Smart Data Analytics: BMW Group se basa en el uso inteligente de los datos de producción para procesos eficientes y calidad premium
Smart Data Analytics: BMW Group se basa en el uso inteligente de los datos de producción para procesos eficientes y calidad premium
La construcción de un automóvil genera enormes cantidades de datos en toda la cadena de valor. El Grupo BMW utiliza su clúster de digitalización Smart Data Analytics para analizar estos datos selectivamente y mejorar su sistema de producción. Los resultados del análisis inteligente de datos contribuyen eficazmente a mejorar la calidad en todas las áreas de producción y logística.
Las mejoras basadas en datos de procesos y sistemas ayudan a reducir los plazos de entrega y reducir los costos. Se están desarrollando nuevas soluciones no sólo en la sede, sino en muchos puntos diferentes de la red internacional de producción. De esta manera, BMW Group puede aprovechar una amplia gama de innovaciones que abren opciones adicionales para una producción aún más flexible. La compañía utiliza una plataforma de intranet-de-cosas protegida por acceso para enlazar la gran cantidad de datos de sensores y procesos de producción y logística rápida y fácilmente. Por lo tanto, Smart Data Analytics ofrece nuevas oportunidades que se extienden mucho más allá de las posibilidades de análisis anteriores. La velocidad con que se pueden implementar nuevas soluciones está aumentando significativamente. Al mismo tiempo, los nuevos sensores IoT, combinados con la nube y las grandes tecnologías de datos,
Christian Patron, responsable de Innovación y Digitalización en el Sistema de Producción: "Smart Data Analytics está estableciendo nuevos estándares para nuestro sistema de producción. Al combinar la experiencia de nuestro personal con nuevas posibilidades para el procesamiento eficiente de grandes volúmenes de datos, podemos crear pronósticos precisos y optimizar proactivamente los procesos. Esto acelera la mejora continua de nuestro sistema de producción en línea con los principios básicos de la producción lean.
Numerosos casos de uso implementados en varias secciones de fabricación demuestran los beneficios de Smart Data Analytics.
Partes del cuerpo marcadas con láser: afinación para prensas; Partes del cuerpo rastreables en todo momento
Las bobinas de acero de hasta 40 toneladas de peso y cerca de tres kilómetros de largo se cortan en espacios en blanco en la tienda de prensa y luego se forman en partes del cuerpo. Sin embargo, el grosor de la lámina, la resistencia, la textura superficial y el grado de engrase no son uniformes en toda la bobina. Las desviaciones del objetivo pueden conducir a grietas en partes del cuerpo que están sometidas a una tensión particular durante el proceso de conformación. Aquí es donde la aplicación Smart Data Analytics en BMW Group Plant Regensburg viene pulg Un láser se utiliza para marcar cada espacio en blanco con un código de varios dígitos, que sirve como su propia identificación. Adelante, este ID permitirá que las prensas sean afinadas para acomodar las características del espacio en blanco. Si es necesario, el ID puede contener una orden de control, lo que desencadena un engrase adicional de la pieza en bruto en la prensa antes de formarse, por ejemplo.
Esta marcación clara permite identificar el blanco en cualquier momento. A cada parte del cuerpo se le asigna información que permanece disponible en todos los pasos de producción posteriores. Dado que el blanco permanece en su línea de producción para la marca, el ID se asigna sin ningún tiempo de inactividad del ciclo. La ID está diseñada para que permanezca visible durante la construcción de la carrocería. Los especialistas en planificación de BMW Group ya aprovechan la trazabilidad de todas las piezas para una mayor optimización con algoritmos adicionales. Por ejemplo, teniendo en cuenta las características medidas para cada parte del cuerpo individual, las dimensiones del hueco del cuerpo acabado pueden optimizarse adicionalmente, o la aplicación de pintura mejor adaptada a la superficie de ese cuerpo particular. El ajuste fino de los parámetros de la prensa según las propiedades de la pieza en bruto ya tiene un impacto importante: El número de piezas desechadas es significativamente menor, con una mejor utilización del material de la bobina. El tiempo de inactividad del sistema necesario para el análisis de fallas también se reduce.
