Дигиталната трансформация в производството изисква комбинация от нововъзникващи технологии, които се справят с вековни индустриални цели: стимулиране на производството, подобряване на качеството и намаляване на времето за престой на оборудването.
Интернет на нещата, облачни и периферни изчисления, 5G мрежи и AI се нареждат сред ИТ разработките, които производителите се надяват да използват. Предприятията обикновено внедряват нови технологии в комбинация, вместо да се фокусират върху една област като отговор на техните нужди.
„Не е възможно да изберем само кратък списък от технологии и да ги обявим за следващото голямо нещо“, каза Макс Иванников, консултант по решения в DataArt, фирма за софтуерно инженерство, базирана в Ню Йорк. „Всеки иновационен проект винаги е комбинация от различни технологии и внимателно проектирани процеси, насочени към постигане на бизнес цели.“
Стигането дотам може да се окаже трудно за производствените компании, които обикновено имат ограничени ИТ ресурси в сравнение с други индустрии. Доставчиците на ИТ услуги се стремят да запълнят тази празнина, като предлагат консултантски услуги и услуги за внедряване, за да помогнат на организациите да възприемат нововъзникващи технологии. Партньорите предоставят опит в области като наука за данни и управление на промените.
Разпределеният характер на производството обаче усложнява работата им. Една голяма индустриална фирма може да обхваща множество фабрики, безброй производствени линии и разнообразни технологични пакети. Освен това отделните производствени центрове работят с висока степен на автономност. Тези индустриални характеристики затрудняват мащабирането на локално внедряване в организацията, което поставя партньорите пред техническо и културно предизвикателство.
Нови технологии в производството: IIoT, облак и край
Производителите, макар и разнообразна група, показват някои общи неща в използването на технологиите. IoT често служи като основа за проекти за трансформация. Индустриалните IoT (IIoT) сензори, прикрепени към цеховите машини, генерират богатство от данни за температура, вибрации, напрежение, акустика и време на цикъл, наред с други фактори.
Özgür KaynarВ резултат на това индустриалните фирми се оказват „седнали на върха на огромно количество данни“, каза Özgür Kaynar, генерален мениджър на Analythinx, компания за наука за данни и управлявани услуги в Истанбул, Турция.
Съседни технологии като 5G ще добавят към тези хранилища на данни. Иванников каза, че 5G осигурява желаната от производителите плътност на сензора, ниска латентност и скорост на връзката, което прави дори по-големи количества данни достъпни от устройства на IIoT.
Производителите използват още една технология, облачните изчисления, за да събират и съхраняват тези данни за анализи и AI.
„Облачните технологии правят много по-лесно събирането на данни от сензори“, каза Кайнар. Облакът може също да съхранява данни от ERP системи, основните бизнес приложения за индустриалните фирми. С достъп до по-широки източници на данни в облака, производителите могат да преминат от описателен анализ към прогнозен анализ. Ползите в резултат включват навременна поддръжка на оборудването, оптимизиране на веригата за доставки и оптимизиране на работната сила, добави той.
Доставчиците на облачни услуги са разработили способни компоненти за всяка фаза на усъвършенствания анализ, обясни Кайнар. Те включват интегриране на сензорни данни, отчитане на самообслужване, табло за управление и машинно обучение (ML).
По един проект Blue.cloud работи с голяма производствена компания в Турция, за да събира данни от сензори и да ги прави достъпни в облака за приложения за бизнес разузнаване и табла за управление. Данните, събрани в облака, помагат на компанията да идентифицира аномалии в производствените процеси и въз основа на това прозрение да увеличи производството, каза Кайнар.
Докато анализът се извършва в облака, той се случва и на ръба. Edge computing ускорява анализа за решения, базирани на данни. Това е така, защото изчислителният подход премества обработката близо до мястото, където произхождат данните в цеха. В допълнение, чувствителните данни остават на локалния хардуер и не пътуват до облака, което повишава сигурността.
Bruce McKinnonПроизводителите започват да използват както edge, така и облак за анализи, като използват edge, за да получат по-добро разбиране на местните условия и използват облака за преглед на операциите във фабриките, казаха ръководители на индустрията. Континуумът за анализ на данни започва от далечния ръб, който включва програмируеми логически контролери на фабричния етаж и безброй сензори, продължава до близкия ръб, където данните се агрегират, и нататък до макро ръба, който включва локални центрове за данни, a отдалечен сайт или облака, каза Брус Маккинън, главен стратегически архитект в Insight, интегратор на решения със седалище в Чандлър, Аризона. Облакът представлява четвъртото ниво в това интелигентно предимство, предлагайки изчисления и съхранение.
Облакът е много подходящ за големия обем анализи на големи данни, каза Маккинън. Облакът обаче има по-голямо забавяне от локалното, локално изчисление. Поради тази причина производителите трябва да използват близкия ръб за приложения с ниска латентност. Той цитира примера с безопасността на работниците, която изисква почти мигновена обработка, за да се преведе предупреждение за безопасност в заповед за спиране на машината или предупреждение за известие.
ИИ печели позиции
Внедряването на ИИ и машинното обучение става все по-разпространено сред производителите, които разполагат с повече данни за използване. AI и ML позволяват на компаниите да автоматизират процесите и да ги направят по-умни, каза Иванников. „Трудно е да си представим всеки проект в днешно време без използване на AI/ML“, отбеляза той.
