Rejestracja danych procesowych oraz optymalizacja całkowitej efektywności wyposażenia, po angielsku Overall Equipment Effectiveness, w skrócie OEE, opierają się na współdziałaniu odpowiedniej sensoryki, niezawodnej integracji danych, jasnych definicji strat oraz konsekwentnej analizy. OEE składa się z dostępności, wydajności i jakości. W procesach mieszania te wskaźniki muszą być zawsze rozpatrywane w kontekście wsadu i produktu, ponieważ oprócz właściwego czasu mieszania na rzeczywiście dostępny czas pracy instalacji wpływają także zasyp, dozowanie, opróżnianie, zmiana produktu, czyszczenie, pobieranie próbek i zwolnienia.

Do zautomatyzowanej rejestracji danych procesowych, często nazywanej rejestracją danych procesowych lub w skrócie PDE, potrzebne są punkty pomiarowe, które sensownie odwzorowują stan procesu, jakość i stan instalacji. Należą do nich prędkość obrotowa, moment obrotowy, prąd silnika i pobór mocy napędu mieszalnika. Dane te mogą dostarczać wskazówek dotyczących zachowania produktu, stopnia napełnienia, tarcia, postępu mieszania lub możliwych naklejeń. Nie są one jednak uniwersalnymi wielkościami zastępczymi dla jakości mieszania czy lepkości. Ich wartość informacyjna musi być zweryfikowana dla każdego produktu, każdej receptury i każdego typu mieszalnika poprzez porównanie z odpowiednimi danymi jakościowymi.

Czujniki temperatury, ciśnienia, próżni, poziomu napełnienia i wilgotności pomagają niezawodnie nadzorować krytyczne parametry procesowe. To, który punkt pomiarowy jest potrzebny, zależy od zadania mieszania. Przy proszkach higroskopijnych decydująca może być wilgotność, przy procesach egzotermicznych lub produktach wrażliwych termicznie – temperatura, a przy procesach zamkniętych, inertyzowanych lub wspomaganych próżnią – ciśnienie i próżnia. Punkty pomiarowe nie powinny istnieć tylko technicznie, lecz spełniać jasny cel: muszą nadzorować istotny parametr procesowy, umożliwiać wczesne wykrycie odchylenia lub wspierać możliwą do udokumentowania decyzję w procesie.

Analityka inline, czyli pomiar bezpośrednio w strumieniu procesowym lub w zbiorniku, może poprawić ocenę procesu i jakości. Zależnie od zastosowania w grę wchodzą na przykład spektroskopowy pomiar wilgotności inline, pomiary przewodności, pomiary cząstek lub pomiary lepkości. Metody te mogą umożliwiać szybszą informację zwrotną niż czysto ręczne pobieranie próbek laboratoryjnych. Ich stosowanie zakłada jednak, że punkt pomiarowy, kalibracja, algorytm oceny, konserwacja i postępowanie z wartościami niewiarygodnymi zostały ustalone jako odpowiednie do zamierzonego celu. Przy zastosowaniach regulowanych może to wymagać kwalifikacji lub walidacji metody.

Centralne znaczenie ma także nadzorowanie dozowań. Systemy grawimetryczne dozują według masy, na przykład za pomocą tensometrów lub wag dozujących różnicowych. Systemy wolumetryczne dozują według objętości, na przykład za pomocą ślimaków, pomp lub zdefiniowanych objętości skoku. Dla identyfikowalności wsadów powinny być rejestrowane ilości zadane i rzeczywiste, wsady surowców, znaczniki czasowe, kolejność dozowania oraz ewentualne korekty. Ułatwia to analizę przyczyn, gdy występują odchylenia jakościowe, błędne odważenia lub przerwy procesowe.

Pomiary drgań, temperatury i prądu przy silnikach, łożyskach, przekładniach i uszczelnieniach mogą wspierać utrzymanie ruchu oparte na stanie technicznym. Ten sposób postępowania jest często określany jako Condition Monitoring. Służy on wczesnemu rozpoznawaniu zmian w stanie eksploatacyjnym. Na tej podstawie można opracować konserwację predykcyjną, po angielsku Predictive Maintenance. Wykorzystuje ona dane historyczne i znane wzorce awarii, aby oszacować prawdopodobne zapotrzebowanie na konserwację. Nie każda krzywa pomiarowa nadaje się automatycznie do wiarygodnej prognozy awarii. Warunkiem są odpowiednie punkty pomiarowe, wystarczająca jakość danych, znane mechanizmy zużycia oraz jasny proces konserwacji, który przekształca nietypowe dane w konkretne działania kontrolne lub konserwacyjne.