Mantenimiento predictivo para robots de taller, herramientas de soldadura y accionamientos
Las aplicaciones Smart Data Analytics ofrecen un potencial especialmente alto para aumentar la disponibilidad de equipos de producción y máquinas en áreas altamente automatizadas de fabricación. La máxima precisión en la predicción de cualquier riesgo de avería ayuda en gran medida a evitar el tiempo de inactividad del sistema no planificado. Con base en las previsiones, el personal de mantenimiento puede planificar una intervención de mantenimiento específica para limitar los tiempos de inactividad a un mínimo absoluto. Este llamado mantenimiento predictivo se logra mediante el análisis inteligente de grandes cantidades de datos reales de producción, de sensor y de proceso: El análisis selectivo de esta información permite determinar el momento ideal para reemplazar las piezas de desgaste utilizadas en la producción. Si el cambio se hace demasiado tarde, existe el riesgo de una interrupción de la producción; Hechos demasiado pronto, se desperdician valiosos recursos. Sin los datos relevantes sobre los que basar esta decisión, el mantenimiento puramente preventivo del pasado se llevó a cabo sin conocer el estado real de desgaste. Este método requería márgenes de seguridad para el momento del cambio, pero no podía detectar averías inesperadas.
Las soluciones basadas en datos para el mantenimiento predictivo se utilizan en diversas etapas de la producción de la carrocería para predecir el desgaste de los frenos y los engranajes en los robots. Los sensores en las pinzas de soldadura indican con antelación cuando es probable que se produzcan defectos o problemas de calidad. El monitoreo de sensores a gran escala también mejora la confiabilidad de los accionamientos eléctricos usados en una variedad de sistemas, incluyendo elevadores y platos giratorios. Los robots y la tecnología de control están equipados con los sensores necesarios desde el principio. El personal de mantenimiento analiza los datos y luego saca las conclusiones correctas. Las evaluaciones recientes del mantenimiento predictivo demuestran claramente los beneficios de operaciones fiables.
Controles de proceso en línea: procesos aún más estables garantizan una calidad superior
El BMW Group recibió el Prix de la Technique 2017 en el prestigioso Congreso Surcar de Cannes por su concepto de digitalización integral de la nueva planta de la compañía en San Luis Potosí, que comenzará la producción en serie en 2019. Los talleres de pintura de BMW Group ya utilizan sensores Para el seguimiento continuo de los procesos de producción automatizados. Los sistemas de red inteligente mejoran la estabilidad de las secuencias de proceso, permiten un mantenimiento predictivo y garantizan la más alta calidad para nuestros clientes. El control de procesos en línea combina las ventajas del análisis basado en algoritmos de grandes volúmenes de datos con la experiencia de los empleados: Como resultado, los seres humanos pueden centrarse más en su papel como arquitectos del proceso de producción, ya que los datos reales de producción se ordenan y preestructuran óptimamente para ellos .
En mayo de 2017, BMW Group comenzó a utilizar el control de calidad completamente automatizado por primera vez en su planta de Munich, con robots escaneando toda la superficie exterior del vehículo. El sistema es capaz de detectar errores que el ojo humano no puede percibir. Los datos obtenidos de esta manera también proporcionan una valiosa retroalimentación sobre la precisión de los procesos de pintura aguas arriba - lo que permite la optimización continua y la identificación oportuna del potencial de defectos.
Análisis de datos de sujetadores: una prevención de errores más confiable beneficia a miles de conexiones atornilladas
Las conexiones atornilladas son fundamentales para la producción de automóviles, ya que cada vehículo contiene varios cientos de ellos. El Grupo BMW monitorea y analiza todas las conexiones atornilladas que son relevantes para la seguridad del vehículo. Básicamente, las conexiones atornilladas que no cumplen, o sólo parcialmente, las especificaciones deseadas, pueden requerir retrabajos. Como parte de su estrategia de calidad preventiva, BMW Group ha desarrollado algoritmos que han estado analizando conexiones atornilladas en más de 3.200 sistemas de ensamblaje en todas las plantas de vehículos desde julio de 2017. La grabación y análisis de las curvas de proceso de pernos proporcionan información precisa sobre la calidad de las conexiones atornilladas . El programa puede reconocer diferentes tipos de fallas y mostrar posibles fuentes de error en un diagrama de causa y efecto. El Grupo BMW utiliza esta información para capacitar y calificar a los empleados para un trabajo de calidad preventiva; después de todo, un error que no se hace no necesita corrección. Un entrenador en una estación de entrenamiento móvil o directamente en el lugar de trabajo también puede proporcionar consejos sobre la evitación de errores.
