Tematy związane z Industry 4.0 i Smart Factory dotyczą najczęściej innowacji technologicznych, aczkolwiek czwarta rewolucja przemysłowa to w rzeczywistości transformacja całego biznesu. Wpływa ona na strategie i działalność operacyjną przedsiębiorstw, a także na relacje firm z klientami oraz dostawcami. W drugiej części kompendium szczegółowo przedstawiamy wymienione obszary, a także zmieniające się metody zarządzania produkcją.
Zmiany w obszarze biznesowym
Tematyka inteligentnych zakładów produkcyjnych wiąże się z o wiele szerszą koncepcją cyfrowej transformacji, która dotyczy całościowo organizacji, zmian w obszarze biznesowym oraz wdrażania innowacji związanych z digitalizacją i nowymi technologiami. O ile bowiem o Przemyśle 4.0 zazwyczaj mówi się w kontekście technologicznym, o tyle należy zauważyć, że wprowadza on w firmach również zmiany strategiczne, te na poziomie operacyjnym oraz związane z relacjami pomiędzy producentami i klientami.
Masowa personalizacja
Mass Customization
Jednym z głównych powodów wprowadzania zmian w modelu produkcji są zmieniające się wymogi konsumentów związane z personalizacją produktów. Obecnie coraz częściej odbiorcy poszukują produktów dopasowanych do ich indywidualnych potrzeb i wykonywanych na zamówienie. Zmienia to paradygmat produkcji z masowej, gdzie klient był zdany na producenta i jego inicjatywę. Owe wytwarzanie produktów personalizowanych, ale przy zachowaniu niskich kosztów marginalnych, określa się mianem „masowej personalizacji”.
Zmiana modelu produkcji i relacji z klientami
Manufacturing Model, Customer Development
Internet umożliwia bezpośredni kontakt z klientami, którzy mogą nie tylko personalizować kupowane wyroby, ale też zapewniać informacje zwrotne dotyczące swoich przyszłych potrzeb (rozwój oferty i modelu działalności w procesie tzw. Customer Development). Zmienia to relacje „producent-konsument”, ale też wymaga wprowadzenia zmian w całym przedsiębiorstwie w celu stworzenia organizacji klientocentrycznej. Istotną rolę w rozwoju kontaktów z klientami odgrywa również analityka danych.
Zmiany łańcuchów tworzenia wartości
Value Chain Transformation
Model tradycyjnego łańcucha tworzenia wartości opracowany przez Michaela Portera ulega dzisiaj zasadniczym zmianom na skutek transformacji cyfrowej. Występuje tutaj integracja zachodząca w dwóch wymiarach:
Pionowym – dzięki dostępności danych o procesach, produkcji i innych możliwe jest lepsze zintegrowanie ze sobą procesów w obrębie organizacji – od obszaru R&D, zakupowego, poprzez produkcję, do logistyki i marketingu. Możliwe staje się kompleksowe zarządzanie życiem produktów oraz aktywami.
Poziomym – inteligentne systemy dostaw i logistyki (w tym wewnątrzzakładowej), śledzenie przepływu surowców i produktów oraz zarządzanie nimi umożliwiają optymalizację procesów logistyczno-produkcyjnych i zwiększanie jakości planowania. Z kolei dostępność danych cyfrowych i „widoczność” produkcji pozwala na łatwiejsze współdzielenie informacji pomiędzy organizacją a jej kontrahentami i dostawcami z jednej strony oraz klientami i firmami w sieci dystrybucyjnej z drugiej.
Nowe modele biznesowe
Digitalizacja produkcji i procesów z nią powiązanych pozwala na wdrażanie nowych modeli biznesowych, takich jak np. te znane z e-biznesu. Przykładem popularnego modelu, z którego korzysta również przemysł, jest „produkt jako usługa” (product-as-a-service). Pozwala on redukować koszty inwestycyjne, zastępując je operacyjnymi – abonamentem, leasingiem, itp. Zamiast przykładowo kupować roboty przemysłowe, maszyny te mogą być wynajmowane, zaś zamiast inwestować w drukarki 3D – firmy mogą korzystać z coraz szerzej dostępnych usług druku addytywnego.
Otwierają się też nowe możliwości świadczenia usług – np. z zakresu analityki danych czy zarządzania parkiem maszynowym klientów. W większości przypadków są one umożliwiane przez użycie technologii cyfrowej wymiany danych oraz komunikacji internetowej.
Integracja cyklu życia produktów
Możliwości śledzenia produktów (np. z wykorzystaniem systemów RFID) oraz digitalizacja produkcji i łańcuchów tworzenia wartości umożliwiają całościowe zarządzanie cyklem życia produktów. Obejmuje to również cyfrowe projektowanie i prototypowanie (tworzenie tzw. Digital Twin) oraz użycie oprogramowania wspomagającego zarządzanie. Dodatkowo, wdrażając systemy i metody nowoczesnej analizy danych, firmy mogą gromadzić informacje o korzystaniu z produktów i usług, tak aby móc lepiej dostosowywać je do przyszłych potrzeb klientów.
