Pengeluaran sedang memasuki tahap apabila automasi tidak lagi ditakrifkan semata-mata berdasarkan jumlah mesin yang boleh digunakan. Persoalan yang lebih penting ialah sejauh mana automasi boleh bekerjasama dengan berkesan dengan orang yang mengendalikan, menyelenggara, menyelesaikan masalah dan terus menambah baik sistem pengeluaran.
Mesin sangat baik dalam kerja yang berulang. Manusia lebih baik dalam menangani ketidakpastian. Oleh itu, persekitaran pengeluaran yang paling kukuh bukanlah yang cuba menyingkirkan manusia daripada proses, tetapi yang sengaja membahagikan kerja mengikut kekuatan kedua-duanya.
Automasi Harus Mengembangkan Keupayaan Manusia
Automasi industri secara tradisinya diukur melalui metrik yang lazim seperti masa kitaran, hasil pengeluaran, ketersediaan dan kecekapan tenaga kerja. Ukuran ini kekal penting, tetapi tidak menceritakan keseluruhan keadaan.
PLC boleh melaksanakan urutan yang sama beribu-ribu kali tanpa terganggu. Sistem penglihatan boleh memeriksa sejumlah besar komponen berdasarkan kriteria yang ditetapkan. Robot boleh mengulangi pergerakan yang diprogramkan dengan kedudukan yang konsisten. Sistem kawalan industri boleh mengumpulkan pemboleh ubah proses secara berterusan dan bertindak balas mengikut logik yang dipratentukan.
Inilah bidang yang memberikan kelebihan jelas kepada mesin.
Pengeluaran menjadi jauh kurang dapat dijangka di luar keadaan terkawal tersebut. Kekurangan bahan boleh mengganggu pengeluaran. Pembekal mungkin mengubah spesifikasi komponen. Mesin mungkin mengalami kerosakan berselang yang tidak muncul dalam data sejarah. Pelanggan mungkin memerlukan perubahan produk pada saat-saat akhir.
Situasi ini memerlukan tafsiran dan bukannya pelaksanaan mudah.
Operator berpengalaman atau jurutera penyelenggaraan boleh menggabungkan pengetahuan proses, tingkah laku peralatan dan keadaan semasa untuk menentukan perkara yang sebenarnya berlaku. Keupayaan untuk mentafsir konteks itu sukar diringkaskan kepada urutan arahan yang tetap.
Atas sebab ini, saya melihat automasi bukan sebagai pengganti keupayaan manusia, tetapi sebagai cara untuk mengembangkannya.
Mesin Mengendalikan Kebolehulangan, Manusia Mengendalikan Kebolehubahan
Satu cara yang berguna untuk mereka bentuk sistem pengeluaran automatik adalah dengan memisahkan kerja yang boleh dijangka daripada kerja yang berubah-ubah.
Mesin amat sesuai untuk operasi dengan input, output dan peraturan keputusan yang ditakrifkan dengan jelas. Pemasangan berulang, pemindahan bahan, pengukuran, pemeriksaan dan kawal selia proses sering boleh diautomatikkan kerana keadaan operasinya boleh dihuraikan dengan tepat.
Orang menjadi lebih bernilai apabila proses bergerak di luar batasan tersebut.
Pertimbangkan kerosakan peralatan yang tidak dijangka. Penggera mungkin menunjukkan suhu motor yang tinggi, getaran luar biasa atau kehilangan komunikasi. Sistem kawalan boleh mengenal pasti keadaan tersebut dan menyediakan maklumat diagnostik, tetapi juruteknik masih perlu menentukan sama ada masalah itu bersifat elektrik, mekanikal, alam sekitar atau berkaitan dengan proses itu sendiri.
Perbezaan ini penting.
Automasi boleh memberitahu kita perkara yang telah dikesan oleh sistem. Pengalaman manusia sering menentukan maksud maklumat itu dalam dunia fizikal.
Oleh itu, pendekatan yang paling produktif bukanlah bertanya sama ada manusia atau mesin patut melaksanakan sesuatu tugas. Soalan yang lebih baik ialah bahagian tugas yang manakah harus dikendalikan oleh setiap pihak.
