Miközben már közel két évtizede beszélhetünk ún. "lights-out" gyártásról, egyelőre a gyártásdigitalizáció még az USA-ban is meglehetősen alacsony szinten áll. Maga a lights-out elevezés arra utal, hogy a gyártóüzem emberi beavatkozás nélkül működik, ezért nincs szükség világításra.

Az elsők között stílszerűen egy japán robotikai cég, a FANUC valósított meg ilyen gyárat: az ezredforduló óta van olyan lights-out üzeme, ahol a robotok szerelnek össze robotokat emberi felügyelet nélkül. Ennek egyik hozadéka, hogy csökkenthető az üzemeltetési költség, hiszen nem csak a világítást lehet lekapcsolni, hanem például a légkondicionálót és a fűtést is.

Az elemek megvannak, mégsem használják

A CB Insights gyártásdigitalizálásról készített terjedelmes összeállítása szerint bár szinte minden elem rendelkezésre áll a gyártás digitalizációjához, egyelőre lassan halad a folyamat. Még a világ legfejlettebb gazdaságával bíró Egyesült Államokban, ahol a GDP közel 12 százalékát adja a gyártóipar, is elég alacsony szinten áll a gyártás digitalizálása. Komoly változásra lehet azonban számítani: egy 2017-es kutatás szerint ugyanis a gyártócégek háromnegyedénél már elindult valamilyen intelligens gyártással kapcsolatos kezdeményezés.

Mára az is körvonalazódott, hogy mely területeken mit jelent(het) a digitalizáció. Az egyes elemek ugyanis szigetszerűen már léteznek, csak idő kérdése, hogy ezek komplex rendszerré álljanak össze. Kétségtelen persze, hogy a folyamat nem lesz egyszerű, hiszen ezeket a megoldásokat adaptálni kell a különböző iparági sajátosságokhoz. A CB Insights a gyártási folyamat nyolc alapvető lépését (kutatás-fejlesztés, erőforrás-tervezés és beszerzés, operatív technológiák monitorozása, munkaerő-fejlesztés, megmunkálás és összeszerelés, minőségbiztosítás, raktározás, szállítmányozás és ellátásilánc-menedzsment) vizsgálva megnézte, hogy melyik területen milyen hatása lesz a digitalizációnak.

A kutatás-fejlesztés terén az egyik legnagyobb változás, hogy demokratizálódnak a kutatás-fejlesztést támogató platformok, azaz egyre könnyebb lesz ezekhez hozzáférni. Itt egyrészt nagy szerepe lesz a mesterséges intelligenciának (MI) – például az anyagtudományokban –, a tervezési folyamatot pedig az AR/VR megoldások teszik sokkal hatékonyabbá. A MI és gépi tanulás kvantitatív részének támogatására például már olyan, akár milliós közösségeket megmozgató platformok váltak elérhetővé, mint a Google Kaggle-je vagy a Quantopian, ahol nemcsak a feladatokat, de a kutatási eredményeket is megosztják egymással a közösség tagjai. Az ilyen platformok segítségével radikálisan gyorsítható például a hipotézisek tesztelése. A Citrine Informatics pedig vegyipari és gyógyszeripari cégeknek feljeszt felhős MI-platformot hatóanyag-kutatáshoz.

Erőforrás-tervezés és beszerzés vagy a szállítmányozás és az ellátásilánc-menedzsment terén is szinte minden technológia készen várja a bevetését. Itt elsősorban a blockchain technológia és az IoT kaphat szerepet. Az erőforrás-tervezésnél például az ERP és CRM rendszerek helyett vagy azokkal integrálva a blockchain-alapú megoldásoknak lehet nagy jövője, segítségével ugyanis a vállalat különböző folyamataiból, illetve a közreműködőktől (beszállítók, ügyfelek stb.) származó adatokból univerzális adatstruktúrát lehet kiépíteni. A British Airways például már túlesett egy sikeres teszten, amelyben blockchain technológia segítségével egységesítette a járatokra vonatkozó különböző információkat, hogy azok mindig konzisztensek és naprakészek legyenek az összes felületen a repülőtéri információs kijelzőktől az ügyfélalkalmazásokig.

Az ellátásilánc-menedszmentben az IoT-re épülő telematikai megoldások sokasága mellett vannak sikeres kísérletek a blockchain alkalmazására is. Például a dán A.P. Moller-Maersk szállítmányozási vállalat és az IBM tavaly mutatta be azt a blockchain-alapú rendszerét, amely lehetővé teszi az áru mozgásának valós idejű, transzparens nyomon követését.