Kluczowe technologie
Industry 4.0 w ujęciu technologicznym to zbiór nowych i rozwijających się technologii, które tworzą warstwę bazową dla omawianych przemian. Umożliwiają one też wdrażanie nowych metod wytwarzania oraz zarządzania produkcją i informacjami.
Rdzeń technologiczny Smart Factory
Przemysłowy Internet Rzeczy
Analityka danych i optymalizacja
Integracja IT/OT i systemy CPS
Cyberbezpieczeństwo
Industrial Internet of Things
Komunikacja z rozproszonymi czujnikami, urządzeniami oraz innymi elementami sieci
Wdrażanie rozwiązań techniczno biznesowych bazujących na technologiach internetowych
Przetwarzanie i analiza danych w czasie rzeczywistym
Dostępność bieżących informacji produkcyjnych na poziomie zarządczym przedsiębiorstwa (kokpity)
Możliwości daleko idącej optymalizacji produkcji oraz wdrażania metodyki predykcyjnego utrzymania ruchu
Cyber-physical Systems
Tworzenie systemów cyber-fizycznych (CPS), łączących układy mechatroniczne, elektroniczne i komunikacyjne oraz oprogramowanie
Integracja systemów produkcyjnych z warstwą IT i biznesową (zarządzania)
Cybersecurity
Wdrażanie środków bezpieczeństwa w celu minimalizacji zagrożeń cybernetycznych zewnętrznych, a także tych pochodzących od wewnątrz organizacji
Strategia obejmująca odpowiednią metodykę projektowania systemów przemysłowych
Nowe oraz popularyzujące się w przemyśle technologie
Sztuczna inteligencja
Cyfrowy bliźniak i digitalizacja
Chmura obliczeniowa
Wirtualna i rozszerzona rzeczywistość
Artificial Intelligence
Zbiór technologii umożliwiających uczenie się maszyn i rozwiązywanie przez nie złożonych problemów
Wdrażanie zaawansowanych algorytmów decyzyjnych i systemów uczących się
Digital Twin, Digital Factory
Oprogramowanie umożliwiające tworzenie wirtualnych reprezentacji fizycznych systemów oraz ich symulowanie
Zarządzanie cyklem życia produktów end-to-end
Cloud Computing
Rozproszone struktury obliczeniowe umożliwiające zdalne przechowywanie i przetwarzanie danych
Wirtualizacja zasobów i możliwość łatwego skalowania systemów
Obawy związane z bezpieczeństwem danych i cyberprzestępczością
Virtual Reality / Augmented Reality
Wsparcie inżynierów podczas prac projektowych oraz serwisowych dzięki użyciu urządzeń AR/VR
Wirtualne szkolenia obniżające koszty wdrażania pracowników
Cyfryzacja polega przede wszystkim na udostępnianiu oraz wykorzystywaniu danych z procesu produkcyjnego dzięki nowoczesnym narzędziom IT. Przykładem jest transmisja danych do chmury, która zapewnia możliwości w zakresie analizy, zdalnej diagnostyki oraz zarządzania pracą przez Internet. Siemens już teraz oferuje takie rozwiązania.
Cyfryzację przemysłu traktujemy jednak szerzej niż tylko jako dodawanie do produktów nowych funkcji. Sądzimy, że można informatyzować praktycznie wszystkie procesy w przedsiębiorstwie wytwórczym – od projektowania i symulacji produktów do tworzenia linii technologicznej. Jest to koncepcja tzw. Digital Twin – czyli tworzenia systemu fizycznego, a wraz z nim odpowiednika cyfrowego.
