Przemysł 4.0 w pełnej krasie. Startupy optymalizują procesy produkcyjne

Dodane:

Jacek Stężowski Jacek Stężowski

Przemysł 4.0 w pełnej krasie. Startupy optymalizują procesy produkcyjne

Udostępnij:

Transformacja przemysłowa to proces złożony. Zachodzi na wielu płaszczyznach, czego efektem jest częsty brak zrozumienia jej istoty. Można śmiało stwierdzić, że produkcja to sektor, który najlepiej obrazuje te zmiany. W procesach wytwórczych, czwarta rewolucja przemysłowa jest transparentna i to tutaj należy się doszukiwać najwyraźniejszych przykładów Przemysłu 4.0.

Głównym celem inżynierów procesu jest zwiększenie wydajności i redukcja kosztów produkcji. Kolejnym, ważnym aspektem jest zminimalizowanie odpadów (optymalizacja wykorzystania zasobów).

W tym miejscu, na pierwszy plan wysuwają się takie rozwiązania jak Lean Management czy Six Sigma. Są to koncepcje zarządzania produkcją, które oferują wiele narzędzi optymalizujących poszczególne procesy.

Podstawą do wdrożenia powyższych filozofii są szeroko pojęte dane. Jest to obszar, który znalazł się w centrum zainteresowania wielu startupów. Czwarta rewolucja przemysłowa daje wręcz nieograniczone możliwości pozyskiwania, wizualizacji i analizy informacji. To niezbędny krok w dążeniu do doskonałości, które jest jednym z podstawowych założeń legendarnego już Systemu Produkcyjnego Toyoty.

Monitoring maszyn

Wśród obiecujących startupów, które proponują firmom produkcyjnym rozwiązania związane z analizą poszczególnych procesów, wyróżnić można Elmodis.

– System Elmodis to rozwiązanie służące do kompletnego monitoringu oraz diagnostyki maszyn przemysłowych, który dzięki swojej unikalnej architekturze jest nie tylko skalowalny, ale i w pełni uniwersalny – możliwy do zaimplementowania w dowolnej liczbie i w każdym typie maszyn z napędem elektrycznym. System Elmodis jest rozwiązaniem kompleksowym – dedykowany hardware zbiera dane, poddaje je obróbce (edge computing), przesyła do chmury obliczeniowej, gdzie odbywa się końcowe przetwarzanie i udostępnianie danych w formie widoku online oraz raportów – wyjaśnia Artur Hanc, CEO Elmodis.

Wysoka częstotliwość pomiarów pozwala zmaksymalizować skuteczność diagnostyki. Rozwiązanie daje możliwość tworzenia zaawansowanych modeli optymalizacji nie tylko z punktu widzenia pojedynczej maszyny ale kompletnego procesu.

– Połączone ze sobą i działające w trybie on-line moduły monitorująco-diagnostyczne przesyłają przetworzone dane do chmury obliczeniowej. Edge computing (przetwarzanie przy maszynie) pozwala uzyskać dane wysokiej jakości (zawierające istotne parametry pracy maszyny oraz opisujące proces) i znacznie zmniejszyć ich objętość, co istotnie wpływa na efektywność transmisji. Przetwarzanie i przesyłanie odbywa się w czasie rzeczywistym, a użytkownik końcowy otrzymuje możliwość online wglądu w aktualne parametry pracy maszyny. Dobór sposobu transmisji danych zależy od specyfiki pracy i warunków w jakich znajduje się dany obiekt przemysłowy. Możliwe formy komunikacji to Wi-fi, GPRS/LTE/5G czy Ethernet – dodaje Artur Hanc.

Procesy zachodzące zarówno na poziomie Edge jak i w Chmurze odbywają się w oparciu o algorytmy uczenia maszynowego oraz wirtualne modele pomiarowo-przetwarzające różnych typów maszyn. Dzięki temu, produkt Elmodis to uniwersalne rozwiązanie, co potwierdza CEO startupu:

– System Elmodis dedykowany jest dla zakładów produkcyjnych różnych branż oraz producentów maszyn i urządzeń napędzanych silnikami elektrycznymi (pompy, wentylatory, przenośniki itp.). Jednym z kluczowych obszarów przydatności Systemu Elmodis są procesy w przedsiębiorstwach wodno-kanalizacyjnych. Zastosowanie naszego rozwiązania niesie ze sobą wymierne korzyści w postaci  poprawy dostępności maszyn (analiza stanu technicznego, przewidywanie awarii), optymalizacji zużycia energii (np. poprzez optymalizację parametrów działania maszyny) i w konsekwencji podniesienia wydajności całych linii wytwórczych. Korzyści, w zależności od wdrożonego obszaru liczone są w dziesiątkach tysięcy aż do nawet milionów PLN w przypadku użycia naszego rozwiązania dla optymalizacji złożonych systemów technologicznych.