Data Tidak Menghapuskan Pertimbangan Kejuruteraan
Kilang moden menjana kuantiti data operasi yang sangat besar. PLC, platform DCS, sistem SCADA, peralatan pemantauan keadaan, sistem sejarah, sistem penglihatan dan peranti IIoT boleh menangkap maklumat daripada aset pengeluaran secara berterusan.
Namun, lebih banyak data tidak secara automatik menghasilkan keputusan yang lebih baik.
Sensor yang ditentukur dengan buruk boleh menghasilkan ukuran yang tidak tepat. Penggera yang dikonfigurasikan secara tidak betul boleh menyebabkan campur tangan operator yang tidak perlu. Cap masa yang hilang boleh menyukarkan pembinaan semula urutan peristiwa. Penamaan tag yang tidak konsisten boleh merumitkan analisis merentas talian pengeluaran.
Sistem kecerdasan buatan dan analitik menghadapi batasan yang sama.
Jika data asas tidak mewakili proses fizikal dengan tepat, algoritma canggih tidak dapat membetulkan masalah itu secara ajaib. Algoritma tersebut mungkin menghasilkan kesimpulan yang sangat meyakinkan berdasarkan input yang tidak betul.
Inilah sebabnya pendigitalan industri harus bermula dengan instrumentasi, logik kawalan, seni bina data dan pengetahuan proses. AI harus dianggap sebagai satu lagi alat kejuruteraan, bukannya pengganti asas kejuruteraan.
Antara Muka Operator ialah Sebahagian daripada Sistem Automasi
Automasi berpusatkan manusia juga memerlukan perhatian terhadap cara maklumat disampaikan kepada tenaga kerja.
Sistem kawalan yang berkeupayaan teknikal masih boleh berprestasi buruk jika operator dipaparkan terlalu banyak penggera, grafik yang mengelirukan atau maklumat yang tiba terlalu lewat untuk menyokong sesuatu keputusan.
Operator tidak memerlukan setiap titik data yang tersedia pada setiap masa. Operator memerlukan maklumat yang tepat, dipaparkan dengan jelas, pada waktu keputusan perlu dibuat.
Prinsip yang sama terpakai kepada kakitangan penyelenggaraan.
Sistem pemantauan keadaan yang melaporkan ribuan ukuran mungkin memberikan sedikit nilai jika juruteknik tidak dapat membezakan variasi operasi normal daripada kerosakan sebenar yang sedang berlaku. Automasi yang berguna seharusnya mengurangkan usaha kognitif yang tidak perlu, bukannya sekadar memindahkan lebih banyak maklumat ke skrin.
Dari segi praktikal, reka bentuk antara muka, pengurusan penggera, diagnostik peralatan dan reka bentuk aliran kerja harus dianggap sebagai sebahagian daripada seni bina automasi.
Keselamatan Mesti Kekal Menjadi Tanggungjawab Manusia
Automasi industri boleh mengurangkan pendedahan kepada operasi berbahaya, tetapi automasi itu sendiri tidak menjamin keselamatan.
Robot biasanya akan terus melaksanakan urutan yang diprogramkan melainkan seni bina kawalan dan keselamatan menyediakan keadaan yang sesuai untuk menghentikan atau mengehadkan operasinya. Oleh itu, keselamatan bergantung pada sistem yang lengkap: penderia, pengawal keselamatan, saling kunci, henti kecemasan, pengadang, prosedur, amalan penyelenggaraan dan tingkah laku manusia.
Prinsip yang sama terpakai pada sistem keselamatan berfungsi.
Sistem berinstrumen keselamatan boleh mengesan keadaan berbahaya yang ditakrifkan dan memulakan tindak balas selamat yang telah ditetapkan. Sistem ini tidak menggantikan kerja kejuruteraan yang diperlukan untuk mengenal pasti bahaya, mentakrifkan fungsi keselamatan, mengesahkan sistem dan menyelenggarakannya sepanjang kitar hayatnya.
Di sinilah tanggungjawab manusia kekal asas.
Jurutera dan profesional keselamatan mesti memahami bukan sahaja perkara yang direka untuk dilakukan oleh sistem automatik, tetapi juga perkara yang berlaku apabila andaian gagal.
