: in der Anlage, am Verkäufer oder in beiden Standorten?

Wie sieht die Organisation seine Anlagegüter an? Wie ist die Firma vorbereitet, zum auf eine Daten-zentrale Annäherung zu bauen zum Verbessern von Produktionseinblicken?

Lassen Sie uns jede dieser Fragen der Reihe nach betrachten.

Betrachten Sie die menschliche Seite

Die erste Frage, zum von Interessen zu beantworten die Anreize und die Eigeninteresseaspekte der Innovation in einer Betriebsumwelt. Was hofft die Firma, zu vollenden, indem sie IIoT-Technologien einführt?

Wenn das Ziel des Managements für Technologie-Investition, Personal zu ersetzen ist, dann ist die Reaktion von denen, die mit der Implementierung der Lösung aufgeladen werden, wahrscheinlich negativ, egal wie die Initiative Angestellten dargestellt wird.

Ein Beispiel ist ein übermäßiger Fokus auf künstlicher Intelligenz und der Lernfähigkeit einer Maschine als Weise, die Sachkenntnis und die Erfahrung von Betriebsingenieuren durch Algorithmen zu ersetzen. Dieses fliegt angesichts der tatsächlichen Erfahrung. Realistische Durchführungen zeigen durchweg, dass moderner Analytics nicht ohne laufende Interaktion zwischen Ingenieuren und anderen Prozessexperten mit Selbstbedienungs-Software effektiv angewendet werden kann.

Eine positivere Annäherung würde deshalb sich konzentrieren auf, wie Innovation vorhandenes Personal unterstützen kann, indem sie ihre Bemühungen beschleunigt. In etwas Industrien wird das Wort „MitBot“ für Maschinen verwendet, die anstelle des Ausdruckroboters unterstützen und sich beschleunigen, der Großhandelsersatz von vorhandenen Arbeitskräften vorschlägt.

In der Analyticsumwelt hat dieses ein Software-Äquivalent: Selbstbedienung Analyticsangebote, die die Fähigkeit von Ingenieuren beschleunigen, Einblicke in den großen, verteilten Dateien zu finden (Tabelle 2). Durch das Konzentrieren auf, wie verschiedene Arten von Analytics — vorbestimmt, Diagnose- (Grundursache) und beschreibend (berichtend) — kann die Produktivität von Ingenieuren verbessern und die Anlage, ist es einfach für Belegschaftsmitglieder, zu sehen, wie Innovation ein Nettopositiv für Angestellte und Organisationen ist.

Eine Geschäftsstrategie und ein Anwenden von Analytics entwickeln

Die zweite Frage betrachtet das Geschäftsniveau und bittet: Welches Geschäft ist die Anlage herein? In beiden zitierten die Artikel früher, gibt es Hinweise auf der Verbindung zwischen Anlagevermögen und den Dienstleistern oder den Verkäufern, die die Ausrüstung lieferten. In einer verbundenen IIoT-Umwelt kann diese Verbindung benutzt werden, damit vorbestimmter Analytics das Up-Time Anlagegut und die Service-Erfahrung und für Optimierung der Ausrüstungsoperation verbessert.

Aber, dieses beantwortet nicht die Frage von, welches Geschäfts die Anlage herein engagiert wird. Ist Anlagegutsachkenntnis eine Kernkompetenz für die Anlage, wenn sie Produktionsergebnisse erzielt? Oder, ist sie etwas, das könnte — oder sollen Sie — rechtmäßig mit dem Anlagegutverkäufer verbunden sein? Wo die Experten liegen: in der Anlage, am Verkäufer oder in beiden Standorten?

Alles führt das uns zur dritten Frage: Wie betrachtet die Organisation seine Anlagegüter? Müssen sie sie im Rahmen des Prozesses sehen? Wie ist die Firma vorbereitet, zum auf eine Daten-zentrale Annäherung zu bauen zum Verbessern von Produktionseinblicken?

