Instrumenty przemysłu 4.0: AI, roboty mobilne i efektywność energetyczna

165

Platforma Przemysłu Przyszłości Za sprawą algorytmów da się przewidywać anomalie powodujące większe zużycie energii. Ostatni obszar, omówiony przez Jarosława Gołębiewskiego z Festo, to predictive maintenance, czyli predykcyjne utrzymanie ruchu. Ekspert wyliczył 6 faz wprowadzania projektów obejmujących sztuczną inteligencję:

– Na początku trzeba zrozumieć otoczenie technologii, sprawdzić możliwości zastosowania AI. Drugi etap to weryfikacja danych, czyli upewnienie się, że te, które już mamy pozwalają nam pracować nad procesem, a także ocena skomunikowania linii. Najważniejsza faza to projekt pilotowy, gdzie przygotowujemy analizę danych, możemy zasymulować trendy i zobaczyć, jak wygląda efekt końcowy, czyli wykorzystanie zebranych informacji. Jeśli jest zgodny z oczekiwaniami, przechodzimy do kolejnej analizy, uzgadniania projektu końcowego i, finalnie, uruchomienia przedsięwzięcia.

Utrzymanie procesu w zmiennych warunkach

– Tym, co zmieniło się od Henry’ego Forda jest to, że dzisiaj staramy się seryjnie produkować unikaty – podkreślał Jerzy Greblicki, doradca Zarządu firmy AIUT, powołując się na sytuację w branży motoryzacyjnej, gdzie jeden model auta ma kilkadziesiąt tysięcy wersji, ze względu na różne rodzaje takich elementów, jak podsufitki, kolory, czy felgi. – I to jest realny problem przemysłu. Nie przemysł 4.0, nie AI czy IoT, tylko 54 tysiące różnych wariantów jednego modelu samochodu.

Jednym z wyzwań w kontekście złożonych i niestabilnych systemów jest automatyzacja transportu. W przypadku floty pojazdów mobilnych działających w warunkach całkowicie niedeterministycznych, najtrudniej jest utrzymać czas cyklu i cały proces. Jak tłumaczył ekspert, powodzenie jest możliwe, jeśli wdrożenie rozpocznie się od analizy danych, która może na przykład wykazać, że o ile średnio potrzeba 10 maszyn mobilnych, to w szczytowych momentach niezbędne jest 30 robotów. Kolejne są wizualizacje, uwzględniające zakłócenia związane choćby z poruszaniem się ludzi, a przede wszystkim to, że robot mobilny ma realizować proces, a nie tylko przejeżdżać z punktu A do punktu B.

Metoda Smart Manufacturing Kaizen Level

Jakub Kwiatkowski z Mitsubishi Electric skoncentrował się na Kaizen, czyli japońskim podejściu polegającym na ustawicznym poprawianiu organizacji. Z uczestnikami konferencji podzielił się metodą Smart Manufacturing Kaizen Level, czyli matrycą 4×4, gdzie w kolejnych wierszach zaznacza się poziom dojrzałości (1 – zbieranie danych, 2 – wizualizacja, 3 – analiza, 4 – optymalizacja), natomiast w kolumnach są 4 poziomy zarządzania: stanowisko pracy, linię produkcyjną, fabrykę, łańcuch dostaw. Następnie w matrycy zaznacza się obecne położenie, a także miejsce, gdzie chce się być, ale zawsze małymi krokami:

– To na przykład przejście z punktu 1A do 1B. Sprawdzamy, czy zbieramy dane. Jeśli nie, to musimy zacząć. Jak zgromadzimy informacje z jednej maszyny, to zwizualizujmy je i dostarczmy wyniki z tego konkretnego urządzenia do analizy menadżerom podejmującym decyzję. Kiedy już zoptymalizujemy jedno stanowisko, możemy przenieść to na linię produkcyjną. I w ten sposób krok po kroku, zawsze angażując odpowiednie zasoby i biorąc pod uwagę zwrot z inwestycji, idziemy dalej wytyczoną ścieżką.