Big Data
Roboty współpracujące
Interfejsy mobilne
Roboty mobilne
Artificial Intelligence
Analiza dużych i różnorodnych zbiorów danych z wykorzystaniem zaawansowanej analityki oraz algorytmów sztucznej inteligencji
W przemyśle wykorzystywana jest do optymalizacji procesów, wykrywania nieprawidłowości i interpretacji danych produkcyjnych
Collaborative Robots, Cobots
Nowa generacja robotów mogących współpracować z ludźmi bez wygrodzeń ochronnych zakładowej
Maszyny łatwe we wdrażaniu programowania) oraz elastyczne aplikacyjnie
Urządzenia przenośne zapewniające możliwości wglądu w informacje produkcyjne i sterowania maszynami
Wykorzystanie w utrzymaniu ruchu
Możliwość wdrażania rozwiązań rzeczywistości rozszerzonej
Automated Guided Vehicles, AGV
Autonomiczne pojazdy do zastosowań w intralogistyce
Możliwość zastąpienia tradycyjnych przenośników (transporterów)
Elastyczność aplikacyjna – łatwe przezbrajanie i programowanie
RFID
Druk addytywny (3D)
Blockchain
Geolokalizacja
Radio-frequency Identification
Przechowywanie danych i komunikacja z systemami zarządzania produkcją oraz magazynowymi
Możliwość tworzenia inteligentnych produktów, które komunikują się bezpośrednio z maszynami
Additive Manufacturing, 3D Printing
Możliwości szybkiego prototypowania elementów i wytwarzania części o nietypowych kształtach oraz funkcjach
Produkcja nisko- i średniowolumenowa z tworzyw sztucznych, żywic i metali
Technologia rozproszonych rejestrów przechowujących informacje o transakcjach
Możliwość zawierania tzw. „smart contracts” pomiędzy podmiotami bez istnienia gwaranta w postaci firmy trzeciej lub instytucji
Określanie położenia geograficznego z wykorzystaniem typowo GPS lub adresu IP
Wykorzystanie w logistyce oraz zarządzaniu rozproszonymi aktywami, flotą pojazdów oraz zdalnymi zespołami pracowników
Zmieniające się metody zarządzania
Przemysł już od dawna korzysta z wielu metod zarządzania produkcją, które dzisiaj również przechodzą transformację. Są one w większości dobrze znane menadżerom i stosowane w krajowych zakładach produkcyjnych. Wyniki z badań dotyczących ich wykorzystania przedstawione zostały w raporcie Smart Industry Polska 2016. Zgodnie z nimi do najpopularniejszych metod należą:
Optymalizacja procesów produkcyjnych – jej ogólne zasady stosuje ponad 80% badanych przedsiębiorstw;
Zarządzanie jakością – z metod Zero Defects, Six Sigma i podobnych korzysta ponad połowa producentów;
Szczupłe zarządzanie – z różnych metod z obszaru Lean Management korzysta ponad 50% firm respondentów;
Zarządzanie łańcuchem dostaw (Supply Chain Management), w szczególności użycie dostaw Just-in-Time, to domena ponad połowy badanych wytwórców produktów;
Produkcja Sterowana Popytem (Demand Driven Manufacturing) – z tego rodzaju sposobu zarządzania produkcją korzysta relatywnie niewiele firm.
Należy zauważyć, że w wynikach badania wystąpiły duże różnice w wykorzystaniu omawianych metod w zależności od wielkości firmy oraz branży jej działalności. Generalnie wśród krajowych przedsiębiorstw produkcyjnych używane są przede wszystkim te metody, które odnoszą się do optymalizacji produkcji (w szczególności kosztowej) oraz poprawy jakości.
Według naszych badań większość polskich przedsiębiorców rozumie znaczenie innowacji, o czym świadczą zakupy nowych maszyn lub projektowanie i wdrażanie nowych linii automatyki wspieranych przez roboty. Niektóre przedsiębiorstwa zbyt mało uwagi jednak poświęcają poprawie samego systemu zarządzania.
Tymczasem stwarza to ogromne możliwości zmian, ponieważ nie potrzeba nam czegoś, co Amerykanie określają mianem rocket science. Czasami wystarczy nieco poprawić zarządzanie oraz zrozumieć możliwości, jakie daje zbieranie danych i umiejętne korzystanie z nich.
W epoce Przemysłu 4.0 omawiane powyżej zagadnienia nie tracą na istotności, a dodatkowo w obszarze zarządzania pojawiają się nowe metody. Pozyskiwanie dużych ilości informacji z systemów produkcyjnych umożliwia przykładowo wdrażanie zaawansowanych strategii w zakresie utrzymania ruchu i serwisowania maszyn. O ile dotychczas firmy produkcyjne korzystały zazwyczaj z serwisowania w regularnych odstępach czasu (tzw. prewencyjne utrzymanie ruchu) lub w momencie wystąpienia awarii, o tyle w inteligentnej fabryce wdrażana może być metodyka predykcyjnego utrzymania ruchu. Pozyskiwane z urządzeń oraz inteligentnych czujników dane służą w takim przypadku do bieżącej oceny stanu maszyn oraz ich podzespołów. W przypadku prawdopodobieństwa wystąpienia awarii z odpowiednim wyprzedzeniem informowane są o tym służby utrzymania ruchu.
Wdrażanie systemów cyber-fizycznych, które mogą wymieniać ze sobą dane i działać w sposób częściowo lub całkowicie autonomiczny, umożliwia zmianę architektury systemu zarządzania produkcją. Przez wiele lat w branży produkcyjnej dominowała warstwowa struktura systemów produkcyjnych (patrz rysunek). W efekcie wprowadzania innowacji technologicznych następuje zmiana architektury systemu zarządzania produkcją i przechodzenie z liniowych procesów wytwórczych na sieci połączeń urządzeń oraz systemów cyber-fizycznych, a także procesy nieliniowe. Do ich zrealizowania konieczne jest zapewnienie wysokiego poziomu autonomii działania elementów systemów i możliwości rozproszonego podejmowania decyzji na bazie bieżącego stanu produkcji.
Cykl publikacji: Od Industry 4.0 do Smart Factory
Czytasz drugi z artykułów poświęconych tematyce Industry 4.0. Cała seria to: