作者：Infor大中国区及韩国商业咨询高级总监 鹿崇

自2020年肆虐至今的新冠疫情,不但给全球经济带来巨大动荡,也给食品和饮料制造商带来更大挑战。消费者需求波动、某些领域的供应瓶颈和成本上升等等因素都汇聚在一起,真可谓祸不单行。尤其是安全召回,始终是制造商面临的最大挑战之一,事实证明,其成本和风险都很高。

而且,新冠病毒还带来了新的关注点,即生产工厂内的人和病原体的感染风险。

在食品安全至上、品牌声誉为王的世界里,安全召回即使一次也都太多了。而先进的资产管理和维护,则可以为企业大大降低这种风险。

提高自动化程度,降低风险

随着工业 4.0的快速部署,制造业全面走向数字化转型已是大势所趋。然而,目前很多工厂仍然使用电子表格形式的传统人工处理流程来进行企业的设备维护计划,这隐藏着巨大的风险,因为这会让食品公司很容易出错,面临不必要的停机和成本,以及冗长的合规流程。

食品生产设施的自动化程度差别很大,自动化程度越低,人为错误的风险就越大,从而导致停机,面临安全风险和浪费。通过采用预测性或指导性的方法进行资产管理和维护,实现高水平的自动化、机器学习和智能化,可以大幅降低这类风险,尽可能减少召回,最大限度地提高企业的声誉和利润。

大数据的挑战

部署在所有机器和生产线上的传感器都有助于提供实现预测性维护所需的实时数据,将实时数据与历史和第三方信息相映射,从而迅速做出明智的决策。

使用传感器进行精细粒度的深度分析是非常有价值的。例如,在某些机器上,可以通过监测振动来探测轴承在多大程度上从圆形变为椭圆形(这会影响设备部件的可靠性),从而预测出故障点。

但企业资产管理与维护的最终目标并不只是提高整个生产线的整体设备效率(OEE,Overall Equipment Effectiveness)。例如,产品中因有可能含有金属污染物而被召回的事件并不少见。一般来说,这种召回就相当于机器故障,在理论上存在批次受损的风险。但问题在于,机器深度分析结果通常是在一天结束时收集的,而不是实时收集,这导致了滞后,这种滞后很快就会带来瓶颈问题,并给企业声誉和物流带来风险。

当有可能出现新冠病毒或者其他病毒和细菌污染时,提高自动化程度肯定会减少车间的工作人员,从而降低这种风险。同样,通过整理来自温度扫描仪和图像识别的数据也会有所帮助。这些深度分析结果可提供显示感染迹象的操作人员的数据,因此更有机会来降低这种风险。同时,预测性维护软件可以确定合适的清洗间隔,以最大限度地降低污染风险,但避免不必要的清洗,以避免影响机器的使用寿命。

通过实时整理深度分析结果并预见故障(如果在一天结束时再进行整理,损坏有可能已经造成),制造商就能及时发现异常,避免出现致命的大问题。

维护4.0(Maintenance 4.0)

维护4.0是工业4.0的一部分,专指企业资产的智能化预测性管理与维护。维护4.0采集“数据湖”存储库中的传感器读数,应用算法和分析来准确理解设备出现抖动或者失败的原因,确定怎样纠正问题,所有这些都是在实际环境中进行的。这种方法利用深度分析的结果,来建议维护人员采取哪些措施来避免资产故障。

从反应式维护(曾被认为是最简单的方法,但从长期来看通常是最昂贵的方法),到基于条件的预测性策略的转变,是提高标准和扩大市场份额的关键转变。