چهار سطح تکاملی کارخانه هوشمند

چهار سطح تکاملی کارخانه هوشمند

نویسنده مقاله در فوربس(فوریه 2019 میلادی): ویلم ساندبلاد (Willem Sundblad) مدیرعامل و بنیانگذارشرکت Oden Technologies فعال درصنعت اینترنت اشیا

مترجم : محسن جزمی (مهر 1398) :مدیر عامل شرکت تابان فرتاک فعال درحوزه اتوماسیون صنعتی و هوشمند سازی

برای بسیاری از تولید کنندگان ، مسیر ایجاد یک کارخانه هوشمند به دلیل حجم زیاد اطلاعات هنوز هم گیج کننده است. برای غلبه بر این چالش ، تولید کنندگان بایستی این تحول و انتقال را به صورت سفری چهار مرحله ای یا چهار سطحی در نظر بگیرند که از مزایای آن می توانند بطور مداوم در عملیات  تولید بهره مند شوند. مانند هر تحول گسترده ای در سطح شرکت ، تلاش برای رسیدن  خیلی سریع به هدف نهایی ، می تواند شرکت را به جایی که از آن شروع کرده برگرداند  و منجر به هدررفت زمان وسرمایه گذاری های مالی انجام شده شود و درعمل چیزی  جز زیان عاید شرکت نشود.

نکته حساس و بحرانی اینست که تولید کنندگان درک کنند  موضوع اصلی در"کارخانه هوشمند"  داده ها هستند.

قبل از انقلاب صنعتی چهارم ، که معمولاً با عنوان صنعت نسل 4.0 شناخته می شود ، تولیدکنندگان برای جمع آوری داده های ماشین آلات ، انجام تحلیل علل ریشه ای یا کسب بینش و بصیرت  از عملکرد خود به حافظه های موقت و روش های دستی اعتماد داشتند. اما با تغییر چشم انداز رقابتی تولید و افزایش تقاضای مصرف کننده ، صنعت به جایی رسید که دیگر این فرایندهای دستی کارآمد نبودند. در حقیقت ، آنها زمان وپول تولید کنندگان را به صورت بهره وری از دست رفته ، تولید پایین تر از حد انتظار ماشین آلات و کیفیت پایین محصول هزینه می کنند.

تکامل تدریجی کارخانه هوشمند،  حول توسعه و پیشرفت هایی است که  در انقلاب صنعتی سوم ، بواسطه خودکار کردن جمع آوری داده ها از ماشین آلات تولید و برنامه های کاربردی ، و تبدیل آنها به اطلاعاتی بلادرنگ و به نوعی بینش وبصیرت بیشتر است، اتفاق می افتد . این فناوری جدید یعنی کارخانه هوشمند فرآیند خسته کننده ، اما مهم  استخراج بینش و بصیرت از داده ها را به فرآیندی آنی ، روان، ساده ، موثر و قابل دستیابی برای هر تولید کننده تبدیل می کند.

سطح اول: داده های موجود

سیستم سطح یک، تقریباً وضع موجود بسیاری از کارخانجات تولیدی است. در این مرحله، داده ها در دسترس هستند اما استفاده از آنها برای تصمیم گیری  یا  انجام بهبود و اصلاح دشوار است. داده ها در سیستم های سیلویی قراردارند و برای یکپارچگی و ترجمان آنها به اطلاعات مفید ، به کار به شکل دستی نیاز می باشد . حل مسئله در این سطح امری ممكن اما بسیار وقت گیر است.

 هنگامی که مسئله کیفیت محصول یا  ماشین آلات پیش می آید ، کارگران و مهندسان قبل از اینکه بتوانند آنچه را اتفاق افتاده و چگونگی رفع آن معین کنند ، بایستی برای جمع آوری دستی داده ها از سیستم های مختلف،  ، تلاش همراه با زحمتی را بعمل آورند. این رویکرد دستی نه تنها ناامیدکننده بلکه پرهزینه است و باعث هدررفت زمان ، منابع و پول کارخانه می شود. تولیدکنندگان در سطح یک بایستی تاجای ممکن هرچه سریعتر به سطح دو حرکت کنند یا ریسک این را بپذیرند که میلیون ها دلار بواسطه تولید از دست رفته  ناشی  از توقفات برنامه ریزی نشده  هر روزه را هدر دهند.

سطح دوم: داده های قابل دسترس

سیستم سطح دو ، همه منابع داده های متفاوت و حتی غیرمتجانس را در یک منبع واحد تجمیع و یکپارچه می کند و به طور پیوسته داده های تولید را جمع آوری ،ردیابی و دنبال می کند. با وجود داده ها در یک مکان و اینکه همیشه در دسترس هستند ، حل مسئله تقریبا  راحت می شود. هنگامی که مسئله ای رخ می دهد ، کارگران و مهندسان می توانند با استفاده از تکنیکهای نمایشی و تصویری و داشبوردهای طراحی شده به داده های موجود در سیستم دسترسی پیدا کرده و اساساً   سیستم  را به صورت  موتور پرس و جو ارتقا بخشیده و ازآن استفاده کنند. با دسترسی آسان به تمام داده ها ، آنها قادر خواهند بود به سرعت به سؤالات پاسخ دهند و باعث افزایش بهره وری  خطوط تولید و کارخانه شوند..

علاوه بر این ، سیستم سطح دو به مهندسان این امکان را می دهد تا به موضوعات  با ارزش بالا مانند بهبود خود محصول ، تغییر مواد، یا اتخاذ استراتژی سفارشی سازی انبوه تمرکز کنند. با این حال ، در سطح دو ، تحلیل کنشگرایانه (Proactive) که کارخانه ها را قادر می سازد قبل از وقوع مسائل ، اصلاحات و بهبودهای مورد نیاز را انجام دهند ، هنوز نیاز به زمان ، تلاش و تعامل مهندسین دارد.