Пол ЛуисВсе по-голям брой проекти попадат в категорията хиперавтоматизация. Хиперавтоматизацията описва набор от технологии, използвани за мащабиране на автоматизацията в предприятието. AI, ML и IoT подхранват тази тенденция сред производителите, каза Пол Луис, технически директор в Pythian, компания за ИТ услуги, базирана в Отава.
Хиперавтоматизацията управлява гамбита от проста автоматизация на задачи за работници на първа линия, до автоматизация на процеси за производствени линии, до бизнес операции в няколко завода, отбеляза той.
Това поле включва също копаене на процеси, което помага на фирмите да открият тесните места в своите операции. Accenture, например, използва предложението на Celonis за базирано на изкуствен интелект процесно копаене, за да подобри процесите в Mann+Hummel, немска компания, която произвежда технология за филтриране. Accenture и Celonis сключиха партньорство през януари 2022 г.
Аспектът на компютърното зрение на AI играе роля в производството, като управлението на качеството е основен случай на използване. Компютърното зрение, използвано с разширена реалност и машинно обучение, може да открие аномалии сред артикулите, излизащи от производствената линия, с по-голяма прецизност от човешките инспектори за осигуряване на качеството, каза Маккинън, цитирайки нива на точност в диапазона от 90% за метода.
„Истинската привлекателност е да подобрим точността“, отбеляза той.
Компютърното зрение позволява на производителите да сравняват част с известен добър запис, който може да бъде картина, монтажен чертеж или списък на материалите. Учените по данни създават ML модел за всеки случай на употреба, за да направят това сравнение.
Предоставени услуги
Доставчиците на услуги помагат на клиентите да навигират в мрежата от взаимосвързани технологии, като предоставят допълнителен експертен опит на организации, на които им липсват умения за дигитална трансформация.
Макс Иванников„Често дигиталната трансформация не е основно умение за производствените компании“, каза Иванников.
ИТ екипите може също да нямат умения в определени технологии. Един производител може да няма персонал, посветен на усъвършенствани анализи или инженеринг на данни, каза Кайнар. Банка от първо ниво, за разлика от това, може да е в състояние да използва 100 до 150 експерти по наука за данни и инженерство, каза той.
Партньорите могат да се справят с недостига на таланти с дигитална трансформация и технологични умения. Но те също така помагат на клиентите да изградят свои собствени експертни бази. Blue.cloud предлага услуга за активиране на аналитичен център за върхови постижения, която работи с клиенти, за да идентифицира кандидати сред вътрешния ИТ персонал за роли в областта на науката за данни или AI инженерството и след това осигурява двумесечно обучение.
Услугата също така установява стратегия за данни и анализи, която идентифицира бизнес проблеми за решаване с анализи и определя типовете данни и технологични компоненти за справяне с тях. Blue.cloud също предлага дългосрочна поддръжка, допълвайки персонала на клиентите със своите инженери за облак/аналитика и специалисти по данни.
Pythian междувременно работи с производствени клиенти, за да извлече максимума от техните данни, каза Луис. Това може да означава да им помогнем да вземат правилните решения за това как да използват данни и технологии, отбеляза той. Или Pythian може да си сътрудничи с производител, за да разкрие прозрения на клиентите, които генерират конкурентно предимство.
Консултантските услуги – разработване на пътни карти за дигиталната стратегия на клиента – и техническите насоки са типични за предложенията на партньорите в производствената индустрия. Освен това партньорите превръщат стратегията в архитектурен дизайн, изграждат гъвкави процеси и предоставят услуги за внедряване. Управлението на промените – подпомагането на служителите на производителя да възприемат новосъздадените цифрови процеси – също става важно, когато трансформацията започва да се налага.
„Когато промените процеса, трябва да обучите отново хората за него“, каза Маккинън.
Успех при мащабиране в разпределени среди
Първоначалният проект за цифрова трансформация обикновено има ограничен обхват в рамките на една фабрика или производствена линия. Ползите от напредналата технология се умножават, ако могат да бъдат мащабирани отвъд ранната опора. Това обаче е по-лесно да се каже, отколкото да се направи.
„Процесът на цифрова трансформация може да се различава дори между два завода на едно и също предприятие, произвеждащи едни и същи продукти“, каза Иванников. Разликите може да не се окажат драматични, но партньорите могат да очакват да намерят нещо уникално, където и да се обърнат, добави той.
Керем КоджаЕдно голямо производствено предприятие може да има 40 фабрики, разнообразие от вътрешни ИТ среди и производители на машини, три или четири облачни доставчици и различни BI и инструменти за анализ, отбеляза Керем Коджа, съосновател и съизпълнителен директор на Blue.cloud, доставчик на решения за цифрова трансформация, базиран в Тампа, Флорида. Като се има предвид това ниво на разнообразие, Blue.cloud създава референтна архитектура за една фабрика и след това я репликира в други фабрики. Референтната архитектура включва технологични градивни елементи, стандарти и многократно използваем код.
Подходът позволява на отделни фабрики да купуват продукти от различни доставчици - при условие че се придържат към архитектурата, каза Кока.
Маккинън от Insight също така насърчава дългосрочната архитектурна визия, като производителите постепенно внедряват технологии в тази рамка. Мащабирането се превръща в непрекъснат разговор между партньор и клиент, докато те преследват индивидуални победи във времето.
„Нямате нужда от цифрова трансформация от край до край, за да видите наистина значително подобрение“, каза той.