Cyfryzacja może zaoferować różnym gałęziom przemysłu przetwórczego poprawę w zakresie optymalizacji procesów i wydajność fabryk. Przemysłowy Internet Rzeczy (IIoT) wnosi do zakładów przemysłowych: konserwację predykcyjną, zarządzanie informacjami o zasobach oraz otwartość w konfiguracji urządzeń.
Cyfryzacja może zaoferować wiele zalet dla przemysłu przetwórczego, takich jak nowe obszary i możliwości w optymalizacji procesów oraz poprawa wydajności fabryk. Przemysłowy Internet Rzeczy (ang. Industrial Internet of Things, IIoT) oferuje efektywnie działającą konserwację predykcyjną, zarządzanie informacjami o zasobach oraz otwartość konfiguracji urządzeń dla integracji systemów automatyki i transmisji danych w strukturze pionowej topologii sieciowej, co tworzy podwaliny do realizacji rozwiązań idei Przemysłu 4.0.
Fabryki przemysłu przetwórczego składają się z nieliczonej wprost ilości ruchomych części, zaś starzenie się sprzętu powoduje zmniejszenie wydajności. Podczas gdy rosną ceny mediów zużywanych przez fabryki, to koszty konserwacji zainstalowanego i wykorzystywanego w nich sprzętu narastająco dodają się do całkowitych kosztów utrzymania. Szacuje się, że istniejące fabryki marnują około 30% zużywanej energii. W Chinach w 2016 r. stopień celowego ograniczenia ilości energii elektrycznej, produkowanej przez elektrownie wiatrowe i przesyłanej do sieci energetycznej (ang. wind curtailment), w całym kraju osiągnął 17%. Ilość zmarnowanej w ten sposób energii wiatrowej była niemal równa całkowitej ilości energii zużywanej przez Pekin w ciągu roku.
Udział USA w światowej generacji odpadów poprzez zanieczyszczenia przemysłowe wynosi 30%, podczas gdy kraj ten zużywa 25% światowych zasobów.
Organy państwowe odpowiedzialne za tworzenie przepisów i regulacji wywierają nacisk na sektor przemysłowy, aby redukował odpady, ograniczał zanieczyszczenia środowiska oraz poprawiał wykorzystanie zasobów – motywując do zwiększania wydajności i karząc za naruszenia przepisów. W biznesie zdominowanym przez klienta, producenci będą musieli analizować różne opcje zwiększenia konkurencyjności. Ponieważ koszty dostarczanych mediów znajdują się ogólnie poza kontrolą producentów, dlatego w koncepcjach pro-oszczędnościowych warto skupić się na działaniach, które pozwolą zmniejszyć koszty operacyjne i koszty produkcji.
Pomoc ze strony konwergencji IT-OT
Konwergencja danych technologii informacyjnej (ang. information technology, IT) i technologii operacyjnej (ang. operational technology, OT) pomaga w realizacji operacji i procesów w fabrykach. To tam właśnie szum związany z technologiami i ideą IIoT zaczyna mieć sens. Ponieważ mnożą się czujniki i urządzenia obsługujące protokoły internetowe, wydaje się, że to w końcu technologia IIoT będzie dominowała na halach fabrycznych. A ponieważ producenci zdają sobie sprawę z potencjału nowych narzędzi i możliwości wynikających z kompleksowego zbierania informacji, będą mogli tworzyć odchudzone procesy, usprawniać operacje i zmniejszać koszty. Rozważmy proste zadanie konserwacji sprzętu. W fabrycznym ekosystemie połączonym w sieci, maszyny mogą wysyłać alarmy komunikujące ich status, umożliwiając operatorom dokonanie obchodu na produkcji bez jej przerywania. A to tylko jedna linia produkcyjna w jednej fabryce. Wyobraźmy sobie istniejące możliwości dla wielu zakładów firmy, połączonych przez oparty o technologię Chmury system planowania zasobów przedsiębiorstwa (ang. enterprise resource planning, ERP). Inteligencja i najlepsze praktyki ustanowione w jednej, modelowej fabryce mogą być bezproblemowo wyeksportowane i wdrożone w każdym innym zakładzie, podłączonym do takiego systemu.