In einer Umwelt, in der Firmen Fluss anstelle der Ventile kaufen oder im Druck anstelle der Pumpen, gibt es ein neues zweidimensionales Modell, in dem Anlagegüter und Unterstützung zum Prozess orthogonal sind. Das Ergebnis ist, dass Organisationen entscheiden müssen, wo ihre Sachkenntnis fokussiert werden sollte und wo sie wert ist, für externe Sachkenntnis zu zahlen, die durch eine ständig verbundene Umwelt geliefert werden kann. Und selbstverständlich Bedarf einer, zu denken an, wie diese Art des Outsourcings Unternehmenskultur beeinflußt (und Endergebnis).

Um zu sehen wie diese Geschäftsstrategiefragen möglicherweise beantwortet würden, betrachten Sie die folgende Annäherung zum Analytics.

Innerhalb jeder möglicher Organisation muss man das Niveau von Begeisterung für eine Daten-zentrale Annäherung zum Verbessern von Einblicken und, da ein Buchtitel sie setzt, von Unterstützung der Produktion für „das Konkurrieren im Analytics abmessen.“ Jedermann mit der Erfahrung, die ein Analyticsprojekt bereitstellt, erkennt die Herausforderungen, wenn Einblicke auf einwirken — und manchmal Konflikt mit — das Darmgefühl eines Senior Managers. Dieses bedeutet nicht, dass Ergebnisse von den Analytics immer recht sind. auslassend Schlüssel-Variablen oder Erwägungen für wichtigere Prioritäten sind allgemeine Fehler früh im Prozess.

Zum Beispiel kann Daten Analytics zeigen, welche Arten der Wartung verzögert werden sollten, um Produktionsziele zu erzielen. Der Analytics schlüge möglicherweise vor, dass das abwärts gerichtete solcher Nachrüstungswartung ist begrenzt, aber es recht ist? Er hängt davon ab, wie gänzlich die Analytics eine laufende Interaktion zwischen Ingenieuren und anderen Prozessexperten mit Selbstbedienungs-Software erklären. Dieses ist ein Auto für Service herein nehmen analog und Sein sagte einer teuren Reparatur — für ohne Bezug zu, was das Auto herein geholt wurde — ist erforderlich. Ein Anfängermechaniker hätte möglicherweise nicht die Sachkenntnis, zu kennen, was aufgeschoben werden kann und für wie lang. So die Anfängermechanikerberichte alle Reparaturen, wie gleichmäßig wichtig und dringend. Durch Kontrast, kann ein sachverständiger Mechaniker, der beschmutzt, ein Problem mit einem Auto sein oder Wissen verwenden, um vorauszusagen ob der Inhaber muss es jetzt regeln (wegen der Sicherheit oder Funktionstüchtigkeit) oder wenn die Reparatur warten kann und für wie lang. Solcher Rat erlaubt möglicherweise dem Fahrzeughalter, Zeit und Geld zu sparen, indem er Ausgaben hinausschiebt und die zukünftige Reparaturarbeit festlegt, wenn es bequemer ist.

Automatisierter Analytics ist vielleicht in der Lage, eine Wartungsfrage zu beschmutzen. Jede Weise, Analytics kann intelligente Entscheidungen betreffend Kompromisse zwischen erforderliche Wartung jetzt oder später durchführen nicht treffen. Diese Arten von Einblicken sind möglicherweise jedoch das wertvollste weil sie schnelle Analyse mit Sachkenntnis und Realzeitpriorisierung kombinieren.

Die Schlüssel zum Vollenden dieser Einblicke und zum Erzielen des breiten Kaufes in und der Teilnahme sind:

Einbeziehung aller Verwahrer früh und fortlaufend.

Standhafte Verpflichtung gegenüber dem Verbessern von den Ergebnissen basiert auf einer geteilten Definition des Erfolgs und der bezogenen Schlüsselleistungsindikatoren.