برای حرکت از سطح یک به سطح دو ، تولید کنندگان باید یک معماری داده جدید را پیاده واجرا کنند ، که فقط چند ماه طول می کشد. برای این کار ، باید ارزیابی کنند که آیا سیستم خود را می خواهند بنا کنند یا   تامین کنندگان و شرکای مناسب برای ارائه  راه حل را   انتخاب می کنند. همچنین ، هنگام انتخاب یک معماری جدید ، بایستی اطمینان حاصل کنند که  این معماری بدون پرداخت هزینه های حاشیه ای بالاتر یا قربانی نمودن عملکرد سیستم ،پاسخگوی مقدار داده ای که می خواهند جمع آوری کنند ، هست.

سطح سوم: داده های فعال

سیستم سطح سه ،عملیات تولید را از حل مسئله بصورت واکنشی به تحلیل کنش گرایانه و بهبود واصلاحات سوق می دهد. این سیستم به کارگران و مهندسان این امکان را می دهد تا واقعاً در حل مسائل پیشگیرانه و  کنشگرایانه عمل کنند ، که در یک سیستم سطح دو امکان پذیر نمی باشد. برای حرکت از سطح دو به سطح سه ، باید به سطح قبلی یعنی معماری داده ها ،قابلیت های جدید سیستم مانند یادگیری ماشین و هوش مصنوعی  اضافه کرد. این ابزارهای جدید، بسته به ترکیب تولید ، امکان شروع خلق بینش و بصیرت در زمان کوتاه، ظرف دو یا سه ماه را خواهد داد. این ویژگی های جدید ، که با سیستم سطح دوترکیب می شوند، تمام داده های خطوط و ماشین آلات  تولید را بصورت انبوه جمع  و یک سیستم هوشمند ایجاد می کنند که می تواند به تنهایی بینش ها و بصیرت های ارزشمندی  را بیاید و خرابی ها را با دقت بیشتری پیش بینی کند ، ضمن اینکه اطلاعات را در زمان مناسب به شخص مناسب ارائه می دهد. کاربران در سطح سوم ، برای پیدا کردن جواب برای حل مشکلات تولیدی ، نیازی به موتور پرس و جو در سیستم (مانند سطح دو) یا انجام تحلیل فرایند بصورت دستی (مانند سطح یک) ندارند.

مثالی از مشخصه های سیستم سطح سه ، مدل های یادگیری ماشین است که عیوب محصول یا خرابیهای ماشین آلات را پیش بینی و راه هایی برای تولید کارآمدتر محصولات شناسایی می کنند. در یک سیستم سطح سه ، هنوز هم به فرد برای ایجاد تغییراتی که سیستم هوشمند توصیه می کند ، نیاز می باشد.

سطح چهارم: داده های عمل گرا (Action-Oriented Data)

در سطح چهار ، سیستم داده در واقع توصیه هایی را که از تحلیل داده های تولید پیدا می کند ، به کار می بندد. به عنوان مثال ، یک مدل یادگیری ماشین، یک بهینه سازی را شناسایی می کند ، سپس تنظیمات جدید توصیه شده را تولید و  به ماشین آلات و تجهیزات ، جایی که به طور خودکار اجرا شود ،ارسال می کند. در چنین خط تولید کنترل شده از طریق هوش مصنوعی با حلقه بسته ، مدت زمان لازم برای اجرای بینش و بصیرتی که توسط سیستم  یافته شده است ، به حداقل می رسد.

دستیابی به سطح چهار نیاز به پایگاه داده هایی دارد که به اندازه کافی بزرگ بوده (کلان داده) و دارای اعتبارکافی باشند تا اطلاعات لازم برای سیستم که منجر به خلق "دانش"برای شناخت تأثیرات تغییر تولید بواسطه  فرمانهای صادره از طرف هوش مصنوعی با حلقه بسته می شود، را فراهم نماید. زمان لازم برای حرکت از سطح سه به سطح چهار ، به مدت زمان لازم برای جمع آوری مجموعه های داده مورد نیاز دارد.

بنای یک کارخانه هوشمند

رویکرد حرکت انتقالی به سمت بنای یک کارخانه هوشمند به عنوان یک سفر با چهار مرحله یا چهار سطح  به یک دلیل ساده بسیار حساس و بحرانی است: هیچ میانبری وجود ندارد که بتواند یک تولید کننده را از سطح یک به سطح چهار منتقل کند.

آنهایی که سعی کرده اند سیستم های خود را پیدا کنند ، آنقدر با فرآیندها و داده های تغییر پذیر روبرو  بوده اند که به سرعت در پیچیدگی سیستم خود مانند یک باتلاق گرفتار شده اند. سیستم های سطح سه و سطح چهار نیاز به حجم عظیمی از داده ها دارند که فقط در سطح دو قابل تولید و مفید هستند. یک رویکرد گام به گام به تولید کنندگان اجازه می دهد تا از طریق یک تکامل طبیعی پیشرفت کنند. در سطوح قبلی ، آنها بیشتر در مورد سیستم های داده به طور کلی و داده های مورد نیاز برای فرآیندهای خاص خود یاد می گیرند. همچنان که درحال یادگیری هستند، برای اینکه سیستم بتواند اصلاحات وبهبودهای فرآیند تولید را بر اساس داده ها شناسایی و اجرا کند،شروع به گردآوری مجموعه داده های مورد نیاز می نمایند. با این رویکرد منظم و اسلوب دار ، تولید کنندگان سریعتر و با سرخوردگی کمتر یک کارخانه هوشمند را بنا می کنند.