Proaktywne sterowanie procesami
Duże ilości danych dostępnych w nowoczesnych fabrykach pomagają zapewnić stabilność i kontrolę procesów, jednak ich efektywne wykorzystanie wiąże się z czasochłonnymi procesami zarządzania tymi danymi. Czas jest tu parametrem krytycznym, zwłaszcza jeśli inżynier rozpoczął wyszukiwanie danych i ich analizę z powodu zatrzymania produkcji. Procedury pozyskiwania i analizy danych można jednak zautomatyzować dzięki wykorzystaniu sztucznej inteligencji i rozwiązań mobilnych.
Każda minuta poświęcona na wydobycie i analizę określonych danych może być minutą straconej produkcji, co oznacza obniżenie zysków dla przedsiębiorstwa. Niektóre firmy stosują nawet wskaźnik operacji nieprzynoszących wartości dodanej (Nonvalue Added Activity – NVAA), określający czas przeznaczony na pracę niezwiązaną z produkcją. Można postawić tezę, że cały ten czas związany z wydobywaniem i analizą danych procesowych może być umieszczony bezpośrednio jako składnik tegoż wskaźnika.
Z pomocą może przyjść wdrożenie i wykorzystanie elementów sztucznej inteligencji oraz technologii mobilnej do monitorowania i wydobywania danych, ich ciągłej analizy w czasie rzeczywistym oraz przekazywania wymaganych informacji do inżyniera. Narzędzia użytkowe, które umożliwiają analizowanie niezbędnych danych, tworzą swego rodzaju inteligencję na poziomie systemów monitorujących pracę urządzeń hali fabrycznej, co przyczynia się do skrócenia czasu odnalezienia przyczyn awarii, zmniejszenia wskaźnika NVAA i w efekcie końcowym obniżenia straty firmy.
Sztuczna inteligencja i analiza danych
Rozwiązania Przemysłowego Internetu Rzeczy (Industrial Internet of Things – IIoT) pozwalają oszczędzać czas przeznaczany dotychczas na tradycyjną akwizycję i analizę danych. Sztuczna inteligencja i analiza danych wymaganych przez konkretne podmioty czy aplikacje mogą zautomatyzować proces pozyskiwania i analizy danych oraz tworzenie wykresów. Uzyskane w ten sposób informacje mogą być wysyłane bezpośrednio do właściwej osoby w celu rozwiązania problemu. Takie działanie, uprzedzające pojawienie się problemu w produkcji, przekształca kulturę pracy z reaktywnej na proaktywną.
Automatyczne generowanie alarmów i automatyzowanie tworzenia raportów, które mogą być następnie przesyłane inżynierom, nie jest nowością. Technologia wykorzystywana do realizacji tych zadań była stosowana w latach 90. i jest nadal w użyciu. Jednak postępy w rozwoju innych technologii powodują, że ciągła analiza danych w czasie rzeczywistym, wspierana przez sztuczną inteligencję, staje się dostępna cenowo i możliwa do wdrożenia na hali fabrycznej. Zadecydowały o tym: niższy koszt przechowywania danych, zwiększone usieciowienie maszyn oraz duża szybkość przetwarzania danych. Obecnie zamiast generowania alarmów i wykresów oprogramowanie może przesyłać komunikaty za pośrednictwem klientów poczty e-mail, wiadomości tekstowych, a nawet aplikacji mobilnych na smartfony, co pozwala inżynierom przeznaczyć ich cenny czas na rozwiązywanie problemów lub nawet lepiej – na zapobieganie ich wystąpieniu.
Dostarczenie platformy inteligentnych, komputerowych systemów automatyki, w których odpowiedzi oparte na ciągłej i zautomatyzowanej analizie każdego procesu realizowanego na hali fabrycznej są kierowane bezpośrednio do odpowiedniego personelu fabryki, może pomóc w przewidywaniu potencjalnych problemów związanych z realizowanymi procesami i wskazywaniu personelowi potencjalnych źródeł tych problemów, zanim wystąpią straty w produkcji. Istniejące realne dane procesowe są zbierane, analizowane i monitorowane w cyklu czasowym linii produkcyjnej, zaś odpowiednie informacje są wysyłane do odpowiedniego użytkownika w określonym czasie, czyli przed wystąpieniem strat, a nie po fakcie. Dzięki temu personel przeznacza swój czas pracy na zapobieganie problemom w kontrolowanym i zarządzanym tempie, zamiast reagować na straty produkcyjne w sposób gwałtowny i nieprzewidywalny.
Wyzwania dla proaktywnego sterowania procesami
Wykorzystanie sztucznej inteligencji w hali fabrycznej i proaktywnego sterowania procesami rodzi pewne wyzwania. Jednym z pierwszych problemów, które należy rozwiązać, jest zmiana nastawienia personelu fabryki. Ludzie ci muszą zrozumieć, że nie będą już reagować na tradycyjne oznaki wystąpienia problemów, takie jak migające czerwone lampki, zatrzymane przenośniki taśmowe oraz zamieszanie wśród inżynierów i techników.
Inną zmianą jest przyzwyczajenie personelu do rozwiązywania problemów, zanim spowodują one straty. Alarmy oparte na wyjątkach, których działanie polega na analizowaniu trendów „dobrych danych”, wskażą inżynierom, dokąd mają się udać, zanim wystąpi jakieś zdarzenie związane z realizacją głównego procesu, co oszczędzi czas i pieniądze. W tym scenariuszu tradycyjne alarmy są nieobecne, ponieważ fabryka pracuje tak, jak powinna. Gdy personel nauczy się tego sposobu zarządzania realizowanymi przez siebie procesami, może stopniowo przejść do wykorzystania nowych koncepcji, takich jak konserwacja zapobiegawcza oparta na danych. Przykładowo w obróbce skrawaniem taka właśnie konserwacja, oparta na danych procesowych i jakości części, może przynieść ogromne oszczędności.
Drogie noże tokarskie są często wymieniane w regularnych przedziałach czasowych lub gdy wystąpią wady produkcyjne albo pęknięcia narzędzi. Po wdrożeniu proaktywnego sterowania procesami system monitoruje trendy w generowanych danych procesowych i alarmuje personel tylko wtedy, gdy potrzebna jest jakaś zmiana, zanim wystąpi jakiekolwiek pogorszenie jakości produktów lub straty produkcyjne. Możliwe jest np. uzyskanie dodatkowych 10 godzin eksploatacji jakiegoś narzędzia, ponieważ „mówi” ono, że ma jeszcze dodatkowych 10 godzin „życia”.
Innym sposobem wprowadzenia znacznych ulepszeń będzie zebranie danych w czasie rzeczywistym w hali fabrycznej i wykorzystanie ich do celów porównawczych, aby „cyfrowo zwalidować” produkcję za pomocą wirtualnych symulacji.
Podsumowanie
Możliwość wykorzystania sztucznej inteligencji do proaktywnego sterowania procesami już istnieje. Po wybraniu właściwej technologii, która rzeczywiście umożliwia stworzenie inteligentnej hali fabrycznej, potrzebna jest tylko zmiana nastawienia personelu zakładowego, by móc w pełni wykorzystać możliwości oferowane przez analitykę i dostarczanie tylko wymaganych danych o procesach. Technologia jest oczywiście ważna, ale to ludzie decydują o różnicy w podejściu.
Don Manfredi jest prezesem firmy Trumble Inc.