Im Laufe der Zeit ergibt dieses erhöhtes Vertrauen mit dem Analytics, den die Organisation für Beschlussfassung verwendet und den Bedarf an der Mithilfe von Spezialisten zeigen wird.

Mit Klarheit auf den Antworten zu diesen Fragen, können Organisationen die vier notwendigen Maße überspannen, die erfordert werden, um verbesserte Leistung zu erzielen:

Technologieinnovationen.

Analytics.

Industriestrategie.

Das Personal und die organisatorischen Fragen bezogen auf dem Definieren und dem Annehmen der Änderung.

In den folgenden Anwendungsbeispielen wurde eine Selbstbedienungstechnikbemühung für vorbestimmten Analytics verwendet, um verbesserte Geschäftsergebnisse zu erzielen, indem man diese vier Maße überspannte.

Kraftwerke verwenden vorbestimmte Wartung, um Leistung zu verbessern

Unter Verwendung eines Modells geschaffen mit analytischer Software, eine identifizierte abfallende Leistung des Kraftwerks in einem spezifischen Anlagegut. Nachdem es die Daten analysiert hatte, wog das Team den Kompromiss diese Aktivminderungen Leistung gegen den Marktwert des Ertrages der Anlage, um zu entscheiden, als man Wartung durchführt. Solch eine Annäherung nimmt die Idee der vorbeugenden Wartung zu einem anderen Niveau. Eher als optimieren Sie für einen Prozessparameter oder anderes metrisches, das Kraftwerk verwendete Realzeitrentabilität als das Prioritätsergebnis. In Wirklichkeit wurde Realzeitrentabilität für einen Regelkreis setpoint. Diese Art der Anlagegutoptimierung ist auf eine breite Palette der Ausrüstung anwendbar.

In einer anderen Anwendung kannten die Energieanlagenbetreiber ihre Speisewasserheizungen, die geneigt wurden, um Leistungsfähigkeit in einer vorhersagbaren Art zu verschmutzen und zu verlieren. Wegen der unzulänglichen Instrumentierung jedoch waren sie nie in ihren Bemühungen, den Prozess quantitativ zu bestimmen erfolgreich, also könnte Wartung optimiert werden. Als Teil einer Analyticsantriebslösung, fügte das Kraftwerk die erforderlichen Instrumente zusammen mit entsprechender Datenerfassung und Speicher hinzu. Datenanalyse betreffend die Hitzerate des Kessels lieferte die Informationen, die notwendig sind, welchen Effekt ein Reinigungsaufwand auf Leistungsfähigkeit hatte, im Umfang einer Bestimmung seines spezifischen Wertes zu bestimmen (Tabelle 3). Betreiber optimieren jetzt die Reinigungsfrequenz, die auf den Kosten/dem Nutzen-Verhältnis basiert.

Dieses ist die Richtungsherstellung geht: nicht zum Anlagegut oder zu Leitungsstufe aber zum Ergebnisniveau der erhöhten Anlagenrendite (ROI). Ein Fokus auf Ergebnisniveau ROI, wie der Fahrer für die Herstellung viele Formen nimmt. Es kann bedeuten, dass vorbestimmte Wartung verzögernd, die bekannt, so erfordert zu werden, die Anlage Produktion fortsetzen kann. In anderen Fällen kann es das Anlagegut off-line nehmen bedeuten sofort, um Reparaturen durchzuführen. Aller es hängt von der ROI-Analyse ab, gefahren durch moderne Analytics-Software.

Als schlußfolgerung muss Personal der verfahrenstechnischen Anlage mit dem Zusammenhang und der Abdeckung der Gelegenheiten ständig aufrechterhalten, die für sie durch Innovationen in der Technologie, in den Analytics und in den industriellen Strategien verfügbar sind. Es können erfolgreiche Ergebnisse sicherstellen, indem sie die Auswirkung dieser Innovationen auf die Leute-, Kultur- und Geschäftsprioritäten ihrer Organisationen betrachten.