• Tekniikka
  • Sähkölaitteet
  • Materiaaliteollisuus
  • Digitaalinen elämä
  • Tietosuojakäytäntö
  • O nimi
Location: Home / Tekniikka / Digitaalinen muutos valmistuksessa sulattaa nousevan teknologian

Digitaalinen muutos valmistuksessa sulattaa nousevan teknologian

Tekninen palvelu |
1084

Digitaalinen muutos valmistusteollisuudessa vaatii yhdistelmää uusia teknologioita, jotka vastaavat ikivanhoja teollisia tavoitteita: tehostaa tuotantoa, parantaa laatua ja vähentää laitteiden seisokkeja.

IoT, pilvi- ja reunalaskenta, 5G-verkot ja tekoäly ovat IT-kehitysten joukossa, joita valmistajat toivovat hyödyntävänsä. Yritykset tyypillisesti käyttävät uusia teknologioita yhdessä sen sijaan, että ne keskittyisivät yhteen alaan vastauksena tarpeisiinsa.

"Ei ole mahdollista valita vain lyhyttä luetteloa teknologioista ja julistaa niitä seuraavaksi suureksi asiaksi", sanoi Max Ivannikov, New Yorkissa toimivan ohjelmistosuunnitteluyrityksen DataArt ratkaisukonsultti. "Kaikki innovaatioprojektit ovat aina yhdistelmä erilaisia ​​teknologioita ja perusteellisesti suunniteltuja prosesseja, joilla pyritään saavuttamaan liiketoimintatavoitteet."

Pääsy sinne voi osoittautua vaikeaksi valmistaville yrityksille, joilla on yleensä rajalliset IT-resurssit muihin toimialoihin verrattuna. IT-palveluntarjoajat pyrkivät täyttämään tämän aukon tarjoamalla konsultointi- ja käyttöönottopalveluita, jotka auttavat organisaatioita ottamaan käyttöön uusia teknologioita. Kumppanit lainaavat asiantuntemusta muun muassa datatieteen ja muutoksenhallinnan aloilta.

Valmistuksen hajautettu luonne vaikeuttaa kuitenkin heidän työtä. Suuri teollisuusyritys voi kattaa useita tehtaita, lukemattomia tuotantolinjoja ja erilaisia ​​teknologiapinoja. Lisäksi yksittäiset tuotantokeskukset toimivat suurella autonomialla. Nämä toimialan ominaisuudet tekevät paikallisen käyttöönoton skaalaamisen vaikeaksi koko organisaatiossa, mikä asettaa kumppaneille teknisen ja kulttuurisen haasteen.

Nousevat teknologiat valmistuksessa: IIoT, pilvi ja reuna

Vaikka valmistajien ryhmä on monipuolinen, teknologian käytössä on joitain yhteisiä piirteitä. IoT toimii usein muutosprojektien perustana. Teolliset IoT (IIoT) -anturit, jotka on kiinnitetty tehtaan koneisiin, tuottavat runsaasti tietoa muun muassa lämpötilasta, tärinästä, jännitteestä, akustiikasta ja sykliajasta.

Özgür Kaynar

Tämän seurauksena teollisuusyritykset huomaavat "istuvansa valtavan datamäärän päällä", sanoi Özgür Kaynar, Analythinxin johtaja, Istanbulissa, Turkissa sijaitseva tietotieteen ja hallinnoitujen palveluiden yritys.

Viereiset tekniikat, kuten 5G, lisäävät näitä tietovarastoja. Ivannikov sanoi, että 5G tarjoaa valmistajien toivoman anturitiheyden, alhaisen latenssin ja yhteysnopeuden, jolloin IIoT-laitteilta on saatavilla entistä suurempia tietomääriä.

Valmistajat hyödyntävät toista teknologiaa, pilvilaskentaa, kerätäkseen ja tallentaakseen tietoja analytiikkaa ja tekoälyä varten.

"Pilviteknologiat helpottavat anturitietojen keräämistä", Kaynar sanoi. Pilvi voi myös tallentaa tietoja ERP-järjestelmistä, jotka ovat teollisuusyritysten ydinliiketoimintasovelluksia. Kun pilvessä on pääsy laajempiin tietolähteisiin, valmistajat voivat siirtyä kuvaavasta analytiikasta ennakoivaan analytiikkaan. Tuloksena olevia etuja ovat laitteiden oikea-aikainen huolto, toimitusketjun optimointi ja työvoiman optimointi, hän lisäsi.

Pilvipalveluntarjoajat ovat kehittäneet kykeneviä komponentteja edistyneen analytiikan jokaiseen vaiheeseen, Kaynar selitti. Näitä ovat anturitietojen integrointi, itsepalveluraportointi, dashboarding ja koneoppiminen (ML).

