Umělá inteligence a mobilita – proaktivní cesta k řízení procesů

Umělá inteligence a mobilita – proaktivní cesta k řízení procesů

Využijte výhod mobilní technologie, aby data získaná z provozu dávala ještě větší smysl.

Inženýři a technici mají v dnešních moderních výrobních závodech širokou škálu nástrojů, které jsou zde běžně k dispozici. Ve většině případů si tito odborníci nemohou stěžovat na nedostatek dostupných dat, ale prakticky ve všech případech lze hovořit o absenci jiného klíčového zdroje: času.

Velké objemy dat jsou k dispozici v moderních, propojených továrnách, a díky těmto datům jsou současní technici schopni udržet své procesy ve stabilním stavu a pod kontrolou, ale máme zde časové náklady spojené se správou těchto dat. Sčítá se nám čas potřebný ke zjištění, ze které databáze vytáhnout ta správná data, čas, během něhož musíme z těchto dat získávat to nejdůležitější, čas věnovaný stahování různých záznamů a protokolů a čas, kdy toto vše analyzujeme.

Množství vynaloženého času nadále narůstá, pokud se situace byť jen trošku zkomplikuje a technici se musejí věnovat něčemu takovému, jako je regresní analýza. Otázka časové náročnosti je velmi důležitá, zvláště pokud kvůli procesním problémům nebo z důvodu přerušení výroby musel technik začít přezkoumávat data a analyzovat vzniklou situaci.

Každá minuta věnovaná prověřování a analýze dat by mohla znamenat jednu minutu ušlé výroby, což se rovná ušlému zisku. Některé společnosti dokonce sledují metriku aktivit nepřidávajících hodnotu, což je množství času věnovaného pracím, kdy výroba stojí a nevyrábí se.

Někdo by mohl argumentovat, že veškerý čas věnovaný přezkoumávání dat a analýze procesních dat může spadnout přímo do nákladů sektoru aktivit nepřidávajících hodnotu. Nicméně jak může technik bez příslušných dat vědět, kde začít opravovat problém související s přerušením a odstavením výroby?

Odpovědí na tyto otázky je širší využívání umělé inteligence a mobilních technologií pro monitorování a přezkoumávání dat, dokončení analýzy v průběžném reálném čase a „protlačení“ správného řešení až k příslušnému technikovi. Využití nástrojů, které umožňují takovouto průbojnou analýzu, přispívá k vytváření inteligentnějších výrobních provozů, díky čemuž se zkrátí čas vyhledání prvotní příčiny problému, sníží se objem aktivit nepřidávajících hodnotu a v konečném důsledku dojde ke snížení ztrát. 

Umělá inteligence a průbojná forma analýzy 

Vzhledem k tomu, že přibývá propojených továren, které se připojují k průmyslovému internetu věcí (IIoT), stává se možným a dostupným použití technologie k eliminaci času nezbytného k tradičnímu pořizování a analýze dat. Prostřednictvím umělé inteligence a „průbojné“ formy analýzy je možné zautomatizovat přezkoumávání dat, analýzu, tvorbu grafů a posílat informace přímo té správné osobě, která je schopna daný problém vyřešit.

Ale je tu další krok, jenž připravuje zcela novou půdu: Jde o to, dělat vše dříve, než nastanou problémy ve výrobě, tj. transformovat kulturu podniku z reaktivní na proaktivní.

Podněcující upozornění a automatizace podávání hlášení, která jsou zasílána technikům, není v technické praxi nic nového. Technologie ke splnění tohoto úkolu začala být využívána v roce 1990 a dodnes se stále používá. Jsou to právě zlepšení v jiných technologiích, jež umožňují průběžnou analýzu prováděnou v reálném čase, která je podporována umělou inteligencí, aby se stala pro podniky cenově dostupnější a přístupnější.

Nižší poplatky za ukládání dat do paměti, rozšířené propojení strojů a vysokorychlostní výpočetní technika jsou rovněž katalyzátorem této změny ve výrobě. Nyní je software schopen zasílal nejen výstražná upozornění a grafy, ale dokáže ihned poskytovat řešení vzniklých situací prostřednictvím e-mailů, textových zpráv, ba dokonce i formou mobilních aplikací v chytrých telefonech, což umožňuje technikům trávit efektivněji čas nezbytný pro nápravu problémů nebo ještě lépe zabývat se prevencí.