El análisis de las curvas de proceso de pernos también proporciona información importante para el monitoreo sistemático de los sistemas de pernos y parámetros, como el par de apriete. Cuando se implementan rápidamente, estos hallazgos crean un circuito cerrado de mejora continua.
En muchos casos, el análisis puramente manual de las curvas del proceso de atornillado sólo daría como resultado un hallazgo de "aceptable" o "no aceptable", sin identificar la causa de los errores ni resaltar el potencial de mejora.
El mantenimiento predictivo para la manipulación de materiales en el ensamblajeEl sistema de producción Grupo BMW se caracteriza por el mayor grado de flexibilidad: La compañía produce una especialmente amplia gama de modelos y variantes en sus líneas de montaje, pero sin embargo es competitivo - según lo confirmado por los puntos de referencia independientes. En la línea de montaje, un suministro confiable de materiales es particularmente importante. Un desglose en cualquier punto podría provocar que toda la zona de producción se parara.
En el montaje, muchos sistemas de transportadores ahora están equipados con un gran número de sensores que monitorean varios factores - especialmente temperatura, vibración y energía eléctrica. Estos sensores son lo suficientemente rentables para permitir su uso generalizado. Los datos de estos kits de sensores y otros datos de proceso se transmiten en directo a la plataforma de Internet de las cosas de BMW, donde se visualiza y analiza en tiempo real. Si los datos detectan una tendencia que indica desviación o patrones de averías anteriores, la plataforma notifica al personal de mantenimiento. El personal puede entonces decidir si el colgador debe ser removido para el mantenimiento. De esta manera, es posible asegurar un funcionamiento fiable a largo plazo del sistema de transportador durante varios años.
Cada minuto ahorrado significa otro vehículo construido
Patrón cristiano: "En la producción automotriz, cada segundo cuenta: Si una pieza no está disponible a tiempo o un sistema falla, el proceso de producción se retrasa y altera la cadena de valor. El uso inteligente de los datos de producción asegura un proceso estable y eficiente. Vemos un enorme potencial en Smart Data Analytics para incorporar la retroalimentación de nuestros clientes en el desarrollo y la producción aún más rápido ".
- El análisis de datos crea un valor añadido creciente para la mejora continua del sistema de producción
- Mejora tangible en la disponibilidad del sistema a través de la producción conectada: Cada minuto ahorrado significa otro vehículo construido
- La gestión inteligente de datos permite una predicción más exacta del desgaste y garantiza consistentemente alta calidad - Con costo y esfuerzo razonables
La construcción de un automóvil genera enormes cantidades de datos en toda la cadena de valor. El Grupo BMW utiliza su clúster de digitalización Smart Data Analytics para analizar estos datos selectivamente y mejorar su sistema de producción. Los resultados del análisis inteligente de datos contribuyen eficazmente a mejorar la calidad en todas las áreas de producción y logística.
Las mejoras basadas en datos de procesos y sistemas ayudan a reducir los plazos de entrega y reducir los costos. Se están desarrollando nuevas soluciones no sólo en la sede, sino en muchos puntos diferentes de la red internacional de producción. De esta manera, BMW Group puede aprovechar una amplia gama de innovaciones que abren opciones adicionales para una producción aún más flexible. La compañía utiliza una plataforma de intranet-de-cosas protegida por acceso para enlazar la gran cantidad de datos de sensores y procesos de producción y logística rápida y fácilmente. Por lo tanto, Smart Data Analytics ofrece nuevas oportunidades que se extienden mucho más allá de las posibilidades de análisis anteriores. La velocidad con que se pueden implementar nuevas soluciones está aumentando significativamente. Al mismo tiempo, los nuevos sensores IoT, combinados con la nube y las grandes tecnologías de datos,
Christian Patron, responsable de Innovación y Digitalización en el Sistema de Producción: "Smart Data Analytics está estableciendo nuevos estándares para nuestro sistema de producción. Al combinar la experiencia de nuestro personal con nuevas posibilidades para el procesamiento eficiente de grandes volúmenes de datos, podemos crear pronósticos precisos y optimizar proactivamente los procesos. Esto acelera la mejora continua de nuestro sistema de producción en línea con los principios básicos de la producción lean.