Dla analizy OEE dane procesowe, zdarzeniowe i jakościowe muszą być jednoznacznie powiązane w czasie. Potrzebne są precyzyjne znaczniki czasowe dla zasypu, dozowania, mieszania, opróżniania, czyszczenia, zmiany produktu, przestojów i ponownego rozruchu. Szczególnie pomocna jest rejestracja zdarzeń, która automatycznie rozpoznaje nieplanowane przestoje, krótkie przerwy i czasy oczekiwania oraz jest uzupełniana przez operatorów lub utrzymanie ruchu o znormalizowane przyczyny. Przestoje powinny być klasyfikowane co najmniej według planowanych i nieplanowanych oraz według przyczyn technicznych, materiałowych, organizacyjnych i jakościowych. Bez jednolitej klasyfikacji analizy OEE mogą wprawdzie generować liczby, ale dostarczają niewiele wiarygodnych punktów zaczepienia dla usprawnień.

Znane jako „Six Big Losses” sześć wielkich rodzajów strat pochodzi ze środowiska Total Productive Maintenance, czyli kompleksowego produktywnego utrzymania ruchu. Obejmują one zazwyczaj awarie, czasy przezbrojenia i regulacji, krótkie przestoje, obniżoną prędkość, straty rozruchowe i straty jakościowe. Dla procesów wsadowych rodzaje strat powinny być dostosowane do rzeczywistego przebiegu. Na przykład zbyt długie czyszczenia, czasy oczekiwania na surowce lub zwolnienia jakościowe, dodatkowe mieszania i opóźnione opróżnienia mogą być sensowniejsze jako osobne kategorie strat niż niezmieniona adaptacja modelu z produkcji seryjnej.

Ustrukturyzowana architektura danych zapewnia, że dane pomiarowe nie pozostają izolowane. Znormalizowane standardy komunikacji i magistral polowych umożliwiają wymianę danych strukturalnych między sterowaniami, systemami historian, systemami nadrzędnymi i aplikacjami wyższego poziomu niezależnie od producenta, na przykład dla transmisji danych zorientowanej na zdarzenia lub dla podłączenia do aplikacji Industrial Internet of Things i chmurowych. To, który interfejs jest odpowiedni, zależy od wymagań czasu rzeczywistego, istniejącej architektury automatyki, wymagań bezpieczeństwa i pożądanego modelu danych.

Historian to wyspecjalizowana baza danych dla danych procesowych i zdarzeniowych ze znacznikami czasowymi. Umożliwia zapisywanie i analizowanie wartości pomiarowych, stanów, alarmów i szeregów czasowych przez dłuższe okresy. Dla procesów wsadowych dane powinny być dodatkowo powiązane z identyfikatorem wsadu, czyli jednoznacznym oznaczeniem wsadu, identyfikatorem produktu, wersją receptury, oznaczeniem instalacji i fazą procesu. Standard ISA-88, znany też jako ISA S88 lub IEC 61512, opisuje modele i pojęcia dla sterowania wsadowego. Należą do nich receptury, moduły instalacji, operacje, fazy i protokoły wsadów. ISA-88 może zatem stanowić odpowiednią podstawę do jednolitego strukturyzowania zarządzania recepturami, kroków procesowych i dokumentacji wsadów.

Cyfrowe zarządzanie recepturami zmniejsza ryzyko ręcznych błędów wprowadzania i wspiera kontrolowane wykonywanie zatwierdzonych parametrów. Może ono zarządzać na przykład czasem mieszania, prędkością obrotową, profilami temperatury, kolejnością dozowania, stopniem napełnienia, ilościami zadanymi i krokami zwolnienia. W środowiskach regulowanych receptury powinny być wersjonowane, chronione przed nieupoważnionymi zmianami i zarządzane poprzez zdefiniowane procesy zwolnień. Zmiany muszą być możliwe do prześledzenia. Jeżeli zapisy elektroniczne lub podpisy elektroniczne podlegają obowiązującym wymaganiom regulacyjnym, dodatkowo trzeba uwzględnić wymagania dotyczące integralności danych, ścieżek audytu i ewentualnie podpisów elektronicznych.

