Digitální transformace ve výrobě vyžaduje kombinaci nově vznikajících technologií, které řeší prastaré průmyslové cíle: zvýšit výrobu, zlepšit kvalitu a snížit prostoje zařízení.
IoT, cloud a edge computing, sítě 5G a umělá inteligence patří mezi vývojové trendy, které výrobci IT chtějí využít. Podniky obvykle nasazují nové technologie v kombinaci spíše než se zaměřují na jedinou oblast jako odpověď na své potřeby.
"Není možné vybrat jen krátký seznam technologií a prohlásit je za další velkou věc," řekl Max Ivannikov, konzultant řešení ve společnosti DataArt, softwarové inženýrské firmě se sídlem v New Yorku. "Jakýkoli inovační projekt je vždy kombinací různých technologií a důkladně navržených procesů s cílem dosáhnout obchodních cílů."
Dostat se tam může být obtížné pro výrobní společnosti, které mívají ve srovnání s jinými odvětvími omezené zdroje IT. Poskytovatelé IT služeb se snaží tuto mezeru zaplnit tím, že nabízejí konzultační a implementační služby, které organizacím pomohou zavést nové technologie. Partneři poskytují odborné znalosti v oblastech, jako je datová věda a řízení změn.
Distribuovaná povaha výroby však komplikuje jejich práci. Velká průmyslová firma může zahrnovat několik továren, nesčetné množství výrobních linek a různé technologické sady. Jednotlivá výrobní střediska navíc fungují s vysokou mírou autonomie. Tyto oborové charakteristiky ztěžují škálování místního nasazení v rámci organizace a představují pro partnery technickou a kulturní výzvu.
Rozvíjející se technologie ve výrobě: IIoT, cloud a edge
I když jsou výrobci různorodou skupinou, vykazují některé společné rysy v používání technologií. IoT často slouží jako základ pro transformační projekty. Senzory průmyslového internetu věcí (IIoT) připojené k výrobním strojům generují kromě jiných faktorů množství údajů o teplotě, vibracích, napětí, akustice a době cyklu.
Özgür KaynarVýsledkem je, že průmyslové firmy „sedí nad obrovským množstvím dat,“ řekl Özgür Kaynar, generální ředitel společnosti Analythinx, společnosti zabývající se datovou vědou a spravovanými službami v Istanbulu v Turecku.
Do těchto datových úložišť se přidají přilehlé technologie, jako je 5G. Ivannikov řekl, že 5G poskytuje hustotu senzorů, nízkou latenci a rychlost připojení, kterou výrobci chtějí, a zpřístupňuje tak ještě větší množství dat ze zařízení IIoT.
Výrobci využívají další technologii, cloud computing, aby tato data shromažďovali a ukládali pro analýzy a umělou inteligenci.
„Cloudové technologie usnadňují získávání dat ze senzorů,“ řekl Kaynar. Cloud může také obsahovat data ze systémů ERP, což jsou hlavní obchodní aplikace pro průmyslové firmy. Díky přístupu k širším zdrojům dat v cloudu mohou výrobci přejít od deskriptivní analýzy k prediktivní analýze. Mezi výsledné výhody patří včasná údržba zařízení, optimalizace dodavatelského řetězce a optimalizace pracovní síly, dodal.
Prodejci cloudu vyvinuli schopné komponenty pro každou fázi pokročilé analýzy, vysvětlil Kaynar. Patří mezi ně integrace dat ze senzorů, samoobslužné hlášení, dashboarding a strojové učení (ML).
Na jednom projektu spolupracuje Blue.cloud s velkou výrobní společností v Turecku na sběru dat ze senzorů a jejich zpřístupnění v cloudu pro aplikace business intelligence a řídicí panely. Data shromážděná v cloudu pomáhají společnosti identifikovat anomálie ve výrobních procesech a na základě těchto poznatků zvýšit produkci, řekl Kaynar.
