Analityka predyktywna technologiczną wyrocznią dla firm

 

Nie jest tajemnicą, że w firmach produkcyjnych kontrola jakości i wydajność fabryk odgrywają dominującą rolę. Dzieje się tak dlatego, że oba obszary decydują o ich konkurencyjności, przekładając się bezpośrednio na wyniki finansowe. Nie dziwi więc fakt, że to właśnie przemysł stał się kolebką analityki predyktywnej, pełnymi garściami czerpiąc błogosławieństwa płynące z jej szeroko zakrojonej implementacji. Okazuje się, że jest ich całkiem sporo; spływają na objęte konserwacją predykcyjną parki maszynowe, logistykę i transport, a nawet biura wypełnione białymi kołnierzykami, gdzie padają strategiczne dla rozwoju przedsiębiorstwa decyzje. Ich obfita obecność jest znakiem rozpoznawczym przemysłu przyszłości, który ze wszystkich sił staramy się uchwycić już teraz, przyspieszając moment jego urzeczywistnienia. Stąd coraz większa penetracja przemysłowego internetu rzeczy — technologii, bez której zaawansowane narzędzia analityczne nie odmieniłyby branży produkcyjnej, tak jak robią to obecnie.

Nadejście ery analityki predyktywnej zapowiadają m.in. eksperci z ośrodka badawczego Stratistics MRC. Z opublikowanego przez nich raportu wynika, że jej globalny rynek rośnie z imponującą prędkością 21.2 proc. rdr, by już w 2023 roku osiągnąć wartość niemal 15 miliardów dolarów. Spora część tego tortu przypadnie branży produkcyjnej. Z badania przeprowadzonego przez Deloitte i Council on Competitiveness wynika, że istnieje wyraźny związek pomiędzy popularyzacją analityki predyktywnej w danym kraju, a jego pozycją w globalnym rankingu konkurencyjności przemysłu. Dla kadry zarządzającej wyższego szczebla w przedsiębiorstwach z Chin i USA, rozwiązania oparte o tę technologię są najwyższym priorytetem, podczas gdy oba państwa toczą zacięty bój o pozycję światowego lidera przemysłu wytwórczego. W rankingu konkurencyjności produkcji Polska znajduje się na 15 miejscu na 40 badanych państw. Nie wiadomo, jakie podejście do analityki predyktywnej mają rodzime firmy produkcyjne. Autorzy raportu nie podali tak szczegółowych danych. Musimy więc zadowolić się łącznym wynikiem dla Starego Kontynentu. Okazuje się, że europejscy managerowie stawiają rozwiązania tej klasy dopiero na 4 miejscu. Co ciekawe, jedynie dwa europejskie państwa — Niemcy i Wielka Brytania — znalazły się w pierwszej dziesiątce indeksu.

Przestojom śmierć

Doświadczeni szefowie utrzymania ruchu doskonale rozumieją, że nawet niewielka usterka jednego z systemów może mieć ogromny wpływ na wydajność linii produkcyjnej, dlatego regularna konserwacja parku maszyn to od lat stały element w życiu fabryk, a i to nie wystarcza, by zapewnić ciągłość produkcji. Dopiero konserwacja predykcyjna, która za sprawą różnego typu czujników jest w stanie wykrywać anomalie w pracy maszyn, z dużym wyprzedzeniem przewidywać awarię, a nawet wyodrębniać czynniki odpowiedzialne za problemy ze sprzętem, może diametralnie zredukować przestoje lub nawet całkowicie je wyeliminować. Doskonałym przykładem takich rozwiązań są opracowywane przez wrocławską firmę DSR nowe wersje współdziałających ze sobą systemów 4FACTORY — SFC i EAM. Poza standardową konserwacją predykcyjną będą one umożliwiać m.in. analizę pracy maszyn w celu zredukowania awaryjności jednostek wynikające z pracy w niekorzystnym środowisku produkcyjnym lub wykorzystania nieodpowiednich materiałów. Wszystko za sprawą unikalnej metoda identyfikacji zależności między różnymi wskaźnikami efektywności, opracowywanej we współpracy z Politechniką Wrocławską przy wsparciu Narodowego Centrum Badań i Rozwoju. Na tym nie skończą się ich oryginalne możliwości. Wykorzystując technologię chmury obliczeniowej (platforma Microsoft Azure) oraz sztuczną inteligencję, systemy 4FACTORY pomogą zmniejszyć lub wręcz wyeliminowanie zjawiska obniżające jakość wyrobów i podwyższające koszty produkcji. Do tych ostatnich należy chociażby zużycie nadmiernej ilości materiałów, naprawa wyrobów czy produkowanie braków.

