Optymalizacja procesów produkcji zawsze była wpisana w DNA branży produkcyjnej. Od rewolucji przemysłowej następowała ona metodą małych kroków, które jednak, przemnożone przez ogromne i szybko rosnące wskaźniki produkcji, przekładały się na znaczne oszczędności. Bez wątpienia jednym z najważniejszych wyzwań było ograniczenie do minimum liczby i długości trwania awarii.
Przez wiele lat rozwijano więc procesy szybkiego zgłaszania takich incydentów, dbając jednocześnie o dublowanie niektórych rozwiązań oraz utrzymując odpowiednie zapasy części. Dziewiętnastowieczne fabryki miały własne warsztaty, w których wykwalifikowani majstrowie potrafili stosunkowo szybko wytworzyć i naprawić praktycznie każdą część maszyn, systemów napędowych czy transportowych. Tacy pracownicy spełniali bardzo istotną rolę, ponieważ dzięki gruntownej wiedzy, wieloletniemu doświadczeniu oraz intuicji umieli odpowiednio szybko zareagować, a nawet zapobiec awarii.
Dzisiaj, w dobie „odchudzonej produkcji” (Lean Manufacturing) pracownicy często kontrolują fragmenty linii produkcyjnej, mając ograniczone możliwości reakcji. Producenci starają się nie utrzymywać rozbudowanych magazynów z częściami zamiennymi, za to korzystają z usług serwisowych. Intuicję muszę zastąpić nowe technologie, takie jak systemy samouczące się (kognitywne).
Predictive Maintenance
Konserwacja zapobiegawcza (Predictive Maintenance, PdM) to procedura pozwalająca organizacjom produkcyjnym na wykrycie anomalii i problemów operacyjnych przy jednoczesnym zapewnieniu pełnej widoczności i przejrzystości tych procesów wraz z funkcjami planowania. Dzięki danym zbieranym w sposób ciągły z hal fabrycznych PdM daje korzyści w postaci diagnostyki i monitoringu zasobów krytycznych dla linii produkcyjnych w czasie rzeczywistym i przez całą dobę. Dla porównania, konserwacja tradycyjna, prewencyjna (Preventive Maintenance, PM), zmusza producentów do statycznego krążenia w zaplanowanych odgórnie cyklach wymian komponentów, co jest nie tylko kosztowne, ale też nie rozwiązuje problemów z ciągłością produkcji.
Nowoczesne systemy przewidujące awarie są oparte na technologiach w rodzaju internetu rzeczy, analityki danych oraz chmury z warstwą automatyzacji, która potrafi nie tylko przyśpieszyć proces adaptacji takich strategii, ale również obniżyć cenę analizy zebranych danych. Im więcej danych, tym lepsza jakość analiz oraz skuteczniejsze systemy PdM. Mogę one wpływać pozytywnie na wiele sfer związanych z produkcją – informacja o możliwej awarii ma szansę:
- spowodować zmianę w wolumenie produkcji komponentów, tak by incydenty nie zakłóciły istniejących planów produkcji
- dać sposobność kierownikom utrzymania produkcji, żeby zmniejszyli liczbę nieplanowanych przestojów oraz odpowiednio zaplanować niezbędne, tak by ich negatywne oddziaływanie było jak najmniejsze
- umożliwić osobom odpowiedzialnym za planowanie zaopatrzenia dostosowanie asortymentu zgromadzonych części zamiennych do rzeczywistych potrzeb.
Wcześniej takie osoby miały harmonogram rutynowych prac serwisowych, które polegały na okresowej wymianie szybko zużywających się części. Było to kosztowne i wcale nie gwarantowało spokoju, gdyż awaria mogła mieć miejsce tuż przed działaniem prewencyjnym.
Jak to działa?
Ponieważ omawiane rozwiązania są tak precyzyjne, jak zbierane dane, bardzo ważne są sensory dołączane do infrastruktury. Najczęściej są to stosunkowo proste mierniki gromadzące informacje na temat temperatury, wilgotności, wibracji, przyśpieszenia, ciśnienia, przepływów, rotacji (obrotów na minutę), ale coraz częściej także kamery czy mikrofony nagrywające odgłosy pracy monitorowanych urządzeń. Zebrane dane są przesyłane do zautomatyzowanych systemów wspierających utrzymanie ruchu (Computerised Maintenance Management Systems, CMMS), które rejestrują zdarzenia związane z utrzymaniem wyposażenia produkcyjnego w określonych interwałach. Następnie informacje są weryfikowane w odniesieniu do ustawionych progów alarmowych i wzorców działania prowadzących do prawdopodobnych awarii. Jeśli te progi zostaną naruszone, systemy wysyłają alarmy do osób zarządzających produkcją.
