Nie ma lepszego miejsca do
obserwowania trendów w Przemyśle 4.0 niż Targi Hannover Messe. Liderzy branży
prezentują tu swoje innowacje i wprowadzone w ostatnim roku ulepszenia, co
pozwala dostrzec kluczowe kierunki rozwoju. W tym roku uczestniczyłem w Targach
jako członek ekipy REDNT wystawiającej swoje rozwiązania przemysłowego
Internetu rzeczy z rodziny MOLOS.CLOUD na polskim stoisku narodowym. Także i tu
prym wiodły technologiczne nowinki.
Maszyny coraz lepiej się uczą
Cyfrowy bliźniak
Wiodące innowacje prezentowane na Hannover Messe mogę podsumować w kilku słowach: w najbliższej przyszłości systemy produkcyjne będą coraz bardzie elastyczne, nastąpi optymalizacja współpracy między ludźmi i robotami, wiele procesów ulegnie digitalizacji a pozyskane dane będą służyć do ich monitorowania i optymalizacji.
Przyzwyczailiśmy się już do
tego, że media dużo mówią i piszą o nieuchronności "cyfrowej
transformacji", a firmy konsultingowe coraz częściej oferują kompleksową pomoc
firmom przemysłowym w trakcie ich cyfrowej podróży. Eksperci jak mantrę
powtarzają: zmień się albo znikniesz z rynku.
A przecież to niełatwe zadanie - wymaga inwestycji, nowych kompetencji i
bardzo często kompletnej zmiany myślenia o biznesie. Targi w Hanowerze pokazały,
że pomimo wielu barier przemysł naprawdę się zmienia.
Co jest obecnie na topie?
„Połącz się
i współpracuj”
To
przewodnie hasło tegorocznej imprezy. Współpraca między ludźmi a wysoce
zautomatyzowanymi maszynami to bardzo szybko rozwijający się obszar
digitalizacji przemysłu. Coboty (roboty współpracujące), egzoszkielety i
systemy rzeczywistości rozszerzonej mogą znacząco wpłynąć na zwiększenie
wydajności, stworzenie bardziej efektywnych warunków pracy i wprowadzanie
nowych modeli biznesowych. Widok robota na linii produkcyjnej nikogo dziś nie
dziwi, jednak coboty nie mają wyeliminować procesów prowadzonych przez ludzi
tylko je ulepszyć. Z przyjemnością obserwowałem sposób w jaki roboty odczytują
ludzkie działania i odpowiednio dostosowują swoje lub wręcz naśladują człowieka,
zaawansowane technologie egzoszkieletów poprawiają fizyczne możliwości operatora,
a systemy rozszerzonej rzeczywistości pomagają ludziom w znacznie skuteczniejszej
pracy. Uff, wygląda na to, że jeszcze
przez jakiś czas nikt nas (ludzi) nie wymieni na nowszy (cyfrowy) model.
Maszyny coraz lepiej się uczą
Sztuczna
inteligencja i uczenie maszynowe grały kluczową rolę na wielu halach
wystawowych poświęconych koncepcji Smart Factory. Nie mogłem odmówić sobie
przyjemności zagrania partyjki tenisa stołowego na stoisku firmy OMRON z
robotem, który na podstawie zebranych danych stale optymalizuje zachowanie
dopasowując się do graczy. Ten krzemowy partner do ping ponga korzysta z czterech
cyfrowych oczu i jednej ultra szybkiej kamery do śledzenia ruchu gracza, piłki
i rakiety. Pracujące z duża szybkością i w wielu osiach ramię idealnie
naśladuje ruchy ludzkiego nadgarstka i łokcia kiedy np. podkręca piłkę.
Szczypta sztucznej inteligencji pozwala przeanalizować i przewidzieć zachowanie
przeciwnika oraz dostosować do niego styl i poziom gry. Dodatkowo AI nie
okazuje emocji i to wszystko czyni z FORPHEUS’a (bo tak ma na imię ten
cybernetyczny tenisista) trenera idealnego. Oby nie stał się protoplastą T-800,
bo z takim wzrokiem, precyzją i mocą obliczeniową marne mamy szanse.
Firmy
produkcyjne wykorzystują szeroko pojętą sztuczną inteligencję do znacznie
bardziej zaawansowanych i pragmatycznych celów np. korzystając z algorytmów
uczenia maszynowego na ogromnych bazach danych operacyjnych, potrafią zdiagnozować
rzeczywiste przyczyny awarii, skutecznie przewidzieć nadchodzące i zaproponować
działania zaradcze zanim nastąpią. Dodatkowo mogą zoptymalizować odstępy między
przeglądami i zaplanować dostawy części zamiennych redukując ich magazyn, co
zmniejsza koszty i skraca przestoje. Na chwilę obecną, w przeważającej ilości
są to jeszcze projekty w fazie testów, pilotów lub rozwiązania punktowe dla
prostych dobrze zdefiniowanych maszyn i urządzeń lub rozwiązujące konkretny
problem. Pokazują one, że przyszłością są połączone metody inżynierskie np.
wibrodiagnostyka z budową modeli typu Data Science np. uczenie maszynowe na
odpowiednio dużym zbiorze danych, najlepiej na próbie statystycznej lub całej
populacji. Pozwolą one z jednej strony na obniżenie kosztów własnych serwisu,
utrzymania i rozwoju produktów, a z drugiej na zaaferowanie klientom dodatkowych
usług, w każdym przypadku podniesienie konkurencyjności. Rozwiązania takie, zarówno
sprzęt, oprogramowanie, jak i same modele są coraz tańsze i dla pewnej
kategorii zastosowań powtarzalne. W zasadzie już w tej chwili producenci
silników, pomp, kompresorów, wentylatorów i podobnych maszyn powinni ustawiać
się w kolejkę do firm budujących systemy predykcji awarii, żeby nie zostać w
tyle za konkurencją. Jestem ciekaw co nowego będzie za rok.
