Manufacturing Asset Management

Il est indispensable d’utiliser une solution de monitoring de performance des ressources IoT fiable et efficace pour maintenir l’équipement connecté, à jour, sûr et exploité au plus haut degré. La solution Asset Management d’Hexagon connecte les systèmes et processus concernés pour optimiser l’efficacité de l’équipement. 

Le monitoring IoT industriel permet aux fabricants de déployer des applications IoT et analytiques d’une manière très économique. La solution est rapidement amortie en évitant des immobilisations imprévues et les pertes de gain associées.

Asset Management est conçu pour optimiser le taux de rendement global et les indicateurs d’excellence opérationnelle pour des appareils individuels ou des ensembles de systèmes, en temps réel ou sur une période définie. Un investissement dans la gestion de la performance des ressources peut maintenir les coûts fixes bas. Chaque petite variation du TRG peut avoir des effets considérables sur les résultats financiers. La solution englobe des données et des paramètres, notamment : 

• Tableau de bord des ressources en temps réel indiquant l’état des machines 
• Alertes en temps réel sur des événements critiques 
• Enregistrement historique et en temps réel des événements 
• Disponibilité = temps de service / temps programmé 
• Performance = (programmes exécutés x temps d’exécution idéal) / temps de service 
• Qualité = programme exécuté avec succès / total des programmes exécutés 
• Qualité = tâches acceptables / ensemble des tâches réalisées 

Base analytique pour la prise de décision 

La technologie de monitoring IoT apporte des bénéfices directs à l’atelier de fabrication, mais permet aussi aux responsables de prendre des décisions éclairées par les données, de réduire la paperasse, d’identifier les potentiels d’amélioration et de mieux suivre les indicateurs de performance clés comme : 

• Indicateurs quantitatifs comme le TRG 
• Les indicateurs de retard qui présentent le succès ou l’échec post hoc 
• Indicateurs d’entrée mesurant les ressources consommées pendant la génération du résultat 
• Temps de réaction initial moyen à un incident signalé dans l’atelier de fabrication 
• Temps moyen entre les défaillances