Merawat Mesin Berbasis Analisis Data dari Cloud, Apa Peran Digital Twin?

Teknisi di pabrik atau alat berat mudah merawat mesin berbasis analisis data yang diperoleh dari cloud computing. Operator mesin harus memahami penggunaan IoT platform.  

Suatu mesin dapat tertimpa kerusakan yang disebabkan beberapa faktor seperti manusia yang jatuh sakit. Bagaimana cara mengetahui suatu mesin yang rusak?

Merawat Mesin Berbasis Analisis Data dari Cloud

Para insinyur menciptakan  sensor yang mampu memberi alarm atau peringatan dini jika terjadi sesuatu yang mencurigakan di dalam konstruksi mesin. Akan tetapi, data pada sensor jarang digunakan secara ekstensif. 

Oleh sebab itu, para peneliti di Institut Fraunhofer yang menangani Pabrik Produksi dan Teknik Desain IPK  membuat prosedur tindakan yang harus dilakukan saat seseorang terhubung dengan teknologi sensor ke cloud platform. 

Pengelolaan alur kerja yang terkoordinasi dengan sempurna dan pengoptimalan seluruh armada dan peralatan mesin yang harus presisi. Contohnya, mikrometer-presisi milling, turning, dan grinding benda kerja. 

Ketepatan mesin dapat dicapai jika mekanik bekerja secara bersih, tidak terjadi sentakan atau bergetaran keras. 

Sentakan dan getaran dapat ditransfer ke alat mesin dan menyebabkan kesalahan dan ketidakakuratan di dalam mesin yang sedang memproduksi. 

Ketika mesin rusak yang menyebabkan kinerjanya memburuk,  hal itu menambah biaya perawatan mesin. Saran tim ahli, sangat penting mendeteksi kerusakan atau keausan pada mesin yang dilakukan sejak tahap awal. 

Oleh karena itu, mesin-mesin produksi harus dipantau dengan menggunakan teknologi  sensor. Cara mendeteksi misalnya dengan getaran cahaya untuk mengetahui suatu komponen di mesin yang secara perlahan aus.

Teknisi segera memperingatkan agar part atau konponen itu harus diganti sebelum terjadi kerusakan total dalam konstruksi mesin. Artinya, kita merawat kesehatan mesin seperti merawat kesehatan manusia.

Perawatan mesin disebut pemeliharaan prediktif. Banyak sistem pemeliharaan prediktif yang ditawarkan di pasar, kita tinggal pilih. 

Siklus hidup alat mesin daapat disimpan di cloud computing. Sebagai aturan yang ketat, sistem pemeliharaan yang prediktif atas mesin merupakan solusi yang terisolasi. 

(Mungkin) seorang operator di manufaktur dapat memperingatkan suatu bagian mesin dapat diganti. Akan tetapi, informasi berharga tentang tanda-tanda kerusahan mesin hampir tidak digunakan lebih jauh, demikian tim peneliti menyimpulkan. 

Para ahli  Fraunhofer IPK yang berlokasi di Berlin, Jerman, mengembangkan sistem yang mengekstrak secara signifikan lebih banyak dari pemeliharaan prediktif. 

Para peneliti mengintegrasikan teknologi sensor ke dalam Internet platform  di mana seluruh siklus hidup dari satu atau banyak peralatan mesin tersimpan dengan baik. 

Cara ini memungkinkan analisis data secara ekstensif sehingga mesin dan seluruh alur kerja dapat dioptimalkan. 

Tim ahli yang dipimpin oleh Claudio Geisert, Deputy Head of Production Machinery and Plant Management di Fraunhofer IPK, telah mereview teknologi sensor pada Hannover Messe 2020 Review, beberapa waktu lalu, namun pameran itu dibatalkan wabah COVID-19. 

Para peneliti memilih elemen sentral dari mesin perkakas untuk mencapai tujuan yakni penggerak sekrup bola yang membawa benda kerja di mesin, dan digerakkan dengan sangat tepat pada spindle. 

Spindle seperti itu dapat aus seiring pergantian waktu, menghasilkan getaran yang tidak diinginkan dan menyebabkan kerusakan pada benda kerja—harus dideteksi sedini mungkin. 