Porównanie z wsadem wzorcowym (Golden Batch) porównuje przebieg aktualnego wsadu z określonym przebiegiem referencyjnym udowodnionego, udanego wsadu. Pojęcie „Golden Batch” nie oznacza przy tym, że pojedynczy wsad musi stanowić idealną referencję. W praktyce statystycznie zabezpieczony zakres referencyjny z kilku odpowiednich wsadów jest często bardziej wiarygodny. Odchylenia momentu obrotowego, temperatury, czasu dozowania, czasu mieszania lub innych krytycznych parametrów mogą dzięki temu stać się widoczne wcześnie. Czy i jak nastąpi interwencja, musi być ustalone w jasnej strategii procesowej, aby nie każde normalne rozproszenie procesu wywoływało niepotrzebne alarmy lub interwencje operatora.

Do optymalizacji procesu nadają się różne metody analizy. Statystyczne sterowanie procesem, w skrócie SPC (Statistical Process Control), nadzoruje stabilność i rozproszenie ważnych parametrów procesowych na przestrzeni wielu wsadów. Pomaga rozpoznawać trendy, dryf i nietypowe wzorce, zanim ustalone wartości graniczne zostaną przekroczone. Statystyczne planowanie eksperymentu, w skrócie DoE (Design of Experiments), systematycznie bada, jak kilka wielkości wejściowych wspólnie wpływa na wynik. Dzięki temu można celowo optymalizować na przykład czas mieszania, prędkość obrotową, stopień napełnienia, kolejność dozowania lub profil temperatury. Dodatkowo pomocna może być wielowymiarowa analiza danych, gdy jednocześnie ma być ocenianych wiele powiązanych ze sobą danych procesowych i jakościowych.

Cyfrowy bliźniak to cyfrowy model rzeczywistego produktu, procesu lub instalacji. Może mieć różne postaci: od prostego odwzorowania receptur, zdolności produkcyjnych i czasów przejścia, po fizycznie ugruntowany model kinetyki mieszania, przenoszenia ciepła, wprowadzania energii lub właściwości materiałowych. Cyfrowe bliźniaki mogą pomagać przy symulacji strategii eksploatacyjnych, planowaniu zdolności produkcyjnych i ocenie możliwych zmian procesowych. Nie zastępują one jednak prób z rzeczywistym produktem, zwłaszcza gdy strumienie cząstek, przyleganie produktu, jakość mieszania lub zachowanie przy opróżnianiu dają się modelować tylko w ograniczonym zakresie.

Czyszczenie w istotny sposób wpływa na dostępność w wielu procesach mieszania. Cleaning in Place, w skrócie CIP, oznacza czyszczenie części instalacji w stanie zabudowanym bez rozległego demontażu. Sterilization in Place, w skrócie SIP, oznacza sterylizację części instalacji w stanie zabudowanym, często za pomocą pary lub innej odpowiedniej metody. Czujniki przewodności, przepływu, temperatury, ciśnienia i czasu mogą pomagać nadzorować cykle czyszczenia i sterylizacji. Czyszczenie dostosowane do zapotrzebowania może zmniejszyć zużycie zasobów i czas przestoju, ale nie może odbywać się kosztem wymaganej higieny lub zwalidowanej skuteczności czyszczenia. W zastosowaniach regulowanych kryteria czyszczenia, granice akceptacji oraz postępowanie z odchyleniami muszą być jasno zdefiniowane.

Do obsługi i analizy dane powinny być wizualizowane w sposób dostosowany do grupy docelowej. Pulpity oparte na rolach mogą pokazywać operatorom aktualne stany procesu i alarmy, kierownikom zmian dostarczać czasy strat i trendy OEE, a inżynierom jakości lub procesu umożliwiać szczegółowe analizy procesowe i wsadowe. Skuteczne zarządzanie alarmami zapobiega przeciążeniu operatorów wieloma jednoczesnymi, nieuporządkowanymi priorytetowo komunikatami. EEMUA 191 to wytyczna Engineering Equipment and Materials Users’ Association, w skrócie EEMUA, dotycząca projektowania, zarządzania i oceny alarmów w instalacjach procesowych. Jest ona często stosowana jako punkt odniesienia dla priorytetyzacji alarmów i redukcji zalewów alarmowych.

Dostęp mobilny może poprawić dostępność informacji, ale wymaga jasnej koncepcji uprawnień, bezpieczeństwa i zwolnień. Zwłaszcza przy dostępach z prawem zapisu lub dostępach zdalnych do sterowań, dostęp powinien być czasowo ograniczony, szyfrowany, protokołowany i zaprojektowany według zasady minimalnych uprawnień. Znormalizowane raporty i regularne spotkania operacyjne bezpośrednio w obszarze produkcyjnym (shopfloor meetings) pomagają przekształcać dane OEE, jakościowe i o przestojach w konkretne działania usprawniające.