Analytika se sice odehrává v cloudu, ale také na okraji. Edge computing urychluje analýzu pro rozhodování na základě dat. Je to proto, že výpočetní přístup posouvá zpracování blízko místa, kde data pocházejí z dílny. Citlivá data navíc zůstávají na místním hardwaru a neputují do cloudu, což zvyšuje bezpečnost.
Bruce McKinnonVýrobci začínají používat pro analýzu jak edge, tak cloud, využívají edge k lepšímu pochopení místních podmínek a využívají cloud k přehledu operací napříč továrnami, uvedli představitelé oboru. Kontinuum analýzy dat začíná na vzdáleném okraji, které zahrnuje programovatelné logické řadiče v továrně a nesčetné množství senzorů, pokračuje k blízkému okraji, kde jsou data agregována, a dále k okraji maker, který zahrnuje místní datová centra, a vzdálené místo nebo cloud, řekl Bruce McKinnon, hlavní strategický architekt společnosti Insight, integrátor řešení se sídlem v Chandleru v Arizoně. Cloud představuje čtvrtou úroveň této inteligentní hrany, která nabízí výpočetní a úložné prostory.
Cloud se dobře hodí pro velké objemy analýzy velkých dat, řekl McKinnon. Cloud má však vyšší latenci než místní místní výpočet. Z tohoto důvodu by výrobci měli používat blízký okraj pro aplikace s nízkou latencí. Uvedl příklad bezpečnosti pracovníků, která vyžaduje téměř okamžité zpracování pro převedení bezpečnostního varování na příkaz k zastavení stroje nebo upozornění na upozornění.
AI získává půdu pod nohama
Adopce AI a ML se stala běžnější mezi výrobci, kteří mají k dispozici více dat. AI a ML umožňují společnostem automatizovat procesy a učinit je chytřejšími, řekl Ivannikov. „Je těžké si dnes představit jakýkoli projekt bez použití AI/ML,“ poznamenal.
Paul LewisDo kategorie hyperautomatizace spadá stále větší počet projektů. Hyperautomation popisuje sadu technologií používaných ke škálování automatizace v rámci podniku. Umělá inteligence, ML a IoT podporují tento trend mezi výrobci, řekl Paul Lewis, CTO společnosti Pythian, společnosti poskytující IT služby se sídlem v Ottawě.
Hyperautomatizace provozuje gambit od jednoduché automatizace úkolů pro pracovníky v první linii, přes automatizaci procesů pro výrobní linky až po obchodní operace s více závody, poznamenal.
Toto pole také zahrnuje procesní dolování, které pomáhá podnikům odhalovat úzká místa v jejich provozech. Accenture například využívá nabídku procesního dolování na bázi AI Celonis ke zlepšení procesů v Mann+Hummel, německé společnosti, která vyrábí filtrační technologie. Společnosti Accenture a Celonis uzavřely partnerství v lednu 2022.
Aspekt počítačového vidění umělé inteligence hraje roli ve výrobě, přičemž řízení kvality je stěžejním případem použití. Počítačové vidění, používané s rozšířenou realitou a ML, dokáže detekovat anomálie mezi položkami vycházejícími z výrobní linky s větší přesností než lidští inspektoři zajištění kvality, řekl McKinnon s odkazem na míru přesnosti ve vysokém 90% rozsahu této metody.
"Skutečným tahákem je zlepšit přesnost," poznamenal.
Počítačové vidění umožňuje výrobcům porovnat součást se známým dobrým záznamem, kterým může být obrázek, výkres sestavy nebo kusovník. Data vědci vytvářejí model ML pro každý případ použití, aby provedli toto srovnání.
Poskytované služby
Poskytovatelé služeb pomáhají zákazníkům orientovat se v síti vzájemně souvisejících technologií a poskytují doplňkové odborné znalosti organizacím, které nemají dovednosti v oblasti digitální transformace.