Wzrost wydajności równy 82%
Jeśli wierzyć doniesieniom, zakłady produkcyjne dzięki zdigitalizowanym procesom osiągają obecnie wzrost wydajności na poziomie nawet 82%. Chcąc rozwiązać problem wysokich cen mediów pewna japońska firma, będąca głównym producentem w przemyśle chemicznym, zainstalowała czujniki w 148 kolektorach pary, co doprowadziło do 7% redukcji kosztów wytwarzania pary.
Za pomocą technologii IIoT operatorzy w fabrykach mogą uzyskać dostęp do zwiększonej ilości danych dotyczących zasobów. Będąc pomostem pomiędzy czujnikami na krawędzi sieci, a analityką, technologia ta dostarczy takie korzyści jak:
- Niskie koszty zbierania danych za pomocą czujników bezprzewodowych, zużywających niewielkie ilości energii
- Opracowywanie sterowanej danymi, strategicznej i możliwej do realizacji inteligencji operacyjnej
- Przedstawianie tych informacji personelowi kierowniczemu w fabrykach w odpowiednim czasie
- Ulepszanie pracy fabryki po podjęciu działań korygujących
Działając według obecnych standardów operatorzy wykorzystywali takie informacje do przejścia od konserwacji reaktywnej do bardziej efektywnej konserwacji predykcyjnej. Wdrażanie priorytetyzacji efektywnej konserwacji w wielu zakładach jest obecnie główną przeszkodą, która nadal istnieje.
Ulepszenie konserwacji
To przygotowuje grunt pod wdrożenie systemu TPM (ang. total productive maintenance, całkowite produktywne utrzymanie ruchu maszyn, jedna z metod lean management). Celem tego modelu, opracowanego w latach 50-ch XX w. i opartego na 8 filarach, jest stałe koncentrowanie się na technikach konserwacji zapobiegawczej i proaktywnej, w celu zwiększenia niezawodności sprzętu i w ostatecznym rozrachunku produktywności.
Łącząc oprogramowanie systemu CMMS (ang. computerized maintenance management system, komputerowe wsparcie zarządzania utrzymaniem ruchu) z danymi zebranymi za pomocą technologii IIoT, personel utrzymania ruchu w fabryce może monitorować grupy zasobów, określając parametry dla wyzwalania alarmów, automatyzując odpowiedzi i generowanie porządku pracy, poprzez bezpośrednie sprzężenie z systemem ERP w Chmurze.
Sztuczna inteligencja
Już obecnie widać wyraźnie, że przemysł przetwórczy znajdzie wiele korzyści z wykorzystywania sztucznej inteligencji (ang. artificial intelligence, AI). W próbie zwiększenia bezpieczeństwa w fabrykach operatorzy usiłowali zmniejszać potrzeby interwencji ręcznych na hali.
Robotyka i automatyzacja procesów zostały wykorzystane z powodzeniem w różnych gałęziach przemysłu, aby osiągnąć ten skutek. Większe efektywności przepływu roboczego zwiększą produkcję i zmniejszą zużycie materiałów. Strumień danych generowanych przez IIoT stwarza ku temu doskonałe okazje. Systemy produkcyjne, które wykorzystały procedury uczenia maszynowego i predykcyjną analizę danych, podobno zwiększyły możliwości produkcyjne nawet o 20%, jednocześnie obniżając zużycie zasobów o 4%.
Optymalizacja zasobów
Zdolność umysłu ludzkiego do uzasadniania i myślenia logicznego są sprawami zasadniczymi dla produkcji. Ponieważ maszyny zaczynają myśleć tak jak my, to właśnie sztuczna inteligencja stanie się centralnym układem nerwowym ekosystemu fabryki podłączonej do sieci oraz wykorzystującej inteligencję pochodzącą z analityki danych do wyciskania maksymalnej wartości z każdego wydanego dolara.
Autor: Amit Chadha jest prezesem d/s sprzedaży i rozwoju biznesu, oraz członkiem zarządu firmy L&T Technology Services Ltd.