Proces zbierania danych może być zarówno zautomatyzowany, jak i manualny. Istotną zmianą w rozwoju systemów automatycznych było pojawienie się tanich, ale zaawansowanych technologicznie podłączonych do sieci sensorów wykorzystujących zminiaturyzowane rozwiązania elektromechaniczne (Microelectromechanical System, MEMS). Ich uzupełnieniem jest powszechne korzystanie z tagów RFID (Radio Frequency Identification), które dostarczają informacje w procesie przetwarzania, montażu, poprawiając możliwości śledzenia komponentów i logistykę.
Łączność, bezprzewodowa czy przewodowa, na terenie fabryki jest następnym istotnym elementem rozwiązań konserwacji zapobiegawczej. Przez wiele lat była też jednym z największych wyzwań z racji wysokich kosztów osieciowania całej fabryki. W tej mierze wykorzystanie technologii Industrial Ethernet miało kolosalne znaczenie, ponieważ cena sprzętu szybko spadała, korzystając z ekonomii skali, którą można było zastosować w jej popularyzacji w świecie biznesu. Równolegle firma Emerson rozwinęła protokół cyfrowy Fieldbus, który ze względu na bezpieczeństwo i niezawodność jest chętnie stosowany w instalacjach rafineryjnych, chemicznych czy spożywczych.
Nowe urządzenia w fabryce
Przez wiele lat takie informacje z hal produkcyjnych były gromadzone przez pracowników – w erze powszechnej komputeryzacji i rozwiązań mobilnych często za pomocą specjalnych, odpornych na zniszczenie kolektorów danych (urządzenia takich producentów jak Panasonic czy Zebra). Obecnie coraz częściej są one zastępowane przez konsumenckie produkty, takie jak smartfony lub tablety, które są tańsze, a dodatkowo wyposażone w zaawansowane rozwiązania geolokalizujące czy kamery. Nowoczesny pracownik firmy produkcyjnej to jednak osoba nie tylko z telefonem czy tabletem w ręce. Chętnie wykorzystywane są również urządzenia ubieralne (Wearables), które pozostawiają wolne ręce, umożliwiając dostarczanie pracownikowi dodatkowych treści w rozszerzonej rzeczywistości (Augumented Reality). Barierą w korzystaniu na przykład z Google Glass są koszty wdrożenia.
W wielu przypadkach, ze względu na krytyczne znaczenie danych instalacji w procesie produkcji, wymiana informacji między urządzeniami różnych producentów powinna następować w czasie rzeczywistym. Pomocnym czynnikiem jest odpowiedni standard, w tym przypadku mówimy o Open Platform Communications (OPC) Microsoftu, oparty o Object Linking and Embedding (OLE).
Bezpieczeństwo danych
I wreszcie ostatni, niezbędny element w warstwie komunikacyjnej – bezpieczeństwo. Nabiera on szczególnego znaczenia, ponieważ dzięki procesom cyfryzacji, wiele systemów typu Supervisory Control and Data Acquisition (SCADA) zostało wystawionych na ostrzał ze strony hakerów, narażając firmy produkcyjne na straty. A skala zagrożeń może tylko wzrosnąć w momencie upowszechnienia się chmur branżowych, co przyniesie potrzebę maskowania i tokenizacji danych. Większość liczących się dostawców bezpieczeństwa IT jest już świadoma tych zagrożeń i oferuje branży przemysłowej odpowiednie rozwiązania.
PdM – przyszłość w produkcji?
Podsumowując, aby wydobyć maksimum wartości z systemów PdM, niezbędna jest odpowiednia kombinacja sprzętu i oprogramowania. Ten pierwszy służy do przekształcania bodźców mechanicznych w sygnały elektroniczne, drugi – do konwersji tych sygnałów w informacje, które można wykorzystać do uzyskania dalszych badań porównawczych opartych o zasady statystycznej kontroli procesu (Statistical Process Control, SPC), tak aby wykluczyć ewidentne błędy. Drugi element nie będzie działał poprawnie bez standaryzacji danych, co zostało w dużej mierze osiągnięte, aczkolwiek brak standardów chmury branżowej czy międzybranżowej prowadzi do wielu niedociągnięć we współpracy między dostawcami rozwiązań.
