Objective informational resource
for industry professionals

Pharmaceutical Industry review/Фармацевтична галузь, 2019, №4 (75) August

Фармацевтическое оборудование «умнеет на глазах»

Промышленный Интернет вещей (Industrial Internet of Things – IIoT) можно использовать для мониторинга состояния оборудования, оптимизации процессов и обеспечения модульности производства.

IIoT подразумевает подключение «вещей» (то есть оборудования) друг к другу через Интернет. «Умное» оборудование использует датчики, например, для предоставления данных, необходимых для улучшения производственного процесса или мониторинга состояния оборудования.

«IIoT предоставляет новые возможности для сбора данных непосредственно в производственном процессе и отправки их в производственные и распределенные системы управления (DCS), – объясняет Грег Ньюман, вице-президент по маркетингу компании Parsec Automation Corp. – Устройства IIoT в заводских цехах предназначены для снижения расходов на инфраструктуру и уменьшения времени наладки для решения простых задач по сбору данных. Например, это относится к счетчикам производительности, устройствам для измерения температуры и контроля за состоянием оборудования. Устройства IIoT также могут упростить отправку информации за пределы производства, к программному обеспечению для удаленного сбора данных».

Упреждающий сервис: профилактика поломок

Согласно результатам опроса, проведенного Honeywell в 2016 г., производственные компании из разных отраслей используют аналитические сведения на основе данных, собранных посредством IIoT, для решения проблем, связанных с незапланированным простоем. Несмотря на то, что фармацевтическое производство отличается от других производственных секторов в отношении соблюдения нормативных требований и типов используемого оборудования, оно точно так же заинтересовано в предотвращении простоев и повышении надежности.

«Производители хотят выпускать продукцию высокого качества и не хотят списывать целые партии из­за брака. Мониторинг оборудования и данных о процессах имеет решающее значение для достижения этой цели», – уверен Матиас Мааз, директор департамента фармацевтических и специальных химикатов компании Honeywell Process Solution.

«Упреждающее обслуживание может быть просто идеальным применением для IIoT», – говорит Петтер Мёре, руководитель направления биологических наук, продуктов питания, напитков и химикатов в компании – поставщике программного обеспечения OSIsoft. Г-н Мёре также сообщает, что одна фармацевтическая компания, использующая дистанционный мониторинг данных в режиме реального времени, сократила незапланированные простои на объекте, поскольку смогла более тщательно отслеживать такие условия, как температура и влажность, а также более точно калибровать системы.

«Непрерывный сбор данных в режиме реального времени с работающего оборудования и машин, а затем анализ этих данных для использования и предоставления практических рекомендаций, связанных с использованием оборудования, поможет избежать отказов оборудования и увеличить время безотказной работы всех машин на предприятии», – говорит Билли Сиск, менеджер отрасли биологических наук по направлению Европа, Ближний Восток и Африка компании Rockwell Automation. По его мнению, несмотря на то, что прогнозное обслуживание не является новой концепцией, теперь можно собирать больше данных, а стоимость вычислений и хранения данных уменьшилась. «Одним из важнейших преимуществ масштабируемой аналитики является возможность использовать все данные, собранные с оборудования цеха, и анализировать их для повышения производительности предприятия и активов. Например, производители фармацевтической продукции могут отслеживать производительность на уровне оборудования или системы и определять, какие из них чаще выходят из строя или хуже работают. Эта информация может стать основой для разработки комплексной программы технического обслуживания и прогнозного управления оборудованием».

Также улучшился процесс устранения неполадок. Например, согласно отчетам г-на Сиска биофармацевтическая компания, которая перешла на использование новых платформ для очистки, добавила мониторинг приводов платформ со сменными частотами (VFD). Коды ошибок VFD сообщаются программируемому логическому контроллеру (PLC) и собираются в архиве данных. Компания заявила, что всего за первую неделю применения такого мониторинга она сэкономила целый день на устранении неполадок. Новые платформы также позволяют обеспечить удаленный доступ для работников из офиса или другого места, что дает возможность начать устранение неполадок в считанные минуты.

Другим примером устройства с поддержкой IIoT является монитор i-ALERT2 Bluetooth Smart от ITT, который отслеживает вибрацию насоса, температуру и время работы и отправляет данные по беспроводной сети в облачное хранилище для анализа работоспособности оборудования. Затем операторы могут получить рекомендации по планированию регулярного технического обслуживания. Также система может предупредить операторов о проблемах, чтобы они могли заранее принять меры для предотвращения отказа оборудования.

Оптимизация процессов

«Производительность оборудования напрямую зависит от характеристик процесса, а общая надежность производства тесно связана с общей эффективностью оборудования (overall equipment effectiveness – OEE)», – утверждает Эдвин ван Дейк, вице-президент по маркетингу Trend Miner – компании, предлагающей программное обеспечение для промышленной аналитики с самообслуживанием. Он говорит, что «контекстуализация производительности активов с данными процесса» имеет решающее значение, и что лучшее понимание связи между оборудованием и процессом позволит повысить надежность, а также улучшить контроль качества продукции и эффективности производства.

«Данные производственного процесса, «привязанные» к процессу в целом (то есть данные временного ряда), имеют ценность, когда они графически представлены экспертам в определенной области», – говорит г-н ван Дейк. Он объясняет, что инженеры-технологи могут использовать передовое аналитическое программное обеспечение для поиска примеров аналогичного поведения в прошлом и графического наложения моделей производительности. «В сопоставлении с поведением других маркеров эти сравнения могут указывать на главные причины аномалий, – продолжает г-н ван Дейк. – В случае же нормальной работы схемы нескольких периодов предпочтительного поведения могут быть объединены в золотые образцы для серийного или непрерывного производства. Фактическое производство впоследствии можно проверить на соответствие этим золотым образцам, в том числе удаленно».

Меньшие партии, такие как используются в персонализированной медицине, могут быть более трудными для оптимизации эффективности и надежности процесса. Однако анализ данных, собранных с помощью IIoT, позволяет оптимизировать и их. «Таким образом, аналитика данных специалистами в определенной области становит­ся все более важной, и им нужны инструменты для быстрого анализа, мониторинга и прогнозирования производительности процессов и активов», – убежден г-н ван Дейк.

X

error

Подобається наш журнал! Розкажи про нас

RSS
Follow by Email
LinkedIn
LinkedIn
Share
Для копіювання будь-ласка увійдіть в свій аккаунт