Gamybos automatizavimas prasideda nuo duomenų normalizavimo
Kitas gamybos automatizavimo etapas nėra vien daugiau programinės įrangos, mašinų ar robotinės įrangos diegimas. Tikroji transformacija prasideda tada, kai gamybos duomenys gali nuosekliai judėti tarp verslo sistemų, gamybos įrangos, darbo eigos platformų ir tiekimo grandinės taikomųjų programų.
Spaudos ir pakuočių gamybos aplinkoje tai reiškia užsakymų valdymo, MIS, ERP, parengimo spaudai, gamybos įrangos, apdailos sistemų ir užsakymų įvykdymo operacijų sujungimą. API, JDF, EDI ir kitos kompiuterio skaitomos sąsajos suteikia ryšio sluoksnį, tačiau vien integracija automatizavimo nesukuria.
Svarbesnė inžinerinė užduotis yra duomenų normalizavimas. Skirtingais kanalais gaunami užsakymai turi būti paversti nuoseklia gamybos informacija, kad būtų galima priimti automatinius sprendimus.
Automatizavimo inžinerijos požiūriu tai prilygsta valdymo sistemos kūrimui: nenuoseklūs įvesties signalai negali užtikrinti nuoseklaus išvesties elgesio. Todėl gamybos automatizavimas taip pat priklauso nuo standartizuotų duomenų, kaip ir nuo įrangos junglumo.
Darbų priėmimas tampa automatizavimo sąsaja
Tradicinis darbų priėmimas labai priklausė nuo klientų aptarnavimo atstovų ir rankinio užsakymų suvedimo. Šis modelis tampa vis sudėtingesnis, nes žiniatinklio spaudos, elektroninės prekybos, prekių ženklų portalų ir automatizuotų pirkimo kanalų generuojama vis daugiau mažesnių užsakymų.
Šiuolaikinės gamybos sistemos turi automatiškai interpretuoti gaunamus užsakymus, patikrinti reikiamą informaciją, priskirti gamybos parametrus ir grąžinti būsenos informaciją, nesukurdamos nereikalingo rankinio įsikišimo.
B2B parduotuvės ir ribotų galimybių internetinio projektavimo aplinkos gali reikšmingai pagerinti šį procesą, nes jose įvestis apribojama gamybai tinkamomis konfigūracijomis. EDI suteikia dar vieną praktišką kelią didesniems klientams, leisdamas struktūrizuotu formatu perduoti užsakymo informaciją į gamybos aplinką.
Tačiau ne kiekvieną darbą galima standartizuoti. Individualūs darbai, neįprastos specifikacijos, trūkstama informacija ir konkrečių klientų reikalavimai ir toliau lems išimtis.
Todėl tikslas neturėtų būti visiškai pašalinti operatorius. Geresnis inžinerinis tikslas – automatizuoti įprastas sąlygas ir kartu sukurti kontroliuojamus kelius neįprastoms sąlygoms valdyti.
Taisyklėmis grindžiamas automatizavimas užtikrina valdymo logiką
Taisyklėmis grindžiamas darbo eigos automatizavimas išlieka viena praktiškiausių technologijų gamybos aplinkoje, nes gamybos žinias paverčia vykdomąja sprendimų priėmimo logika.
Tinkamai suprojektuota sistema gali išnagrinėti užduoties kortelės informaciją, patikrinti failus, parinkti gamybos kelius, subalansuoti turimus pajėgumus ir nukreipti užduotis pagal įrangos galimybes.
Svarbiausia tai, kad automatizavimo taisyklės turėtų būti grindžiamos realiais gamybos apribojimais, o ne abstrakčia programinės įrangos logika. Sprendimams dėl maršrutizavimo įtakos turi turėti turimas spausdinimo įrenginių pajėgumas, pagrindo reikalavimai, apdailos galimybės, pristatymo terminai ir įrangos suderinamumas.
Išimčių tvarkymas taip pat turėtų būti integruotas į sistemą nuo pat pradžių. Trūkstami failai, neteisingos specifikacijos, nepavykusi pirminė patikra, įrangos apribojimai ar kokybės problemos turėtų generuoti nustatytus kontrolės taškus ir pranešimus.
Taip sukuriama atsparesnė automatizavimo architektūra, nes operatoriai įsikiša tik tada, kai iš anksto nustatytomis sąlygomis reikia žmogaus sprendimo.
Proceso kontrolė turi būti užtikrinta prieš automatizuojant gamyklą
Gamyklos lygmens automatizavimas negali kompensuoti nestabilaus gamybos proceso.
Prieš automatizuodami darbo eigą, gamintojai turi standartizuoti proceso etapus, apibrėžti gamybos tikslus, dokumentuoti kokybės reikalavimus ir nustatyti išmatuojamus kontrolės taškus. Priešingu atveju automatizavimas tik pagreitins nenuoseklias operacijas.
Parengiamasis spaudos etapas yra geras pavyzdys. Anksčiau operatoriai tikrindavo failus, peržiūrėdavo užduočių korteles, atlikdavo pirminę patikrą, kurdavo maketavimo schemas, generuodavo bandomuosius atspaudus ir rankiniu būdu taisydavo problemas.
