Studium przypadku
CYFROWA TRANSFORMACJA W PRZEMYŚLE FARMACEUTYCZNYM
Wiodąca firma farmaceutyczna zwiększa produktywność za pomocą cyfrowej transformacji procesów produkcyjnych.
- Temat: Cyfrowe monitorowanie maszyn
- Lokalizacja: USA
- Klient: Producent z branży farmaceutycznej
- Produkty: dla ochrony zdrowia zwierząt
- Monitorowane maszyny: Centrale wentylacyjne, wentylatory inkubatorów, pompy wody lodowej, pompy wyporowe.
Wyzwanie
Jedna z 20 największych firm farmaceutycznych na świecie chciała zoptymalizować wydajność operacyjną, zmniejszając kosztowne przestoje, które miały wpływ na cały łańcuch dostaw. Maszyny dostarczające powietrze do pomieszczeń czystych klasy A i B niespodziewanie zawiodły, co poważnie zakłóciło procesy produkcyjne. Wydajność spadała, koszty konserwacji gwałtownie rosły, cele dotyczące procesów produkcyjnych i operacyjnych były dalekie od realizacji.
Zespół zakładowy wierzył, że problemy, z których wynikają przestoje można rozwiązać poprzez dostosowanie bieżących praktyk konserwacyjnych, lecz problemy dręczące zakład pociągały za sobą poważniejsze konsekwencje. Nie mogąc prawidłowo zdiagnozować stanu technicznego swoich maszyn, zespół znalazł się w czarnej dziurze danych i wniosków. Jak się okazało, transformacja procesu to coś więcej niż umieszczenie czujników na sprzęcie. Rozwiązanie Digital Machine Health to technologia, na której opiera się Grundfos Machine Health. Może ona wnieść prawdziwą wartość i wpłynąć na podejmowanie właściwych decyzji w organizacjach produkcyjnych.
STAN MASZYN JAKO PODSTAWA CYFROWEJ TRANSFORMACJI
Producent z branży farmaceutycznej i jego partner zrealizowali strategię opartą na kluczowych filarach Digital Machine Health i Performance – wydajności:
- Wdrożenie technologii o dowiedzionej jakości
- Dane diagnostyczne dotyczące stanu maszyn umożliwiają podejmowanie działań i nie przytłaczają użytkowników
- Zarządzanie procesem zmian w celu zachęcenia do przyjęcia nowych rozwiązań
Aby upewnić się, że cyfrowa transformacja zakończyła się powodzeniem, zespół utworzył szczegółowy zakres projektu, który obejmował badanie zakładu, plan instalacji, kadencję szkolenia i zarządzanie programem. Po zainstalowaniu rozwiązania do ciągłej i przenośnej diagnostyki, zespół ds. sukcesu klienta przeszkolił lokalny zespół w zakresie interfejsu platformy i przepływu użytkownika. Dzięki rozwiązaniu typu full stack i wdrożeniu „pod klucz”, program zaczął przynosić korzyści już po kilku dniach od instalacji.
Wymierne rezultaty
Za pomocą algorytmów uczenia maszynowego zidentyfikowano zużycie łożysk w dwóch krytycznych zespołach do uzdatniania powietrza obsługujących pomieszczenia czyste. Gdyby nie wykryto tych usterek, produkcja musiałaby zostać zawieszona na kilka dni, co spowodowałoby stratę produktu i wzrost kosztów napraw rzędu 255 tys. euro (300 tys. dolarów). Ponieważ tylko dwa planowane okresy przestoju w roku są przeznaczone na przeprowadzenie napraw, awarie poza tymi okresami stanowiłyby znaczne obciążenie dla zespołu i spowodowałyby poważne zakłócenia w produkcji. Dzięki diagnozie i ostrzeżeniu, zespół był w stanie zamówić niezbędne części z wyprzedzeniem i wykorzystać przerwę w cyklu produkcyjnym, aby uzyskać dostęp do central wentylacyjnych i naprawić problemy, bez żadnych zakłóceń w produkcji. Skupiając się na maszynie – podstawowym elemencie każdego procesu produkcyjnego – i przechodząc od reaktywnej konserwacji do cyfrowej wydajności maszyny, producent był w stanie wprowadzić usprawnienia w zakresie produktywności, działania i łańcucha dostaw.