Yhdessä projektissa Blue.cloud tekee yhteistyötä suuren turkkilaisen tuotantoyhtiön kanssa kerätäkseen anturidataa ja tuodakseen sen saataville pilvessä liiketoimintatiedon sovelluksille ja kojelaudoille. Pilviin kerätyt tiedot auttavat yritystä tunnistamaan valmistusprosessien poikkeavuuksia ja tämän näkemyksen perusteella tehostamaan tuotantoa, Kaynar sanoi.

Vaikka analytiikka tapahtuu pilvessä, sitä tapahtuu myös reunalla. Edge computing nopeuttaa datalähtöisten päätösten analytiikkaa. Tämä johtuu siitä, että laskentatapa siirtää prosessoinnin lähelle tietojen alkuperää myymälässä. Lisäksi arkaluontoiset tiedot säilyvät paikallisella laitteistolla eivätkä kulje pilveen, mikä lisää turvallisuutta.

Bruce McKinnon

Valmistajat ovat alkaneet käyttää analytiikkaan sekä reunaa että pilvipalvelua, jotta he ymmärtäisivät paremmin paikalliset olosuhteet ja pilven avulla yleiskatsauksen tehtaiden toiminnasta, alan johtajat sanoivat. Data-analytiikan jatkumo alkaa etäreunasta, joka sisältää ohjelmoitavat logiikkaohjaimet tehtaan kerroksessa ja lukemattomia antureita, jatkuu lähireunaan, jossa tiedot kootaan, ja siitä eteenpäin makroreunaan, joka sisältää paikallisia datakeskuksia, etäsivusto tai pilvi, sanoi Bruce McKinnon, johtava strategia-arkkitehti Insightista, ratkaisuintegraattorista, jonka pääkonttori on Chandlerissa, Arizissa. Pilvi edustaa tämän älykkään reunan neljättä tasoa, joka tarjoaa laskennan ja tallennustilan.

Pilvi sopii hyvin suureen data-analytiikkaan, McKinnon sanoi. Pilvellä on kuitenkin korkeampi latenssi kuin paikallisella laskennalla. Tästä syystä valmistajien tulisi käyttää lähireunaa matalan latenssin sovelluksissa. Hän mainitsi esimerkin työntekijöiden turvallisuudesta, joka vaatii lähes välitöntä käsittelyä turvallisuusvaroituksen muuttamiseksi koneen pysäytyskäskyksi tai ilmoitushälytykseksi.

Tekoäly valtaa alaa

Tekoälyn ja ML:n käyttöönotosta on tullut yleisempää valmistajien keskuudessa, joilla on enemmän hyödynnettävää tietoa. AI ja ML antavat yritysten automatisoida prosesseja ja tehdä niistä älykkäämpiä, Ivannikov sanoi. "On vaikea kuvitella mitään projektia nykyään ilman AI/ML:ää", hän huomautti.

Paul Lewis

Yhä useammat projektit kuuluvat hyperautomaatioluokkaan. Hyperautomaatio kuvaa joukon teknologioita, joita käytetään automaation skaalaamiseen yrityksessä. Tekoäly, ML ja IoT ruokkivat tätä trendiä valmistajien keskuudessa, sanoi Paul Lewis, Ottawassa toimivan IT-palveluyrityksen Pythianin teknologiajohtaja.

Hyperautomaatio toimii yksinkertaisesta työautomaatiosta etulinjan työntekijöille tuotantolinjojen prosessiautomaatioon ja usean tehtaan liiketoimintaan, hän huomautti.

Tämä kenttä sisältää myös prosessilouhinnan, joka auttaa yrityksiä löytämään toimintansa pullonkauloja. Esimerkiksi Accenture käyttää Celonisin tekoälypohjaista prosessilouhintatarjousta parantaakseen prosesseja saksalaisessa Mann+Hummelissa, joka valmistaa suodatusteknologiaa. Accenture ja Celonis solmivat kumppanuuden tammikuussa 2022.

Tekoälyn tietokonenäkönäkökulma on tärkeä osa tuotannossa, ja laadunhallinta on keskeinen käyttötapa. Lisätyn todellisuuden ja ML:n kanssa käytetty tietokonenäkö voi havaita tuotantolinjalta tulevien tuotteiden poikkeavuuksia tarkemmin kuin ihmisen laadunvarmistuksen tarkastajat, McKinnon sanoi viitaten menetelmän korkeaan 90 prosentin tarkkuuteen.

"Todellinen veto on tarkkuuden parantaminen", hän huomautti.

Tietokoneen näön avulla valmistajat voivat verrata osaa tunnettuun hyvään dokumenttiin, joka voi olla kuva, kokoonpanopiirustus tai materiaaliluettelo. Tietojen tutkijat luovat ML-mallin jokaiselle käyttötapaukselle vertailun tekemiseksi.

Tuotetut palvelut

Palveluntarjoajat auttavat asiakkaita navigoimaan toisiinsa liittyvien teknologioiden verkossa ja tarjoavat lisäosaamista organisaatioille, joilla ei ole digitaalisen muuntamisen taitoja.

