Po rozwiązania oparte na technologii IoT i AR coraz częściej sięga przemysł, wykorzystując je do zbierania i analizy danych, potrzebnych we wzajemnej komunikacji maszyn. Specjaliści z polskiej firmy Transition Technologies PSC stworzyli oprogramowanie bazujące na technologii Internetu Rzeczy i Rozszerzonej Rzeczywistości do zarządzania remontami maszyn. Dzięki temu rozwiązaniu pracownicy fabryki będą mogli proaktywnie analizować stan maszyny i przewidywać awarie.

Stan maszyn i urządzeń jest na bieżąco monitorowany za pomocą wbudowanych czujników. W przypadku, gdy po stronie urządzenia wystąpił problem, wówczas dane uzyskane z czujników przetwarzane są w chmurze IoT, gdzie mechanizm automatycznej diagnostyki rozpoznaje pewne wzorce i proponuje konkretne rozwiązania zaistniałej usterki. W tym samym czasie, zgłoszenie o nieprawidłowościach jest automatycznie rejestrowane w Dziale Utrzymania Ruchu (UR). Następnie otwierane jest automatyczne zgłoszenie dla serwisanta. Jednocześnie planowane są dostawy części zamiennych, dostępności i zajętości maszyny, tak aby w odpowiednim momencie przeprowadzić serwis. Technik z kolei otrzymuje niezbędny cyfrowy pakiet instrukcji serwisowych potrzebnych do wykonania naprawy.

– Na tym etapie czynności serwisowych idealnie sprawdza się technologia rozszerzonej rzeczywistości. Informacja serwisowa potrzebna do realizacji zadania jest dostępna dla pracownika na miejscu naprawy, w postaci interaktywnych instrukcji w rzeczywistości poszerzonej – mówi Artur Sadzik, kierownik strategicznych projektów IoT w Transition Technologies PSC.

Przewidywanie awarii, poprawa wydajności

– Nasze rozwiązanie opiera się na jednoczesnym wykorzystaniu systemów cyber-fizycznych, platform IoT, rozwiązań HMI (Human-Machine Interface), technologii AR, algorytmów do diagnostyki urządzeń, wykrywania anomalii oraz symulacji i optymalizacji pracy fabryki w połączeniu z niezbędną wiedzą ekspercką, które w konsekwencji mają pozwolić na opracowanie modelu funkcjonowania fabryki – dodaje Artur Sadzik.

Dzięki temu można analizować i przewidywać awarie, rozpoznać główne przyczyny ich zajścia, informować o konieczności wymiany podzespołów, a w konsekwencji podnieść wydajność fabryki.