Inteligentne
fabryki zarządzają danymi maszynowymi
Analityka
danych jest niejako produktem ubocznym Internetu Rzeczy, ale zaczyna odgrywać
coraz większą rolę. Dane to przecież surowiec, z którego można wydobyć
wiele cennych informacji. Stale zwiększająca się
liczba urządzeń, które generują dane, sprawia, że wzrasta zapotrzebowanie na ekspertów
od ich analizy. Wyzwaniem jest między innymi łączenie i korelowanie danych z
różnych systemów sterowania przemysłowego (DCS, SCADA, czujniki, aplikacje
biznesowe, infrastruktura, systemy IT). Firmy, które korzystają z wielu
dostawców technologii, wdrażanych jako odrębne projekty potrzebują skutecznych
narzędzi analitycznych i programistycznych. Rynek oferuje coraz więcej takich
rozwiązań. Holistyczne podejście do zbierania i analizowania danych fabryki
pozwala zoptymalizować procesy, wykryć i usunąć wąskie gardła, odkryć
nieoczywiste powiązania pomiędzy danymi operacyjnymi a biznesowymi. To wszystko
służy zwiększaniu wskaźników efektywności i lepszemu kontrolowaniu biznesu. Czy
jest proste? - Nie. Czy jest tanie? – Jeszcze nie. Na razie pozwalają sobie na
to duże przedsiębiorstwa, a i tak często robią to wyspowo. Czy jest
przyszłością – O tak. Każdy chciałby wiedzieć, że jak odkręci zawór o pół
stopnia bardziej to produkuje o 5 złotych taniej. Stąd już tylko krok do
cyfrowego bliźniaka.
Cyfrowy bliźniak
Digital
Twin to coraz częściej pojawiające się pojęcie w dyskusjach o przyszłości
przemysłu. Sama koncepcja jest znana od ponad 30-tu lat, kiedy powstały programy
CAD. Na początku wieku zaczęto używać jej do projektowania złożonych systemów,
gdzie ciężko jest przetestować prototyp, np. satelitów czy statków kosmicznych.
Obecnie cyfrowe modelowanie i analizowanie procesów przemysłowych pozwala
znaleźć potencjalne błędy i usprawnienia zanim rozpocznie się proces fizycznej produkcji.
Stosuje się ją do cyfrowego projektowania i testowania produktu i samej linii produkcyjnej przy
wsparciu technologii takich jak modelowane 3D, wirtualna czy rozszerzona
rzeczywistość oraz zaawansowanych symulacji numerycznych. Coraz częściej też wykorzystuje
się je do odwzorowania pracy i modelowania całych obszarów przedsiębiorstwa
poprzez cyfrowe odwzorowanie instalacji, procesów i systemów. Pomagają w tym
rozwiązania IoT i zbudowanie jednego repozytorium wszystkich danych operacyjnych
w raz relacjami i powiązaniami.
Analitycy
tacy jak Gartner przewidują że w ciągu 3 lat połowa dużych firm będzie korzystała
z cyfrowych bliźniaków, co pozwoli im podnieść efektywność o ok. 10%. Koncepcja
kusząca, pytanie – kogo na nią stać? Jeżeli chcemy np. zamodelować dedykowaną
skrzynię do transportu i magazynowania komponentów samochodu czy nawet cała
halę fabryczną z ciągami technologicznymi to okazuje się to całkiem przystępne przy
wykorzystaniu okularów rozszerzonej rzeczywistości i umiejętności jednej z
polskich firm. Jeżeli mamy ochotę na cyfrową symulację zachowania się naszego
produktu to z pomocą przychodzi chmura i oprogramowanie SaaS. Modelowanie
zachowania całej linii technologicznej wymaga gromadzenia w czasie rzeczywistym
ogromnej ilości danych i ich obróbki, ale tutaj też z pomocą przychodzi chmura
i dostępne tam rozwiązania BigData i IoT.
Edge czy
Cloud?
Tak
jak na poprzednich Targach gorącym słowem w dyskusjach o automatyzacji
przemysłu było słowo „Cloud”, tak w tym roku zdecydowanie częściej słyszałem
"Edge". Jedno i drugie ma swoje zalety (oraz wady). Przetwarzanie w
chmurze zostało opracowane w celu ograniczenia kosztów operacyjnych związanych
z wdrożeniem własnego centrum danych. Zapewnia także elastyczność bo zasoby
obliczeniowe i magazynowe można dopasować do aktualnej potrzeby. Chmura nie
została jednak zaprojektowana do obsługi krytycznych aplikacji produkcyjnych
działających w czasie rzeczywistym. Edge computing rozwiązuje ten problem.
Możemy się spodziewać, że coraz częściej systemy obliczeń brzegowych będą
integrowane z środowiskami chmurowymi, aby stworzyć infrastrukturę hybrydową.
Wiodące innowacje prezentowane na Hannover Messe mogę podsumować w kilku słowach: w najbliższej przyszłości systemy produkcyjne będą coraz bardzie elastyczne, nastąpi optymalizacja współpracy między ludźmi i robotami, wiele procesów ulegnie digitalizacji a pozyskane dane będą służyć do ich monitorowania i optymalizacji.