Numerosos casos de uso implementados en varias secciones de fabricación demuestran los beneficios de Smart Data Analytics.
 |
| Smart Data Analytics: BMW Group se basa en el uso inteligente de los datos de producción para procesos eficientes y calidad premium |
Partes del cuerpo marcadas con láser: afinación para prensas; Partes del cuerpo rastreables en todo momento
Las bobinas de acero de hasta 40 toneladas de peso y cerca de tres kilómetros de largo se cortan en espacios en blanco en la tienda de prensa y luego se forman en partes del cuerpo. Sin embargo, el grosor de la lámina, la resistencia, la textura superficial y el grado de engrase no son uniformes en toda la bobina. Las desviaciones del objetivo pueden conducir a grietas en partes del cuerpo que están sometidas a una tensión particular durante el proceso de conformación. Aquí es donde la aplicación Smart Data Analytics en BMW Group Plant Regensburg viene pulg Un láser se utiliza para marcar cada espacio en blanco con un código de varios dígitos, que sirve como su propia identificación. Adelante, este ID permitirá que las prensas sean afinadas para acomodar las características del espacio en blanco. Si es necesario, el ID puede contener una orden de control, lo que desencadena un engrase adicional de la pieza en bruto en la prensa antes de formarse, por ejemplo.
Esta marcación clara permite identificar el blanco en cualquier momento. A cada parte del cuerpo se le asigna información que permanece disponible en todos los pasos de producción posteriores. Dado que el blanco permanece en su línea de producción para la marca, el ID se asigna sin ningún tiempo de inactividad del ciclo. La ID está diseñada para que permanezca visible durante la construcción de la carrocería. Los especialistas en planificación de BMW Group ya aprovechan la trazabilidad de todas las piezas para una mayor optimización con algoritmos adicionales. Por ejemplo, teniendo en cuenta las características medidas para cada parte del cuerpo individual, las dimensiones del hueco del cuerpo acabado pueden optimizarse adicionalmente, o la aplicación de pintura mejor adaptada a la superficie de ese cuerpo particular. El ajuste fino de los parámetros de la prensa según las propiedades de la pieza en bruto ya tiene un impacto importante: El número de piezas desechadas es significativamente menor, con una mejor utilización del material de la bobina. El tiempo de inactividad del sistema necesario para el análisis de fallas también se reduce.
Mantenimiento predictivo para robots de taller, herramientas de soldadura y accionamientos
Las aplicaciones Smart Data Analytics ofrecen un potencial especialmente alto para aumentar la disponibilidad de equipos de producción y máquinas en áreas altamente automatizadas de fabricación. La máxima precisión en la predicción de cualquier riesgo de avería ayuda en gran medida a evitar el tiempo de inactividad del sistema no planificado. Con base en las previsiones, el personal de mantenimiento puede planificar una intervención de mantenimiento específica para limitar los tiempos de inactividad a un mínimo absoluto. Este llamado mantenimiento predictivo se logra mediante el análisis inteligente de grandes cantidades de datos reales de producción, de sensor y de proceso: El análisis selectivo de esta información permite determinar el momento ideal para reemplazar las piezas de desgaste utilizadas en la producción. Si el cambio se hace demasiado tarde, existe el riesgo de una interrupción de la producción; Hechos demasiado pronto, se desperdician valiosos recursos. Sin los datos relevantes sobre los que basar esta decisión, el mantenimiento puramente preventivo del pasado se llevó a cabo sin conocer el estado real de desgaste. Este método requería márgenes de seguridad para el momento del cambio, pero no podía detectar averías inesperadas.
Las soluciones basadas en datos para el mantenimiento predictivo se utilizan en diversas etapas de la producción de la carrocería para predecir el desgaste de los frenos y los engranajes en los robots. Los sensores en las pinzas de soldadura indican con antelación cuando es probable que se produzcan defectos o problemas de calidad. El monitoreo de sensores a gran escala también mejora la confiabilidad de los accionamientos eléctricos usados en una variedad de sistemas, incluyendo elevadores y platos giratorios. Los robots y la tecnología de control están equipados con los sensores necesarios desde el principio. El personal de mantenimiento analiza los datos y luego saca las conclusiones correctas. Las evaluaciones recientes del mantenimiento predictivo demuestran claramente los beneficios de operaciones fiables.