Max Ivannikov"Často není digitální transformace základní dovedností výrobních společností," řekl Ivannikov.
Týmům IT také mohou chybět dovednosti v určitých technologiích. Výrobce nemusí mít žádné zaměstnance věnované pokročilé analýze nebo datovému inženýrství, řekl Kaynar. Naproti tomu banka první úrovně by mohla být schopna čerpat ze 100 až 150 odborníků na datovou vědu a inženýrství, řekl.
Partneři mohou nedostatek talentů řešit pomocí digitální transformace a technologických dovedností. Ale také pomáhají zákazníkům budovat jejich vlastní zdroje odborných znalostí. Blue.cloud nabízí službu Analytical Center of Excellence Enablement, která spolupracuje se zákazníky na identifikaci kandidátů mezi interními IT pracovníky pro role datové vědy nebo inženýrství AI a poté poskytuje dvouměsíční školení.
Služba také vytváří datovou a analytickou strategii, která identifikuje obchodní problémy, které je třeba řešit pomocí analýzy, a určuje typy datových a technologických komponent, které je mají řešit. Blue.cloud také nabízí dlouhodobou podporu a doplňuje personál zákazníků o své cloudové/analytické inženýry a datové vědce.
Pythian mezitím spolupracuje s výrobními zákazníky, aby z jejich dat vytěžil maximum, řekl Lewis. To by mohlo znamenat, že jim pomůžeme učinit správná rozhodnutí o tom, jak používat data a technologie, poznamenal. Nebo může Pythian spolupracovat s výrobcem na odhalení postřehů zákazníků, které vytvářejí konkurenční výhodu.
Konzultační služby – vypracování plánů pro digitální strategii klienta – a technické pokyny jsou typickým znakem nabídky partnerů ve zpracovatelském průmyslu. Partneři navíc převádějí strategii do architektonického návrhu, vytvářejí agilní procesy a poskytují služby nasazení. S nástupem transformace se stává důležitým také management změn – pomáhá zaměstnancům výrobce osvojit si nově vytvořené digitální procesy.
"Když změníte proces, musíte v něm přeškolit lidi," řekl McKinnon.
Škálování úspěchu v distribuovaných prostředích
Počáteční projekt digitální transformace má obvykle omezený rozsah v rámci jedné továrny nebo výrobní linky. Výhody pokročilých technologií se znásobí, pokud je lze rozšířit nad rámec raných základů. To se však snáze řekne, než udělá.
"Proces digitální transformace se může lišit i mezi dvěma závody stejného podniku, které vyrábějí stejné produkty," řekl Ivannikov. Rozdíly se nemusí ukázat jako dramatické, ale partneři mohou očekávat, že najdou něco jedinečného, kamkoli se obrátí, dodal.
Kerem KocaVelký výrobní podnik by mohl mít 40 továren, různá vnitropodniková IT prostředí a výrobce strojů, tři nebo čtyři poskytovatele cloudu a různé nástroje BI a analytické nástroje, poznamenal Kerem Koca, spoluzakladatel a spoluředitel společnosti Blue.cloud, poskytovatel řešení digitální transformace se sídlem v Tampě na Floridě. Vzhledem k této úrovni rozmanitosti vytváří Blue.cloud referenční architekturu pro jednu továrnu a poté ji replikuje v dalších továrnách. Referenční architektura zahrnuje technologické stavební bloky, standardy a opakovaně použitelný kód.
Tento přístup umožňuje jednotlivým továrnám nakupovat produkty od různých dodavatelů – za předpokladu, že dodržují architekturu, řekl Koca.
Insight McKinnon také podporuje dlouhodobou architektonickou vizi, přičemž výrobci postupně nasazují technologie v tomto rámci. Škálování se stává nepřetržitou konverzací mezi partnerem a zákazníkem, kteří v průběhu času usilují o individuální výhry.
"Nepotřebujete komplexní digitální transformaci, abyste viděli skutečně významné zlepšení," řekl.