Jangan Automatikkan Proses yang Tidak Baik
Salah satu kesilapan automasi yang paling biasa ialah cuba menyelesaikan masalah proses dengan menambah teknologi.
Jika proses manual tidak konsisten kerana tanggungjawab tidak jelas, pemasangan automasi tambahan mungkin hanya menyebabkan ketidakselarasan itu berlaku dengan lebih pantas.
Jika data pengeluaran tidak boleh dipercayai kerana instrumen tidak diselenggara dengan baik, penambahan analitik tidak semestinya menghasilkan ramalan yang berguna.
Jika prosedur penyelenggaraan tidak berkesan kerana maklumat peralatan tidak lengkap, penambahan platform perisian lain mungkin meningkatkan kerumitan tanpa menambah baik prestasi penyelenggaraan.
Sebelum mengautomatikkan sesuatu proses, proses itu sendiri harus diperiksa.
Adakah proses itu boleh diulang? Adakah input dikawal? Adakah had operasi difahami? Adakah mod kegagalan diketahui? Bolehkah hasil yang dikehendaki diukur? Adakah terdapat sebab yang jelas untuk mengautomatikkan operasi tersebut?
Jika jawapan kepada soalan-soalan ini tidak jelas, penambahbaikan proses biasanya harus didahulukan sebelum automasi.
Projek Automasi Memerlukan Objektif yang Boleh Diukur
Projek teknologi boleh dengan mudah tertumpu pada pelaksanaan dan bukannya hasil.
Robot, platform PLC, sistem penglihatan, aplikasi analitik atau alat penyelenggaraan digital yang baharu mungkin mengagumkan dari segi teknikal, tetapi nilainya akhirnya harus dibuktikan melalui hasil operasi yang boleh diukur.
Bergantung pada aplikasi, hasil tersebut mungkin merangkumi pengurangan masa henti, masa pertukaran yang lebih singkat, kadar bahan buangan yang lebih rendah, hasil lulus kali pertama yang lebih baik, insiden keselamatan yang lebih sedikit, diagnosis kerosakan yang lebih pantas atau pengurangan campur tangan penyelenggaraan.
Perkara penting ialah menetapkan ukuran sebelum menggunakan teknologi tersebut.
Garis dasar yang jelas memungkinkan penentuan sama ada pelaburan itu benar-benar mengubah proses.
Tanpa garis dasar, organisasi boleh mengukur kejayaan projek automasi berdasarkan sama ada sistem telah dipasang dan ditauliahkan, bukannya sama ada masalah pengeluaran telah diselesaikan.
Kemahiran Tenaga Kerja Mesti Berkembang Seiring Dengan Teknologi
Apabila automasi menjadi semakin canggih, kemahiran yang diperlukan oleh pekerja industri turut berubah.
Juruteknik penyelenggaraan mungkin semakin perlu memahami rangkaian, I/O jauh, pemacu frekuensi boleh ubah, diagnostik PLC, Ethernet industri dan pemerolehan data di samping kemahiran mekanikal dan elektrik tradisional.
Operator mungkin perlu mentafsir arah aliran proses dan bukannya sekadar memantau penggera diskret.
Jurutera mungkin perlu memahami kedua-dua seni bina kawalan dan seni bina data.
Ini tidak bermakna setiap pekerja perlu menjadi pembangun perisian atau saintis data. Ini bermakna organisasi perlu membangunkan kemahiran teknikal yang diperlukan untuk mengendalikan dan menyelenggara sistem yang semakin berhubung.
Oleh itu, latihan harus dianggap sebagai sebahagian daripada projek automasi, bukan aktiviti yang ditambah selepas pentauliahan.
Sistem Automasi Terbaik Direka Bentuk Dengan Mengambil Kira Kegagalan
Satu ciri automasi industri yang baik dan sering terlepas pandang ialah cara sistem bertindak apabila berlaku masalah.
Operasi normal agak mudah ditunjukkan. Persoalan kejuruteraan yang lebih sukar ialah apa yang berlaku apabila sensor gagal, sambungan rangkaian terputus, penggerak tidak bertindak balas, pengawal berhenti berkomunikasi atau operator membuat pilihan yang tidak dijangka.
