Industry 4.0 și Smart Manufacturing sunt concepte cunoscute de aproape un deceniu, promițând îmbunătățiri în productivitate, flexibilitate și agilitate în producție. Aceste concepte accelerează transformarea digitală a companiilor prin aplicarea atât a tehnologiilor prezente, cât și a celor inovatoare, oferind:
un grad ridicat de digitalizare a domeniilor și subdomeniilor individuale și integrarea sistemelor implicate pentru a obține cea mai bună acoperire digitală a proceselor;
În ce stadiu se află astăzi companiile în procesul lor de transformare digitală? Fiecare companie prezintă grade diferite de maturitate, atât ca organizație, cât și în contextul transformării digitale. Adoptarea schimbărilor necesare nu este simplă, există numeroase dificultăți, motiv pentru care majoritatea afacerilor întâmpină diverse provocări.
În domeniul integrărilor de sisteme, companiile se confruntă cu dificultăți în alegerea produsului potrivit pentru a acoperi capabilitățile necesare proceselor lor. Motivul principal pentru acest lucru este că nu există o soluție universală. Procesele care alcătuiesc activitățile de bază ale companiilor, cum ar fi producția sau calitatea, sunt foarte specializate, deoarece produsele trebuie să fie unice. Prin urmare, modul în care sunt fabricate trebuie să fie unic și, foarte des, să contribuie la avantajul competitiv al afacerii.
De exemplu, există multe produse Manufacturing Execution System (MES) pe piață, de obicei specializate pentru anumite industrii sau tipuri de industrie. Cu toate acestea, nu există o soluție gata de utilizare care să poată oferi nivelul adecvat de acoperire a proceselor și capabilităților fără o personalizare amplă. Acest lucru este valabil mai ales pentru companiile extrem de mari care au facilități de producție în mai multe țări și continente, care dețin un portofoliu de produse foarte diversificat și, uneori, desfășoară procese de producție variate, în diferite regiuni chiar și pentru același produs.
O altă sursă de dificultate este integrarea în sine. Pentru a atinge potențialul maxim al sistemelor digitale, acestea trebuie integrate. Sistemele trebuie să comunice între ele, să facă schimb de informații și să declanșeze procese.
Urmând exemplul nostru cu MES, astfel de integrări ar fi după cum urmează: primirea planului detaliat de producție de la sistemul Advanced Planning and Scheduling (APS), solicitarea și confirmarea informațiilor legate de prelevarea de probe către Sistemele de Management al Informațiilor de Laborator (LIMS), primirea rezultatelor analizelor probelor de la LIMS, primirea parametrilor de producție și citirile senzorilor de la sistemele de control etc. Cu atât de multe sisteme diferite într-un singur peisaj, atât de multe soluții disponibile pe piață și nivelul inerent ridicat de personalizări, integrările tradiționale nu sunt durabile. Integrările point-to-point și interfețele specializate nu sunt scalabile ca soluție și sunt costisitoare de creat și întreținut.
Unul dintre pașii fundamentali pentru a ușura aceste dificultăți este aplicarea tehnologiei și strategiei potrivite pentru integrări. Un strat de integrare simplă, bazat pe evenimente și pe tehnologii deschise, pe care o companie îl poate implementa la nivel global pentru toate facilitățile de producție, este ceea ce numim o soluție scalabilă. Astfel de soluții de integrare nu sunt specializate pentru un sistem individual sau pentru o tehnologie sau protocol individual, ci oferă un "chat de grup" comun în care toate sistemele își pot comunica stările și solicitările. Aceste soluții reduc complexitatea integrărilor și tehnologiilor în cadrul organizației, fac posibil schimbul de sisteme fără reimplementarea integrărilor, elimină duplicările interfețelor și reduc sau elimină discuțiile inutile ale sistemelor prin rețea, menținând în același timp comunicarea aproape în timp real.