Strona oprogramowania w systemach PdM również składa się z kilku klocków, które mają za zadanie zapewnić odpowiednie gromadzenie danych, ich analizę i wreszcie wnioskowanie z dużych zbiorów danych. Rozwiązania typu Data Historian służą jako repozytoria otagowanych danych generowanych przez sensory i liczniki. Najczęściej jest to oprogramowanie rozwijane przez producentów automatyki przemysłowej, dostosowane do charakteru działania konkretnej firmy.
Analiza danych jest kluczowym momentem w całym procesie konserwacji zapobiegawczej. Bardzo dużym wyzwaniem jest zapanowanie nad dużą ilością różnych danych, identyfikacja wzorów i sugerowanie działań. Praca takich startupów jak Hortonworks czy Cloudera zmierza w kierunku wypracowania metod automatycznego reagowania na podstawie analizy danych, które będzie wykorzystywać algorytmy uczenia maszynowego. Algorytmy automatycznie dostarczą gotowe pulpity zarządcze opierające się o powszechnie stosowane metryki czy kluczowe wskaźniki efektywności, takie jak na przykład Całkowita Efektywność Wyposażenia. Pulpity są też istotną częścią aplikacji typu Manufacturing Execution Systems, które pomagają kadrze zarządzającej poprawiać efektywność produkcji wynikającej z analizy danych zbieranych w czasie rzeczywistym. Następnym krokiem, nad którym pracują tacy gracze jak Pegasystems, SAS, TIBCO czy Microsoft, będzie automatyzacja niektórych procesów (w tym właśnie konserwacji zapobiegawczej), aby wyeliminować dodatkowy czas na podejmowanie decyzji i błędy w ocenie sytuacji, które niejednokrotnie popełniają nawet wysoko wykwalifikowani pracownicy.
Projekty wdrożenia takich rozwiązań jak PdM nie są łatwe i wymagają współdziałania wielu osób. Jednak uczestnicząc aktywnie w pracach, zaangażowane osoby lepiej rozumieją cel inwestycji i potrafią efektywniej korzystać z narzędzi. Kadra zarządzająca zyskuje przede wszystkim doskonałe źródło informacji o wydajności produkcji, menedżerowie Line of Business – dane o produkcji, wydajności infrastruktury oraz narzędzia do kolejkowania zadań i planowania. Dział sprzedaży i marketingu na pewno doceni uproszczony model, który można wykorzystać przy okazji komercjalizacji produktów czy też w ramach działań poprawiających obsługę klientów. Inżynierowie – lepsze narzędzia do projektowania, kierownicy operacyjni – analitykę produkcji i wskaźniki wydajnościowe oraz oczywiście dane dotyczące stanu infrastruktury, a osoby zarządzające łańcuchem dostaw – informacje w czasie rzeczywistym na temat produkcji i potrzebnych zamówień. Ale oczywiście najbardziej skorzystają z tego działy serwisu, które mogą lepiej planować prace utrzymaniowe, by móc szybciej eliminować możliwe awarie.
Z powyższego zestawienia widać doskonale, że dobrze wprowadzona konserwacja zapobiegawcza może zaowocować budową jednolitej platformy analizy i zarządzania produkcją, która w sposób wymierny wpłynie na poprawę wydajności, elastyczności, jak również odporności na zewnętrzne i wewnętrzne incydenty. A dodatkowo sama zmiana modelu konserwacji prewencyjnej na zapobiegawczą przynosi duże oszczędności. Istotne jest więc zrozumienie, że wykonana w trakcie takiego wdrożenia praca może zostać lepiej użyta do znacznie dalej idących zmian operacyjnych, które poprawiają widoczność i wzajemną korelację wielu różnych procesów produkcyjnych. Oczywiście pod warunkiem, że projekt zostanie wprowadzony poprawnie, z zapewnieniem wysokiej jakości zbieranych danych.
Badania IDC potwierdzają, że branża przemysłowa jest bardzo zainteresowana podobnymi rozwiązaniami. Najnowszy sondaż wykonany w ramach IDC Asia/Pacific Annual Manufacturing Insights Survey pokazuje, że 18,8% respondentów już używa technologii IoT do zdalnego monitorowania i PdM infrastruktury produkcyjnej, a odsetek ten w ciągu dwóch lat wzrośnie aż o 10 punktów procentowych. Również z moich licznych rozmów z menadżerami działów operacyjnych, innowacji, czy IT branży produkcyjnej wynika, że takie inwestycje mają największe szanse na realizację, ponieważ korzyści są łatwe do zrozumienia, a zwrot z inwestycji można szybko i przekonująco wyliczyć. Dla wielu organizacji jest to wręcz wymarzony przykład inicjatywy, od której warto rozpocząć przygodę z IoT w produkcji.