Brandi automatizuota darbo eiga šias veiklas perkelia į programinės įrangos valdomus procesus. Pirminės patikros profiliai gali aptikti dažniausias klaidas, o automatiniai veiksmai – ištaisyti iš anksto nustatytas sąlygas arba nukreipti darbus pagal jas.
Inžinerinis pranašumas – ne vien mažesnės darbo sąnaudos. Tai proceso pakartojamumas. Nuosekliai matuojant gedimų taškus, galima nustatyti pasikartojančias problemas ir pašalinti jų priežastis.
Automatinis maketavimo schemų kūrimas mažina priklausomybę nuo šablonų
Tradicinėms maketavimo schemų kūrimo darbo eigoms dažnai reikia daugybės rankiniu būdu prižiūrimų šablonų. Didėjant gaminių variantų ir įrangos derinių skaičiui, šį metodą taikyti tampa vis sudėtingiau.
Taisyklėmis pagrįstas maketavimas yra lengviau plečiama alternatyva. Gaunami failai gali būti vertinami pagal matmenis, puslapių skaičių, spaudos medžiagos reikalavimus, įrangos galimybes ir gamybos taisykles.
Tada sistema gali parinkti tinkamą maketavimo strategiją ir operatoriui nereikia rankiniu būdu rinktis iš šimtų šablonų.
Šis metodas ypač vertingas, kai gamybos aplinkoje yra kelios skaitmeninės ir ofsetinės spausdinimo mašinos bei skirtingos apdailos konfigūracijos. Automatizavimo sluoksnis tampa atsakingas už užsakymo reikalavimų vertimą į konkrečiai įrangai skirtas gamybos instrukcijas.
Skaitmeninė spauda sukuria palankią automatizavimo aplinką
Skaitmeninė spauda ypač tinka darbo eigos automatizavimui, nes gamybą galima greitai pakeisti be įprasto spaudos formų paruošimo.
Tačiau skaitmeninės gamybos aplinkose dažnai naudojama kelių gamintojų įranga. Skirtingos skaitmeninės spausdinimo mašinos, skaitmeniniai spaudos valdikliai, apdailos sistemos ir darbo eigos platformos gali naudoti skirtingas sąsajas ir duomenų struktūras.
Todėl normalizavimas tampa vis svarbesnis.
Centralizuota darbo eiga gali suteikti tam tikrą „vėlyvojo susiejimo“ galimybę, leidžiančią išlaikyti lanksčius gamybos sprendimus, kol bus pakankamai informacijos tinkamam įrenginiui pasirinkti.
Pavyzdžiui, užduotis iš pradžių gali patekti į bendrą gamybos eilę, o vėliau, atsižvelgiant į pajėgumą, spaudos medžiagą, apdailos reikalavimus, pristatymo laiką ar įrenginio prieinamumą, būti priskirta konkrečiai spausdinimo mašinai.
Iš esmės tai yra gamybos planavimas, įgyvendintas programine įranga, o ne rankiniu koordinavimu.
Ofsetinė gamyba turi išlikti automatizavimo architektūros dalimi
Automatizavimo strategijos neturėtų remtis prielaida, kad skaitmeninė spauda kiekvienoje įmonėje pakeis ofsetinę spaudą.
Daugelis gamybos įmonių ir toliau veiks mišriose aplinkose, kuriose skaitmeninė ir ofsetinė įranga tenkins skirtingus ekonominius ir techninius poreikius.
Tokiose gamyklose darbo eigos automatizavimas turėtų būti išplėstas prieš srovę – į maketavimo ir CTP sistemas, o pasroviui – į gamybą ir apdailą.
Ankstyvas užsakymo kortelės informacijos surinkimas leidžia tais pačiais gamybos duomenimis valdyti kelis proceso etapus. Taip sumažinamas pakartotinis duomenų įvedimas ir aiškiau susiejamas pradinis užsakymas su fiziniu gamybos rezultatu.
Todėl pagrindinis reikalavimas yra ne skaitmeninės ir ofsetinės spaudos suderinamumas. Tai automatizavimo architektūros gebėjimas koordinuoti abi gamybos technologijas naudojant bendrus gamybos duomenis.
Apdaila yra kita automatizavimo sritis
Priekinės grandies automatizavimas sudaro pagrindą apdailos ir užsakymų įvykdymo automatizavimui.
Pjaustyklės, lankstymo mašinos, segikliai vielinėmis sąvaržomis, lankstymo-klijavimo mašinos, pjaustymo ir bigavimo mašinos bei trijų peilių sistemos vis dažniau gali gauti struktūrizuotą gamybos informaciją, o ne visiškai priklausyti nuo rankinės sąrankos.
JDF pagrįstos darbo eigos yra ypač svarbios, nes užsakymo informacija gali keliauti tolesniais proceso etapais kartu su gamybos failu ir suteikti apdailos įrangai sąrankai reikalingą informaciją.