Zajištění inteligentní automatizované platformy informačních technologií, která zasílá řešení na základě průběžné automatizované analýzy každého procesu v podniku, nám pomůže předvídat možné problémy v rámci daného procesu a nasměrovat zaměstnance podniku ke zdroji problému, ještě než dojde k výrobním ztrátám.

Existující data procesu jsou shromažďována, analyzována a sledována v době pracovního cyklu výrobní linky a informace jsou odesílány správnému uživateli ve správný čas, tzn. než dojde k výrobním ztrátám, nikoli až „s křížkem po funuse“.

Toto vytváří změnu kulturního prostředí v rámci podniku, kde je patrná snaha zabránit vzniku poruch kontrolovatelným a zvládnutelným tempem a odstranit frenetické a nepředvídatelné reakce na výrobní ztráty. Softwarové algoritmy byly vyvinuty s cílem představit technikům nastupující trendy v procesních datech, což by mohlo poukázat na potenciální výrobní ztráty. Rodící se softwarová technologie kombinuje správu dat s umělou inteligencí a míří k zavedení proaktivnějšího přístupu při řízení procesů. 

Výzvy, kterým je zapotřebí čelit v rámci proaktivního řízení procesů

Širší využití nástrojů podnikové inteligence včetně proaktivního řízení s sebou přináší určité výzvy. Jedna z prvních záležitostí, kterou je třeba řešit, je naučit zaměstnance podniku, že nebudou reagovat na tradiční spouštěče, jako jsou blikající červená světla, zastavené dopravníky a narůstající počet techniků deroucích se k poruše.

Další příklad nového přístupu spočívá ve vedení obsluhujícího personálu, jenž se musí naučil opravit třeba jen malou poruchu dříve, než dojde k významnější poruše. Výstrahy založené na monitorování odchylek oproti trendům „zdravých“ dat donutí techniky vyřešit blížící se problém, než dojde k závažnější poruše, což šetří čas a peníze. Opět platí, že tradiční spouštěče v tomto scénáři chybí, protože podnik pokračuje v provozu, tak jak byl původně navržen.

Jakmile zaměstnanci podniku přijmou tento nový způsob řízení procesu, mohou jít dál a podílet se tak na vzniku koncepce preventivní údržby řízené skutečnými daty z procesu. Například v sektoru obrábění je koncepce preventivní údržby prováděné na základě procesních dat a sledování jakosti obráběného dílu schopna ušetřit miliony dolarů ročně.

Nákladné frézy jsou často měněny v pravidelných časových intervalech, po významné ztrátě kvality či při poškození nástroje. Jakmile jsou zpřístupněny proaktivní ovládací prvky, trendy v datech jsou sledovány systémem a výstražný signál se objeví pouze tehdy, když bude zapotřebí provést změny, tj. než dojde k jakémukoli zhoršení kvality. Představte si, že získáte dalších 10 hodin životnosti nástroje, protože sám nástroj vám řekne, že má před sebou ještě dalších 10 hodin životnosti.

Další prostor pro zásadní zlepšení skýtá možnost, kdy z dílny vezmeme průběžnou analýzu prováděnou v reálném čase a použijeme ji pro srovnávání, abychom „digitálně ověřili“ virtuální simulaci podnikové výroby. Potenciál něčeho takového je neomezený.

Možnost využít umělou inteligenci pro proaktivní řízení procesů už tady je. Jakmile je identifikována ta správná technologie, která skutečně umožňuje zvýšení inteligence v rámci výrobních provozů, vše, co je zapotřebí udělat, spočívá ve změně podnikové kultury, tak aby bylo možno plně využít efektivnosti vytvořené prostřednictvím „průbojné“ formy analýzy, která sama přichází s podněty.

Technologie je samozřejmě důležitá, ale záleží především na lidech a jejich přístupu k dané problematice.

Don Manfredi je prezident společnosti Trumble Inc., jež sídlí v Farmington Hills, stát Michigan.

Řízení a údržba průmyslového podniku

Časopis Řízení a údržba průmyslového podniku již přes 10 let patří mezi neodmyslitelný zdroj informací v oblasti průmyslové údržby a diagnostiky. Část obsahu je z pera licenčních autorů Plant Engineering z USA.

www.udrzbapodniku.cz