Controles de proceso en línea: procesos aún más estables garantizan una calidad superior
El BMW Group recibió el Prix de la Technique 2017 en el prestigioso Congreso Surcar de Cannes por su concepto de digitalización integral de la nueva planta de la compañía en San Luis Potosí, que comenzará la producción en serie en 2019. Los talleres de pintura de BMW Group ya utilizan sensores Para el seguimiento continuo de los procesos de producción automatizados. Los sistemas de red inteligente mejoran la estabilidad de las secuencias de proceso, permiten un mantenimiento predictivo y garantizan la más alta calidad para nuestros clientes. El control de procesos en línea combina las ventajas del análisis basado en algoritmos de grandes volúmenes de datos con la experiencia de los empleados: Como resultado, los seres humanos pueden centrarse más en su papel como arquitectos del proceso de producción, ya que los datos reales de producción se ordenan y preestructuran óptimamente para ellos .
En mayo de 2017, BMW Group comenzó a utilizar el control de calidad completamente automatizado por primera vez en su planta de Munich, con robots escaneando toda la superficie exterior del vehículo. El sistema es capaz de detectar errores que el ojo humano no puede percibir. Los datos obtenidos de esta manera también proporcionan una valiosa retroalimentación sobre la precisión de los procesos de pintura aguas arriba - lo que permite la optimización continua y la identificación oportuna del potencial de defectos.
Análisis de datos de sujetadores: una prevención de errores más confiable beneficia a miles de conexiones atornilladas
Las conexiones atornilladas son fundamentales para la producción de automóviles, ya que cada vehículo contiene varios cientos de ellos. El Grupo BMW monitorea y analiza todas las conexiones atornilladas que son relevantes para la seguridad del vehículo. Básicamente, las conexiones atornilladas que no cumplen, o sólo parcialmente, las especificaciones deseadas, pueden requerir retrabajos. Como parte de su estrategia de calidad preventiva, BMW Group ha desarrollado algoritmos que han estado analizando conexiones atornilladas en más de 3.200 sistemas de ensamblaje en todas las plantas de vehículos desde julio de 2017. La grabación y análisis de las curvas de proceso de pernos proporcionan información precisa sobre la calidad de las conexiones atornilladas . El programa puede reconocer diferentes tipos de fallas y mostrar posibles fuentes de error en un diagrama de causa y efecto. El Grupo BMW utiliza esta información para capacitar y calificar a los empleados para un trabajo de calidad preventiva; después de todo, un error que no se hace no necesita corrección. Un entrenador en una estación de entrenamiento móvil o directamente en el lugar de trabajo también puede proporcionar consejos sobre la evitación de errores.
El análisis de las curvas de proceso de pernos también proporciona información importante para el monitoreo sistemático de los sistemas de pernos y parámetros, como el par de apriete. Cuando se implementan rápidamente, estos hallazgos crean un circuito cerrado de mejora continua.
En muchos casos, el análisis puramente manual de las curvas del proceso de atornillado sólo daría como resultado un hallazgo de "aceptable" o "no aceptable", sin identificar la causa de los errores ni resaltar el potencial de mejora.
El mantenimiento predictivo para la manipulación de materiales en el ensamblajeEl sistema de producción Grupo BMW se caracteriza por el mayor grado de flexibilidad: La compañía produce una especialmente amplia gama de modelos y variantes en sus líneas de montaje, pero sin embargo es competitivo - según lo confirmado por los puntos de referencia independientes. En la línea de montaje, un suministro confiable de materiales es particularmente importante. Un desglose en cualquier punto podría provocar que toda la zona de producción se parara.
En el montaje, muchos sistemas de transportadores ahora están equipados con un gran número de sensores que monitorean varios factores - especialmente temperatura, vibración y energía eléctrica. Estos sensores son lo suficientemente rentables para permitir su uso generalizado. Los datos de estos kits de sensores y otros datos de proceso se transmiten en directo a la plataforma de Internet de las cosas de BMW, donde se visualiza y analiza en tiempo real. Si los datos detectan una tendencia que indica desviación o patrones de averías anteriores, la plataforma notifica al personal de mantenimiento. El personal puede entonces decidir si el colgador debe ser removido para el mantenimiento. De esta manera, es posible asegurar un funcionamiento fiable a largo plazo del sistema de transportador durante varios años.
Cada minuto ahorrado significa otro vehículo construido
Patrón cristiano: "En la producción automotriz, cada segundo cuenta: Si una pieza no está disponible a tiempo o un sistema falla, el proceso de producción se retrasa y altera la cadena de valor. El uso inteligente de los datos de producción asegura un proceso estable y eficiente. Vemos un enorme potencial en Smart Data Analytics para incorporar la retroalimentación de nuestros clientes en el desarrollo y la producción aún más rápido ".
Comentarios
Publicar un comentario