Seni bina automasi yang baik menjangka keadaan ini.
Diagnostik harus membantu mengenal pasti punca masalah. Saling kunci harus menghalang urutan yang tidak selamat. Lebihan sistem harus digunakan apabila risiko dan aplikasi mewajarkannya. Campur tangan manual harus kekal boleh dilakukan apabila diperlukan dari segi operasi.
Dari perspektif kejuruteraan, kualiti sistem automasi sering lebih jelas terserlah semasa keadaan tidak normal berbanding semasa pengeluaran normal.
Pengalaman Manusia Kekal Sebagai Sumber Inovasi
Sebahagian daripada penambahbaikan paling berguna di lantai pengeluaran tidak berasal daripada jabatan kejuruteraan atau pembekal teknologi.
Pengendali sering menemui perubahan kecil pada proses yang mengurangkan pergerakan tidak perlu. Juruteknik penyelenggaraan mengenal pasti corak kegagalan berulang yang tidak ketara dalam dokumentasi peralatan. Kakitangan pengeluaran mungkin mengenal pasti hubungan antara kualiti produk dan keadaan operasi sebelum hubungan tersebut muncul dalam analisis formal.
Pemerhatian ini mewakili pengetahuan praktikal tentang proses.
Sistem digital boleh merekodkan dan menyusun pengetahuan ini, tetapi organisasi masih memerlukan mekanisme untuk membolehkan manusia menyumbangkannya.
Persekitaran pembuatan yang benar-benar bersambung bukan sahaja harus menghantar maklumat daripada mesin kepada manusia. Ia juga harus membolehkan pengetahuan manusia menambah baik mesin, prosedur dan strategi kawalan.
Langkah Seterusnya ialah Automasi Kolaboratif
Masa depan automasi industri tidak mungkin ditentukan oleh peralihan mudah daripada kerja manual kepada pengeluaran yang autonomi sepenuhnya.
Haluan yang lebih realistik ialah automasi kolaboratif, iaitu mesin mengambil tanggungjawab terhadap tugas yang berulang, tepat dan intensif data, manakala manusia kekal bertanggungjawab terhadap tafsiran, pengendalian pengecualian, penambahbaikan dan keputusan yang memerlukan konteks yang lebih luas.
Model ini mengubah cara projek automasi harus direka bentuk.
Daripada bertanya, "Berapa ramai pekerja yang boleh digantikan oleh sistem ini?" jurutera seharusnya bertanya, "Tugas manusia yang manakah menyebabkan usaha, risiko atau kelewatan yang tidak perlu, dan bagaimana teknologi boleh mengurangkan beban tersebut?"
Perubahan perspektif ini menghasilkan jenis automasi yang berbeza.
Matlamatnya bukan untuk mengurangkan bilangan pekerja pada apa-apa kos. Matlamatnya ialah menggunakan kepakaran manusia dengan lebih baik.
Definisi Kepintaran Industri yang Lebih Praktikal
Kepintaran industri tidak seharusnya ditakrifkan hanya berdasarkan kehadiran AI, robot atau peranti bersambung.
Sistem pembuatan yang benar-benar pintar harus mengetahui perkara yang boleh diautomatikkan, mengenali had logik keputusannya sendiri, menyediakan maklumat berguna kepada manusia dan gagal secara terkawal apabila keadaan berada di luar julat operasi yang ditetapkan.
Manusia menyediakan konteks, pertimbangan dan akauntabiliti.
Mesin menyediakan kebolehulangan, kelajuan, pengiraan dan pemantauan berterusan.
Data menghubungkan kedua-duanya.
Apabila elemen-elemen ini direka bentuk bersama, automasi menjadi lebih daripada sekumpulan teknologi kawalan. Ia menjadi model operasi yang membolehkan teknologi menghapuskan kerja yang tidak perlu, sementara kepakaran manusia kekal tersedia di tempat yang dapat mencipta nilai terbesar.
Oleh itu, masa depan pembuatan pada asasnya bukan persaingan antara manusia dan mesin. Sebaliknya, ia melibatkan kejuruteraan sistem pengeluaran yang membolehkan setiap pihak melaksanakan kerja yang paling sesuai untuknya.