Tai tampa vis svarbiau gaminant mažomis ir kintančiomis partijomis. Dažnai keičiantis gaminių kiekiams, rankinis paruošimas gali užimti neproporcingai didelę gamybos laiko dalį.
Ilgalaikis tikslas – susieta darbo eiga, kurioje užsakymo informacija lydi gaminį nuo užsakymo įvedimo iki gamybos, apdailos, pakavimo ir užsakymo įvykdymo.
Integracija yra tikrasis automatizavimo iššūkis
Didžiausias automatizavimo iššūkis dažnai yra ne pati mašina. Tai mašinų ir informacinių sistemų integracija.
Šiuolaikinėje gamybos aplinkoje gali būti ERP sistemos, MIS platformos, e. prekybos portalai, parengimo spaudai programos, darbo eigos varikliai, spaudos mašinos, CTP sistemos, apdailos įranga, sandėlio sistemos ir siuntimo platformos.
Kiekvienas komponentas gali veiksmingai atlikti savo funkciją, tačiau vis tiek sukurti neefektyvų bendrą procesą, jei sąsajos tarp sistemų suprojektuotos netinkamai.
Pramonės automatizavimo požiūriu tai primena paskirstytąją valdymo architektūrą. Kiekvienas posistemis turi vietinį funkcionalumą, tačiau visai sistemai reikia apibrėžtų ryšio kanalų, standartizuotų duomenų, būsenos grįžtamojo ryšio, išimčių tvarkymo ir koordinuotos sprendimų priėmimo logikos.
Todėl automatizavimo architektūra turėtų būti kuriama orientuojantis į informacijos srautą, o ne į atskirų įrangos gamintojų sprendimus.
Dirbtinis intelektas yra vertingas, kai valdo realius gamybos kintamuosius
Dirbtinis intelektas sulaukia didelio dėmesio gamybos ir spaudos gamybos srityse, tačiau jo praktinė vertė priklauso nuo to, kur jis taikomas.
Generatyvinis dirbtinis intelektas gali sulaukti daugiausia visuomenės dėmesio, tačiau gamybinė aplinka gali gauti didesnę tiesioginę naudą iš mašininio mokymosi, taikomo veiklos duomenims.
Galimos taikymo sritys: prognozuojamoji techninė priežiūra, procesų stebėsena, kokybės analizė, spalvų nuoseklumas, gamybos našumo palyginimas, planavimo optimizavimas ir pagalba valdant įrenginius.
Pavyzdžiui, istorinius įrenginių duomenis galima analizuoti siekiant nustatyti sąlygas, susijusias su komponentų dėvėjimusi ar proceso nestabilumu. Kokybės duomenis galima susieti su įrenginių parametrais ir nustatyti dėsningumus, kuriuos sunku aptikti atliekant rankinę patikrą.
Tačiau dirbtinis intelektas neturėtų pakeisti deterministinio valdymo ten, kur deterministinis valdymas yra tinkamas.
Saugos funkcijose, įrenginių blokiruotėse, pagrindiniame sekų valdyme ir aiškiai apibrėžtose procesų ribose turėtų būti toliau naudojama nuspėjama valdymo logika. Dirbtinis intelektas tinkamesnis ten, kur dideli istoriniai duomenų rinkiniai gali pagerinti prognozavimą, klasifikavimą, optimizavimą ar sprendimų priėmimą.
Kitas žingsnis – išmanusis gamybos valdymo sluoksnis
Gamybos automatizavimo ateitis greičiausiai apims deterministinį automatizavimą, mašininį mokymąsi, susietą įrangą ir žmogaus vykdomą išimčių valdymą.
Galingiausios architektūros nesistengs visų gamybos sprendimų priimti autonomiškai. Vietoj to jos automatizuos pasikartojančius sprendimus, nuolat rinks veiklos duomenis, nustatys nukrypimus ir perduos spręsti situacijas, kurioms reikia žmogaus kompetencijos.
Taip sukuriamas praktiškas kelias į Pramonę 5.0, nelaikant žmonių operatorių pasenusiu komponentu.
Mano nuomone, svarbiausias pokytis yra ne perėjimas nuo rankinės gamybos prie visiškai autonominės gamybos. Tai perėjimas nuo izoliuoto automatizavimo prie koordinuoto automatizavimo.
Kai užsakymų duomenys, gamybos pajėgumai, įrenginių būsena, kokybės informacija ir apdailos reikalavimai tampa vieno susieto informacinio modelio dalimi, automatizavimas gali pereiti nuo atskirų procesų optimizavimo prie visos gamyklos optimizavimo.
Būtent čia greičiausiai atsiras kitas reikšmingas produktyvumo augimas: ne įdiegiant dar vieną atskirą automatizuotą įrenginį, o suteikiant visai gamybos sistemai galimybę keistis informacija, priimti kontroliuojamus sprendimus, mokytis iš ankstesnių rezultatų ir įtraukti žmones tik ten, kur jų sprendimai suteikia pridėtinės vertės.