Kluczem jest tu odpowiednie mierzenie oraz poddanie analizie komputerowej w czasie rzeczywistym wielu parametrów technologicznych, odchyleń wymiarowych materiału wejściowego, drgań czy temperatury narzędzi oraz materiału kształtowanego, a także rejestracji sygnałów sterowania, takich jak np. zadana wielkość produkcji czy normy czasu wykonania elementu — wyjaśnia Jan Skowroński, szef działu badań i rozwoju w DSR i dodaje, że w fabrykach przyszłości przestoje będą rzadko występującą anomalią.

Wszystko dzięki systemom komputerowym analizującym pracę zakładów na wielu płaszczyznach i przewidujących możliwe kryzysy ze sporym wyprzedzeniem.

Okiełznać popyt

Przewidywanie popytu nie jest niczym nowym. W tym celu producenci standardowo biorą pod lupę takie czynniki, jak rodzaj produktów, ilość oraz czas wzmożonego zapotrzebowania, czerpiąc wnioski z danych zebranych w roku poprzedzającym. Powszechnie wiadomo, że niektóre produkty sprzedają się lepiej w określonych sezonach lub podczas pewnych wydarzeń. Doskonale rozumie to sieć supermarketów Walmart, której sklepy podczas sytuacji kryzysowych stają się ośrodkami spotkań lokalnych społeczności. By przewidzieć klęski żywiołowe i odpowiednio się do nich przygotować, amerykański gigant wykorzystuje analitykę Big Data i swój rozbudowany łańcuch dostaw. Gdy huragan Matthew zmierzał w kierunku Florydy, analitycy danych z Walmart dokładnie przeanalizowali historię zakupów, których dokonano na terenach objętych ewakuacją podczas wcześniejszych cyklonów. W ten sposób udało się im przewidzieć, jakie produkty będą najczęściej kupowane przez konsumentów. Następnie sieć supermarketów aktywowała łańcuch dostaw, by zapewnić odpowiednie zapasy w placówkach położonych we wschodniej części Florydy. Podobne podejście istnieje wśród producentów, jednak w większości przypadków analizy potencjalnego popytu dokonywane są w sposób przestarzały i nieuwzględniający wielu istotnych aspektów. Tymczasem narzędzia, korzystające w tym celu z analityki predyktywnej, charakteryzują się szerokim spojrzeniem na procesy zachodzące w przedsiębiorstwie, które pozwala na identyfikację trendów, anomalii oraz powtarzających się zdarzeń, dostarczając znacznie dokładniejszą prognozę. Według Jana Skowrońskiego z DSR, w przyszłości również systemy APS, przeznaczone do zaawansowanego planowania i harmonogramowania produkcji, wykorzystywać będą sztuczną inteligencję i analitykę predyktywną, by układać pracę zakładu w oparciu o prognozowane zapotrzebowanie, stany magazynowe oraz wiele innych zmiennych.

Umożliwi to lepszą alokację środków, eliminując wiele niewiadomych. Personel natomiast będzie mógł wykonywać optymalne planowanie w znacznie krótszym czasie — tłumaczy ekspert.

Źródło: www.dsr.com.pl