Egy januárban alapított magyar startup, a REACH olyan Ipar 4.0-megoldást, amely a big data és a mesterséges intelligencia, pontosabban gépi tanulás (machine leraning – ML) segítségével a gyártógépek cseréje nélkül oldja meg az intelligens gyártás fontosabb problémáit.

A REACH (a cégnév a Real-time Event-based Analytics and Collaboration Hub rövidítése) nyílt forráskódú platformot épített. Ehez a Cloudera adja a Hadoop-disztribúcióját, amellyel a gyártósorról érkező különböző szenzoradatokat lehet összegyűjteni egy közös adat-platformra, a Dell EMC pedig a platformhoz optimalizált, gyorsan telepíthető és tetszőlegesen skálázható hardvert biztosítja.

A kulcsszó: valós időben

A platform, melynek piacképes változatát a három részt vevő cég után CDR projektnek nevezték el, lényegében a gyártósorokról érkező adatokat becsatornázó IoT gateway és a MES rendszer (Manufacturing Execution System) közé épül be. A beérkező adatokat big data és ML algoritmusokat használva valós időben, gyártás közben feldolgozza, majd az eredmény alapján egyszerű utasításokkal tudja az adott gépet irányítani, sőt akár komplex robotvezérlésre is képes.

A REACH techológiai igazgatója, Tunkel Richárd a rendszert bemutató sajtótájékoztatón arról beszélt, hogy a fejlesztésnél sem a felhős rendszer, sem az edge computing nem volt járható út. Előbbinek az a hátránya, hogy túlságosan nagy a késleltetés az adat beérkezte, a feldolgozás és a reakció folyamatában, míg utóbbinak az, hogy csak egy gépre vonatkozik, nem lehet vele kezelni például egy teljes gyártási folyamatot. Tunkelék ezért a platformot az ún. fog computing elvei szerint építették fel, azaz a felhő előnyeit közelebb vitték az adatforrásokhoz, hogy a folyamatok valós idejűvé válhassanak. (A fog computing fogalmát négy éve a Cisco kezdte el alkalmazni épp az IoT-s adatok valós idejű elemzése kapcsán.)

Így oldható meg hatékonyan Tunkel szerint, hogy valós időben lehessen figyelni, elemezni és beavatkozni a teljes gyártási eseménytérben.

Megfigyel és gyűjt – tanul – beavatkozik

A platform a Listen – Learn – Execut hármasságára épül. Első lépésben a rendszer begyűjt adatokat. Második lépésben tanul. Az adatok elemzéséből meghatározza, hogy melyek azok a paraméterek, melyeket súlyozottan figyelnie kell a gyártási folyamatban várható problémák időbeni észleléséhez. Végül beavatkozik, javaslatot tesz az operátornak, de automatizálhatja is a beavatkozást, amihez az operátornak csak jóváhagyást kell adnia.

Így épül be a REACH platformja a gyár informatikai rendszerébe

Ez a gyakorlatban azt jelenti, hogy a gyártóberendezésekről érkező adatokat összegyűjti egy data lake-be. Az adatokat AI segítségével auto-korrelációt alkalmazva elemzi, majd az eredmény alapján optimalizálja a termelést.

Ez jelentheti a selejt csökkentését, a karbantartások jobb ütemezését, például azzal, hogy a rendszert megtanítják a típushibákra, valamint az elhárítás módjára is. Ez utóbbi azért fontos, mert így egy kevésbé képzett operátor is el tud végezni olyan hibaelhárítási feladatokat, melyekhez egyébként nagy tapasztalat kell.

Sokoldalúan alkalmazható

A rendszer bevezetésének a fejlesztők szerint számos helyen kimutatható az előnye. A dolgozók, mérnökök és vezetők valós időben követhetik a gépek állapotát, és a kritikus események megtörténtéről azonnal értesítést kaphatnak, így gyorsabb lesz a problémakezelés.

Valós idejűvé válik a teljeseszközhatékonyság- és állásidő-menedzsment, valamint a ciklusidő-számítás. Tunkel Richárd szerint már azzal is eredményt lehet elérni, ha csak bejelentjük ezeknek az adatoknak a figyelését. Az eredmények fenntartásához szükség van a visszacsatolásra, azaz a dolgozókkal folyamatosan közölni kell, hogy állnak ezekben a mutatókban.

Rugalmasabbá válik a karbantartási periódusok tervezése és a hasznos élettartam becslése. Az algoritmusok folyamatosan felügyelik a gépek és termékek állapotát és képesek megjósolni azok tönkremenetelét. Akár az is megoldható, hogy a termelési sebesség csökkentésével kitolja az adott gép élettartamát a pótalkatrész megérkeztéig, amivel csökkenti a kieséseket.

A REACH rendszeréhez kidolgozott használati eseteket gépek gyáron belüli nyomon követésére, anomáliadetektálásra, selejtkövetésre és előrejelzésre is.

Mivel a rendszer nyílt forráskódú, elvileg ingyen is lehet használni, ha van hozzá szakértelem. Ahol a REACH vezeti be a rendszert, ott a feldolgozott adatmennyiségtől (gigabájtonként 1 euró), szerverszámtól és memóriától függő supportdíjat számol fel. Tunkel szerint ezek a projektek jellemzően gyármérettől függően 10-100 millió forint nagyságrendűek, de kevesebb mint egy év alatt megtérülnek (a jellemző megtérülési idő 8-10 hónap). A demórendszert testközelből is meg lehet nézni a BME-n nyílt Ipar 4.0 technológiai központban.