Kontrola procesu

Austriacki startup kpibench oferuje swoim klientom rozwiązanie oparte na analizie predykcyjnej dedykowane do zarządzania poszczególnymi procesami w sektorze produkcyjnym. Pozyskiwanie danych jest realizowane przy użyciu rejestratorów IIoT.

Klient ma dostęp do parku maszynowego za pośrednictwem dowolnego urządzenia mobilnego. Wystarczy dostęp do przeglądarki, bez konieczności instalowania dedykowanego oprogramowania. Wizualizacja prezentuje takie dane jak: specyfika produktu, wydajność, stan maszyn czy też parametry środowiskowe.

Raporty tworzone na podstawie zebranych danych zawierają między innymi wykorzystanie zasobów oraz szczegółowe dane na temat nieplanowanych przestojów. Ponadto, austriacki startup w swojej ofercie posiada także dedykowane narzędzia do zarządzania jakością i środowiskiem, w którym zachodzą poszczególne procesy produkcyjne.

Platformy proponowane przez kpibench można dostosować do własnych potrzeb i specyfiki danej branży.

Cyfrowe tablice Lean

Prosto ze Skandynawii, do setek firm produkcyjnych trafiają tablice cyfrowe dedykowane do kontroli nad wdrażaniem poszczególnych narzędzi Lean Management. Jest to produkt szwedzkiego startupu Mevisio.

Lean boardy mogą być dostosowywane do potrzeb danego przedsiębiorstwa. W taki sposób procesy są uporządkowane a inżynierowie mogą na bieżąco monitorować stan produkcji. Spotkania przy tablicach są o wiele bardziej wydajne niż w tradycyjnej formie.

Rozwiązanie Mevisio mogą służyć do wizualizacji danych związanych z Kaizen, cyklem PDCA, Six Sigma, 5S, wskaźnikami KPI czy też Kanban. Ponadto, pomagają w zarządzaniu bezpieczeństwem i higieną pracy.

Kontrola surowców, półproduktów i produktów

Na przebieg procesu produkcyjnego duży wpływ ma jakość materiałów, które są poddawane obróbce lub montażowi. Szczególne znaczenie ma to podczas gdy dana firma produkcyjna opiera się na dużej liczbie dostawców zewnętrznych.

Amerykański startup Intrastage stworzył platformę BlackBelt Manufacturing, która integruje w sobie różnorodne rozwiązania dotyczące kontroli jakości materiałów dostarczanych z zewnątrz.

Rozwiązania dają możliwość identyfikacji wadliwych komponentów. Inspekcja może być prowadzona już w czasie wytwarzania komponentu u dostawcy. Jest to realizowane m.in. za pomocą czujników wykonujących pomiary i alarmujących o odchyłkach specyfiki materiału w stosunku do założonych standardów.

Tak prowadzona analiza zmniejsza ryzyko przestojów produkcji oraz wymiernie wpływa na ostateczną jakość produktu, wychwytując nieprawidłowości odpowiednio wcześniej.

Optymalizacja procesu lakierowania

Powyższe rozwiązania są uniwersalnymi narzędziami, które można wdrożyć w zakładzie produkcyjnym z dowolnej branży. Na rynku rozwijają się również startupy, które proponują narzędzia dedykowane dla danego procesu lub sektora.

Jednym z takich przedsiębiorstw jest Neural Flow. Startup wykorzystuje technologie uczenia maszynowego i sztucznej inteligencji (AI) do przetwarzania danych zebranych w procesie lakierowania. Informacje są przekształcane w silnik decyzyjny, którego celem jest maksymalizacja wydajności i zapewnienia stałej jakości produktu.

Neural Flow wykorzystuje trzy typy silników uczenia maszynowego:

  •       Clustering – wykrywa anomalie w partiach.
  •       Sieć neuronowa – umożliwia przewidywanie danych szeregów czasowych.
  •       Statystyczna analiza sygnałów i prognozowanie.

System Neural Flow może działać w bezpiecznej i zaszyfrowanej chmurze lub być ograniczony do serwera lokalnego.

Wprowadzanie innowacji się opłaca!

Wielu przedsiębiorców może podważać opłacalność wprowadzania innowacyjnych systemów, które pomagają zoptymalizować procesy produkcyjne. Gwarancją rentowności takiej inwestycji jest dobór narzędzi do charakterystyki danego zakładu.

Specyfika parku maszynowego, skala produkcji czy rodzaj produktów to tylko kilka przykładowych aspektów, które trzeba wziąć pod uwagę podczas doboru rozwiązania usprawniającego procesy. 

Powyższe startupy oferują szeroki wachlarz możliwości technologicznych. Czy wsparcie znanych już koncepcji zarządzania produkcją (Lean Manufacturing) narzędziami wykreowanymi przez czwartą rewolucję przemysłową pozwoli stworzyć idealne systemy produkcyjne? W taki sposób staje się to coraz bardziej realne.