Max Ivannikov

"Usein digitaalinen transformaatio ei ole valmistusyritysten ydintaito", Ivannikov sanoi.

IT-tiimeillä saattaa myös puuttua tiettyjen teknologioiden taitoja. Valmistajalla ei välttämättä ole edistynyttä analytiikkaa tai tietotekniikkaa omistavaa henkilöstöä, Kaynar sanoi. Hän sanoi, että ykköstason pankki voi sitä vastoin hyödyntää 100–150 tietotekniikan ja tekniikan asiantuntijaa.

Kumppanit voivat korjata kykyjen puutteen digitaalisen muuntamisen ja teknologiataitojen avulla. Mutta ne myös auttavat asiakkaita rakentamaan omia asiantuntemuksiaan. Blue.cloud tarjoaa Analytical Center of Excellence Enablement -palvelun, joka työskentelee asiakkaiden kanssa tunnistaakseen ehdokkaita yrityksen sisäisestä IT-henkilöstöstä datatieteen tai tekoälyn insinööritehtäviin ja tarjoaa sitten kahden kuukauden koulutuksen.

Palvelu luo myös data- ja analytiikkastrategian, joka tunnistaa analytiikan avulla ratkaistavat liiketoimintaongelmat ja määrittää datatyypit ja teknologiakomponentit niiden ratkaisemiseksi. Blue.cloud tarjoaa myös pitkäaikaista tukea täydentäen asiakashenkilöstöä pilvi-/analytiikkainsinööreillään ja datatieteilijöillä.

Pythian puolestaan ​​työskentelee valmistusasiakkaiden kanssa saadakseen kaiken irti heidän tiedoistaan, Lewis sanoi. Hän huomautti, että tämä voi tarkoittaa, että heitä autetaan tekemään oikeita päätöksiä tietojen ja teknologian käytöstä. Tai Pythian voi tehdä yhteistyötä valmistajan kanssa löytääkseen asiakkaiden oivalluksia, jotka luovat kilpailuetua.

Konsultointipalvelut – asiakkaan digitaalisen strategian tiekarttojen kehittäminen – ja tekninen opastus ovat tyypillisiä kumppanien valmistusteollisuuden tarjontaa. Lisäksi kumppanit muuntavat strategian arkkitehtoniseksi suunnitteluksi, rakentavat ketteriä prosesseja ja tarjoavat käyttöönottopalveluita. Muutoksen hallinta – auttamalla valmistajan työntekijöitä ottamaan käyttöön äskettäin luodut digitaaliset prosessit – tulee myös tärkeäksi, kun muutos alkaa valtaa.

"Kun muutat prosessia, sinun on koulutettava ihmiset siihen uudelleen", McKinnon sanoi.

Menestyksen skaalaus hajautetuissa ympäristöissä

Alkuvaiheen digitaalisen muunnosprojektin laajuus on yleensä rajoitettu yhdessä tehtaassa tai tuotantolinjassa. Edistyneen teknologian edut moninkertaistuvat, jos ne voidaan skaalata varhaisen jalansijan ulkopuolelle. Se on kuitenkin helpommin sanottu kuin tehty.

"Digitaalinen muunnosprosessi voi vaihdella jopa saman yrityksen kahden samoja tuotteita valmistavan tehtaan välillä", Ivannikov sanoi. Erot eivät välttämättä ole dramaattisia, mutta kumppanit voivat odottaa löytävänsä jotain ainutlaatuista missä tahansa, hän lisäsi.

Kerem Koca

Suurella tuotantoyrityksellä voisi olla 40 tehdasta, erilaisia ​​sisäisiä IT-ympäristöjä ja konetuottajia, kolme tai neljä pilvipalveluntarjoajaa sekä erilaisia ​​BI- ja analytiikkatyökaluja, totesi Kerem Koca, yrityksen perustaja ja toimitusjohtaja. Blue.cloud, digitaalisten muunnosratkaisujen toimittaja, jonka kotipaikka on Tampa, Fla. Tämän monimuotoisuuden vuoksi Blue.cloud luo referenssiarkkitehtuurin yhdelle tehtaalle ja toistaa sen sitten muille tehtaille. Referenssiarkkitehtuuri sisältää teknologian rakennuspalikoita, standardeja ja uudelleenkäytettävää koodia.

Tämän lähestymistavan avulla yksittäiset tehtaat voivat ostaa tuotteita eri toimittajilta – edellyttäen, että ne noudattavat arkkitehtuuria, Koca sanoi.

Insightin McKinnon kannustaa myös pitkän aikavälin arkkitehtoniseen näkemykseen, ja valmistajat ottavat vähitellen käyttöön teknologioita tässä kehyksessä. Skaalauksesta tulee jatkuva keskustelu kumppanin ja asiakkaan välillä, kun he tavoittelevat yksittäisiä voittoja ajan myötä.

"Et tarvitse päästä päähän digitaalista muutosta nähdäksesi todella merkittävän parannuksen", hän sanoi.