Sistem perawatan cerdas yang dikembangkan oleh Fraunhofer IPK dapat melakukan itu. Inti perawatan mesin adalah papan sensor yang berisi sensor chip yang tersedia di pasar dengan nama Micro Electro Mechanical System (MEMS). 

Aplikasi MEMS adalah blok silikon kecil di permukaan—di  mana berbagai komponen teknik dihubungkan bersama. Misalnya, blok silikon dapat mengukur rangsangan lingkungan seperti getaran dan memprosesnya dengan prosesor yang terhubung. 

Aplikasi MEMS dan prosesor membentuk node sensor. “Jutaan MEMS dipasang di mobil dan telepon pintar. Spliksdi ini hemat biaya dan cukup akurat untuk mencapai hasil sesuai tujuan,” kata Claudio Geisert, Deputy Head of Production Machinery and Plant Management di Fraunhofer IPK.  

Pemrosesan sinyal sensor berlangsung pada node sensor. Dengan demikian, prosesor mendeteksi kesalahan sendiri dan dapat meneruskan informasi kepada penanggung jawab. 

Digital kembar atau twin digital di alat mesin diintegrasikan ke dalam Internet of Things (IoT)  platform yang menginformasikan ke pusat layanan, dan kemudian operator  segera bertindak.  

Misalnya, menetapkan waktu yang tepat untuk mengganti spindel untuk menghindari waktu henti produksi. 

Selanjutnya, IoT platform  berisi apa yang disebut digital kembar di alat mesin yang salinan digitalnya berberisikan riwayat mesin, dan semua status dan parameter operasi. 

Ambil dan analisis riwayat armada mesin saat spindle yang rusak yang harus diganti, dan digital twin juga menerima informasi bahwa komponen lama di mesin telah diganti dengan parts yang baru. 

“Pemetaan kondisi aktual peralatan mesin memungkinkan analisis yang komprehensif,” jelas Claudio Geisert. Misalnya, operator mesin mendeteksi apakah proses tertentu dari pabrik secara signifikan meningkatkan penutupan. Hal itu memungkinkan untuk menyesuaikan proses kerja yang sesuai. 

Dan produsen perkakas mesin, misalnya, dapat menerima informasi berharga untuk lebih mengoptimalkan peralatan mesin. 

“Pada akhirnya, cara merawat mesin memungkinkan Anda untuk mengambil dan menganalisis riwayat armada alat berat untuk menemukan kemungkinan titik lemah,” urai  Claudio  Geisert.

Ketika mesin diangkut melintasi lokasi tertentu untuk digabungkan dengan alat berat dengan menggunakan IoT platform sangat menguntungkan bagi teknisi di lokasi alat berat. 

Tim ahli menyarankan agar teknisi pertama kali memindai kode QR pada mesin untuk memverifikasi bahwa dia bekerja pada mesin yang benar. Hal itu  sangat penting di perusahaan di mana pun mesin digunakan. 

Komponen juga dapat dipindai dan dicocokkan dengan data di digital twin sehingga komponen lain tidak digunkan secara tak sengaja. 

Karyawan pabrik dapat menggunakan tablet untuk mendapatkan kembali instruksi pemasangan, dan pemasangan komponen. Setelah perbaikan dilakukan, uji coba mesin dapat dimulai. 

Jika semuanya berhasil, karyawan menekan tombol OK, dengan demikian memberikan sinyal untuk memperbarui komponen juga di digital kembar. 

“Dengan menggabungkan alat berat dan sensor ke IoT platform, kami mendapatkan gambaran holistik alat berat atau seluruh armada untuk pertama kalinya,” Claudio Geisert memebeberkan. 

Hal ini memungkinkan perusahaan besar untuk mengawasi seluruh alat berat mereka di lokasi individu. Solusi ini telah dikembangkan ke titik di mana ia dapat digunakan dalam industri. 

Solusi ini menawarkan kemungkinan untuk menyesuaikan teknologi sensor dengan kebutuhan spesifik pelanggan yang berbeda.