Page 59 - Model SMeART in smernice za poslovno sodelovanje med univerzo in gospodarstvom
P. 59
Proizvodnja

Preglednica 2.3 Primeri uspešnih aplikacij i 4.0

Podjetje Aplikacija i 4.0

3 d-Schilling Vsak obdelovalni stroj je opremljen s senzorji za merjenje orodja in ko-
g mb h sov. Nadaljnja obdelava poteka le, če so vse dimenzije v okviru predpi-
sanih meja. Avtomatska dokumentacija meritev vodi do večje pregle-
dnosti in omogoča odkrivanje sistematičnih napak. Posledično so se
prihodki v prvem letu povečali za 60 .

Habermaass Interno razvita k f s ima zmožnost dostopa, obogatitve in posredova-
g mb h nja ustreznih podatkov, kot so podatki o strankah ali matični podatki.
Na vseh delovnih postajah poteka mreženje med k f s, obdelovanim
izdelkom in obdelovalno napravo. Ustrezne informacije in specifika-
cije se posredujejo zaposlenim v realnem času. Poleg tega bodo vsi na-
daljnji zaposleni prejeli povratne informacije o trenutnem napredova-
nju obdelave in lokaciji polizdelkov. Čas izvedbe, stroški skladiščenja in
točnost bi se lahko bistveno izboljšali.

FlammSyscomp Procese prebijanja odlikuje zelo velik, 40–60-odstotni, delež odpadkov,
g mb h in Co. zato je skupina Flamm zavezana k razvoju materialno optimiziranega
kg procesa štancanja. Senzorji in programska oprema določajo optimalen

položaj izsekavanja, da se prihrani material in zmanjša odpad. Zaradi
različnih kamer, poizvedb in senzorjev se proizvaja samo 100  testira-
nih komponent.

Opombe Povzeto po Plattform Industrie 4.0 (2018).

Primeri, prikazani v preglednici 2.1, predstavljajo podjetja različnih ve-
likosti in tako dokazujejo, da i 4.0 ni omejena le na določene velikosti ali
izdelke podjetja. Habermaass gmbh je veliko podjetje v pohištveni indu-
striji, medtem ko je 3 d-Schilling g mb h podjetje s 36 zaposlenimi in iz-
deluje kalupe za proizvodnjo plastičnih delov. Tem podjetjem so aplikacije
i 4.0 omogočile znatno optimizacijo procesov in s tem povečanje konku-
renčnosti ter donosnosti.

Še en obetaven koncept i 4.0, ki omogoča povečanje učinkovitosti pri
proizvodnji procesov, nosi popularen naziv »prediktivno oz. napovedno
vzdrževanje«. Že sam izraz kaže na to, da je v središču zamisli o predik-
tivnem vzdrževanju uporaba podatkov, posnetih s senzorji, ter analitika
obsežnih podatkov za napovedovanje in zmanjševanje okvar stroja. Npr.,
Linde Material Handling, eden vodilnih proizvajalcev viličarjev, svoje izdel-
ke opremi s senzorji, ki registrirajo parametre vozila, kot so hitrost, pospe-
šek ali toplotna obremenitev. Skupaj z ustreznimi informacijami iz sistema
za načrtovanje virov podjetja (erp), kot so prejšnja poročila o vzdrževanju
ali okvarah, je mogoče napovedati morebitne okvare stroja in zamenjati
komponente, še preden pride do okvare (Lemke idr., 2017, str. 79).

59
   54   55   56   57   58   59   60   61   62   63   64