Csökkenteni a leállásokat

Jelenleg a legégetőbb probléma az operatív technológiák monitorozása és a gépi adatok hasznosítása. Ezen keresztül vezet ugyanis az út az OEE (Overall Equipment Effectiveness), azaz teljes eszközhatékonysági mutató javításához. És van min javítani: a gyártósorok, gépek leállása az International Society of Automation egy kutatása szerint éves szinten közel 650 milliárd dollár veszteséget okoz globálisan.

Az OEE kiszámításakor három tényezőt kell figyelembe venni. A gyártósorok futási idejét a tervezetthez képest, a gyártási teljesítményt (legyártott darabszámot) a tervezetthez képest), valamint a selejt arányát az összes legyártott darabszámhoz viszonyítva. Ezek alapján globálisan nagyjából 60 százalék a tipikus OEE-érték. 85 százalékos értékkel (azaz az elméleti kapacitásának 85 százalékát elérő teljesítménnyel) egy vállalat már világklasszisnak számít.

A távlati cél az, hogy a gyártási folyamata végül önfenntartó kiberfizikai rendszerré váljon, aminek csak időnként lesz szüksége emberi beavatkozásra. Piacelemzők szerint ez lesz a következő két évtized egyik legfontosabb területe.
 

Ember sehol, csak gépek és kísérteties fények egy lights-out üzemben

Maga a piac is ebbe az irányba tolja a gyártókat, bár egyelőre csak speciális területeken. A repülőgéphajtómű-gyártók például már évtizedek óta élnek azzal a lehetőséggel, hogy nem hajóművet értékesítenek, hanem üzemidőt. Ez előnyös a hajtóműgyártók számára, hiszen a karbantartás jellemzően magasabb árrésű tevékenység, mint maga a gyártás. De előnyös az ügyfeleiknek is, hiszen akkor kell fizetniük, ha hajtómű megfelelően működik.

Egy ilyen modell azonban magas fokú digitalizációt kíván: minden egyes alkatrészt folyamatosan kell monitorozni, az adatokat pedig folyamatosan elemzeni, mert csak így valósítható meg a prediktív karbantartás.

Régi gépek – korszerű követelmények

Van itt azonban egy komoly szakadék a célok és a rendelkezésre álló eszközök között. A gyártósorokon működő gépeket nem néhány évre, hanem gyakran néhány évtizedre tervezik, emiatt a gyárakban még mindig olyan régi gépek dolgoznak, amelyek nem vagy csak korlátozottan alkalmasak adatgyűjtésre. Olykor még alapvető (pl. hőmérséklet, rezgés stb.) szenzorokat sem tartalmaznak. Emiatt hosszú út vezet addig, amíg egy gyártóvállalat felépít egy modern operációs (gyártás oldali) technológiai, erőteljesen IT-vezérelt stacket, amely túllép a gyártóeszközök közvetlen felügyeletén.

Először is a gyártóberendezéseket hálózatképessé kell tenni, és fel kell szerelni ipari IoT szenzorokkal. Az adatokat be kell csatornázni a központi felügyeleti és adatgyűjtő rendszerbe (SCADA – Supervisory Control And Data Acquisition), valamint ki kell alakítani olyan ember-gép interfészeket, amelyeken keresztül az elemzők hozzáférhetnek az adatokhoz. Ha mindez már megvan, jöhetnek a további lépések. A programozható logikai vezérlők (PLC – Programmable Logic Controller) az adatok alapján adhatják a vezérlést a gyártósornak. És akár be lehet vezetni 3D nyomtatók alkalmazását, amivel megvalósítható az additív gyártás.

Ebben a rendszerben az IT és az operációs technológiai stack között egyre jobban elmosódnak a határok. Ebbe az irányba haladnak a nagy ipari szállítók (Siemens, ABB, Schneider Electric, Rockwell), ám rendszereik jellemzően a nagyvállalatok számára megfizethető. A kisebb gyártóvállalatok sem maradnak azonban eszközök nélkül. Egyre több az olyan startup, amely lehetőséget lát ebben a piacban.

A közelmúltban mutattuk be például a magyar REACH megoldását: a Dell-lel és a Clouderával közösen fejlesztett CDR platform akár a hazai kkv-k számára is megfizethető digitalizációs platformot biztosít, amelyre felépíthető akár egy teljes operációs technológiai stack is.