Sistemele de producție, cum ar fi sistemele de control, MES, Quality Management Systems (QMS), LIMS, APS, Warehouse Management Systems (WMS) și așa mai departe produc o cantitate imensă de date, care conțin informații valoroase. Cu toate acestea, pentru a atinge adevăratul potențial al acestor informații și pentru a obține cunoștințe aplicabile din acestea, trebuie integrate date din diferite surse. Sistemele își au propriile lor stocări de date bine definite, care se potrivesc perfect capacităților lor, dar sunt izolate. Numai persoanele cu experiență și cunoștințe pot înțelege corelația dintre datele deținute de aceste sisteme diverse.
Pentru a permite aplicarea analizei avansate și a inteligenței artificiale în domeniul producției, datele sistemelor izolate trebuie integrate astfel încât să câștige mai mult sens prin aducerea la un model de date comun, contextualizat și disponibil pentru consum de către aplicații. De exemplu, datele reprezentând instanțe de produse, deținute de WMS, în contextul comenzilor de producție prin care au fost create, deținute de MES, în contextul datelor senzorilor care au fost citite în timpul producției, deținute de Data Historian, în contextul datelor de măsurare a calității, deținute de LIMS, sunt mult mai valoroase decât fiecare dintre aceste produse de date în parte.
Rezultatul unirii datelor din toate sistemele, contextualizate și stocate într-un model comun de date reprezintă ceea ce numim un Knowledge Graph și este nucleul unui Digital Twin. Knowledge Graphurile în digitalizarea producției nu se limitează la date tranzacționale sau la date structurate, ci ar trebui să aibă toate datele relevante pentru procesele și instalațiile de producție. Câteva exemple suplimentare de date relevante: modele 3D ale instalațiilor de producție și ale echipamentelor de producție, diagrame de conducte și instrumente, instrucțiuni de lucru etc.
Platformele de date care găzduiesc astfel de Knowledge Graphuri permit implementarea de analize avansate și inteligență artificială, rezultând aplicații care permit utilizatorilor să fie notificați despre evenimente importante de producție aproape în timp real, facilitează luarea unor decizii bine informate pentru gestionarea incidentelor și optimizează productivitatea. Face posibilă utilizarea în cazuri precum analiza cauzelor principale în caz de incidente, mentenanța predictivă a echipamentelor, rularea simulărilor și furnizarea de recomandări pentru optimizarea randamentului etc.
Digital Twinul este esențial și pentru robotica avansată, unde inteligența artificială bazată pe datele de producție va ajuta roboții să învețe și să se adapteze pentru a rezolva din ce în ce mai multe sarcini pe care oamenii le vor delega fie din cauza riscurilor de siguranță, a nevoii de precizie suplimentară, fie din alte motive.
Dezvoltarea rapidă a inteligenței artificiale generative este extrem de interesantă și pentru domeniul producției. Potențialul unui Manufacturing Copilot care asistă oamenii în fabrici și în birouri este semnificativ. Knwledge Graphurile datelor de producție sunt esențiale pentru a alimenta astfel de modele gen AI și aplicațiile lor.
Câteva cazuri potențiale de utilizare cu un Manufacturing Copilot:
Întrebați Copilot despre soluția unui anumit tip de incident, care va găsi și va oferi informații despre rezoluțiile aplicate anterior.
Întrebați Copilot despre etapele necesare pregătirii unei linii de producție pentru următoarea comandă de producție, care va găsi informațiile potrivite în documentele de instrucțiuni de lucru.
Tehnologia se dezvoltă rapid, iar companiile se luptă să țină pasul în călătoriile lor de transformare digitală. Două dintre dificultățile fundamentale ale programelor de digitalizare, având sistemele și capacitățile potrivite și permițând cazuri de utilizare cu analize avansate și inteligență artificială vor fi abordate prin aplicarea tehnologiei și strategiei potrivite pentru integrarea sistemelor într-un mod scalabil și durabil și prin stabilirea unei platforme de date pentru a găzdui un Knowledge Graph și pentru a permite crearea de Digital Twins.
de Ovidiu Mățan
de Andrei Sipoș
