A non-intrusive Industry 4.0 retrofitting approach for collaborative maintenance in traditional manufacturing

Abstract

El impacto de la COVID-19 en la economía mundial ha intensificado las necesidades de las plantas de fabricación de adaptarse a cambios impredecibles y de garantizar la continuidad de la producción industrial. La demanda de soluciones para la monitorización de activos y de soporte especializado en el entorno de la planta se ha convertido en una prioridad digital cada vez más relevante para la industria, lo que impulsa actualizaciones tecnológicas humano-máquina que conducen a la evaluación de las competencias digitales de los trabajadores. En el caso de la fabricación tradicional, las pequeñas y medianas empresas (pymes) se enfrentan al reto de gestionar tecnologías digitales y modelos de madurez de la Industria 4.0 (I4.0) con una baja tasa de adopción. En este contexto digital, muy pocas pymes con medios tradicionales han anticipado los avances más recientes en estrategias de mantenimiento, debido a barreras técnicas y económicas. Este trabajo presenta una solución de integración tecnológica humano–máquina para la fabricación tradicional, basada en un desarrollo de retrofitting no intrusivo con herramientas interoperables de la I4.0. El método proporciona una arquitectura común de hardware y software, de rápida implantación, que da soporte a un enfoque de mantenimiento heredado basado en interfaces humano–máquina (HMI), y aborda su evaluación con un enfoque centrado en la convergencia físico–digital de sistemas industriales antiguos. Para ello, se ha llevado a cabo un caso de estudio que aplica un enfoque de proceso digital integrado con técnicas de mantenimiento basado en la condición (CBM) en una fresadora CNC, y que fue reproducido en una máquina de moldeo por inyección durante el estado de alerta por COVID-19. Estos escenarios preexistentes permitieron desplegar estrategias de retrofitting digital y de comunicación sin interferir en las condiciones de trabajo. Los patrones extraídos de las máquinas fueron monitorizados en tiempo real y se interactuó con el conocimiento operativo del personal experimentado. De este modo, se aporta una contribución original para afrontar los retos humano–máquina mediante mejoras aplicadas a la fabricación tradicional, en la que se emplean estrategias digitales aumentadas y entornos proactivos de mantenimiento basado en la condición.

The recent COVID-19 outbreak impact on the world economy has boosted the increasing business needs to force manufacturing plants adapting to unpredictable changes and ensuring the continuity of industrial production. The demand for asset monitoring solutions and specialised support at the shop floor has become an increasingly important digital priority in industry that pushes human–machine technological upgrades leading to digital workforce skills assessment. In the case of traditional manufacturing, Small and Medium-sized Enterprises (SMEs) face the challenge of managing digital technologies and Industry 4.0 (I4.0) maturity models with a low adoption rate. In this digital context very few SMEs with traditional means have anticipated the latest advances in maintenance strategies impeded by technical and economical barriers. This work presents a human–machine technological integration solution in traditional manufacturing based on a non-intrusive retrofitting development with interoperable I4.0 tools. The method provides a common and rapidly deployable hardware and software architecture supporting an HMI-based legacy maintenance approach and addresses its evaluation focused on the physical-digital convergence of older industrial systems. A case study applying a digital process approach integrated with condition-based maintenance (CBM) techniques, has been carried out on a CNC milling machine and reproduced in an injection moulding machine during COVID-19 alert state. These already existing scenarios served to deploy digital retrofitting and communication strategies without interfering in working conditions. Patterns extracted from the machines were monitored in real-time interacting with the operational knowledge of the experienced staff. In this way, we provided an original contribution to confront human–machine challenges with improvements applied in traditional manufacturing, where workers and industrial systems were collaboratively updated with augmented digital strategies and proactive CBM environments.