Производство вступает в этап, на котором автоматизация больше не определяется просто количеством машин, которые можно внедрить. Гораздо важнее, насколько эффективно автоматизация может работать вместе с людьми, которые эксплуатируют, обслуживают, диагностируют и постоянно совершенствуют производственные системы.
Машины исключительно хорошо справляются с повторяющейся работой. Люди лучше умеют справляться с неопределённостью. Поэтому наиболее эффективны не те производственные среды, которые пытаются исключить людей из процесса, а те, где работа намеренно распределена с учётом сильных сторон и тех и других.
Автоматизация должна расширять человеческие возможности
Традиционно промышленную автоматизацию оценивают по знакомым показателям, таким как время цикла, производительность, доступность и эффективность труда. Эти показатели по-прежнему важны, но они не отражают всей картины.
ПЛК может выполнять одну и ту же последовательность тысячи раз, не отвлекаясь. Система технического зрения может проверять большое количество деталей по заданным критериям. Робот может повторять запрограммированное движение с неизменной точностью позиционирования. Промышленная система управления может непрерывно собирать данные о параметрах процесса и реагировать в соответствии с заданной логикой.
Это области, в которых машины имеют явное преимущество.
Вне этих контролируемых условий производство становится гораздо менее предсказуемым. Нехватка материалов может прервать производство. Поставщик может изменить спецификацию компонента. В машине может возникнуть периодическая неисправность, которая не проявляется в исторических данных. Клиент может потребовать в последний момент изменить продукт.
Такие ситуации требуют интерпретации, а не простого выполнения.
Опытный оператор или инженер по техническому обслуживанию может объединить знания о процессе, особенностях поведения оборудования и текущих условиях, чтобы определить, что происходит на самом деле. Способность интерпретировать контекст трудно свести к фиксированной последовательности инструкций.
Поэтому я рассматриваю автоматизацию не столько как замену человеческих возможностей, сколько как способ их расширить.
Машины справляются с повторяемостью, люди - с изменчивостью
Практичный подход к проектированию автоматизированной производственной системы заключается в разделении предсказуемой и переменной работы.
Машины хорошо подходят для операций с чётко определёнными входными данными, выходными результатами и правилами принятия решений. Повторяющиеся сборочные операции, перемещение материалов, измерения, контроль и регулирование процессов часто можно автоматизировать, поскольку условия их выполнения можно точно описать.
Люди становятся более ценными, когда процесс выходит за эти рамки.
Рассмотрим неожиданную неисправность оборудования. Аварийный сигнал может указывать на высокую температуру двигателя, аномальную вибрацию или потерю связи. Система управления может выявить состояние и предоставить диагностическую информацию, но специалисту по-прежнему необходимо определить, связана ли проблема с электрической или механической частью, окружающей средой либо самим технологическим процессом.
Это различие важно.
Автоматизация может сообщить нам, что обнаружила система. Человеческий опыт часто определяет, что эта информация означает в физическом мире.
Поэтому наиболее продуктивный подход заключается не в том, чтобы спрашивать, должен ли задачу выполнять человек или машина. Лучше спросить, какая часть задачи должна выполняться каждым из них.
Данные не отменяют инженерную оценку
Современные заводы генерируют огромные объемы эксплуатационных данных. ПЛК, платформы DCS, системы SCADA, оборудование для мониторинга состояния, системы-архиваторы, системы технического зрения и устройства IIoT могут непрерывно собирать информацию с производственных активов.
Однако больше данных не означает автоматически более качественных решений.
Неправильно откалиброванный датчик может генерировать неточные измерения. Неправильно настроенный аварийный сигнал может вызвать ненужное вмешательство оператора. Отсутствие временных меток может затруднить восстановление последовательности событий. Непоследовательные имена тегов могут усложнить анализ между производственными линиями.
Системы искусственного интеллекта и аналитики сталкиваются с тем же ограничением.
Если исходные данные неточно отражают физический процесс, сложные алгоритмы не смогут чудесным образом исправить проблему. Они могут выдавать весьма убедительные выводы, основанные на неверных исходных данных.
Именно поэтому цифровизацию промышленности следует начинать с измерительных приборов, логики управления, архитектуры данных и знаний о технологическом процессе. ИИ следует рассматривать как еще один инженерный инструмент, а не как замену инженерным основам.
Интерфейс оператора - часть системы автоматизации
Автоматизация, ориентированная на человека, также требует внимания к тому, как информация поступает к персоналу.
Даже технически совершенная система управления может работать плохо, если операторы получают слишком много аварийных сигналов, видят непонятную графику или получают информацию слишком поздно, чтобы использовать ее для принятия решения.
Оператору не нужны все доступные данные в каждый момент времени. Ему нужна правильная информация, представленная четко и именно там, где необходимо принять решение.
Тот же принцип применим к обслуживающему персоналу.
Система мониторинга состояния, выдающая тысячи измерений, может приносить мало пользы, если специалисты не способны отличить нормальные эксплуатационные колебания от фактически развивающейся неисправности. Полезная автоматизация должна снижать ненужную когнитивную нагрузку, а не просто перемещать больше информации на экран.
На практике проектирование интерфейсов, управление аварийными сигналами, диагностика оборудования и проектирование рабочих процессов следует считать частью архитектуры автоматизации.
Безопасность должна оставаться ответственностью человека
Промышленная автоматизация может снизить воздействие опасных операций, но сама по себе автоматизация не гарантирует безопасность.
Робот обычно продолжает выполнять запрограммированную последовательность, если архитектура управления и безопасности не обеспечивает необходимые условия для остановки или ограничения его работы. Поэтому безопасность зависит от всей системы: датчиков, контроллеров безопасности, блокировок, аварийных остановов, ограждений, процедур, практик технического обслуживания и поведения людей.
Тот же принцип применим к системам функциональной безопасности.
Инструментальная система безопасности может обнаружить определённые опасные условия и инициировать заранее установленную безопасную реакцию. Она не заменяет инженерную работу, необходимую для выявления опасностей, определения функций безопасности, валидации системы и её обслуживания на протяжении всего жизненного цикла.
Именно здесь ответственность человека сохраняет фундаментальное значение.
Инженеры и специалисты по безопасности должны понимать не только, для чего предназначена автоматизированная система, но и что происходит при нарушении исходных допущений.
Не автоматизируйте плохой процесс
Одна из наиболее распространённых ошибок при автоматизации - попытка решить проблему процесса с помощью добавления технологий.
Если ручной процесс непоследователен из-за неясного распределения обязанностей, установка дополнительной автоматизации может лишь ускорить возникновение этой непоследовательности.
Если производственные данные ненадёжны из-за плохого обслуживания приборов, добавление аналитики не обязательно обеспечит полезные прогнозы.
Если процедуры технического обслуживания неэффективны из-за неполной информации об оборудовании, добавление ещё одной программной платформы может повысить сложность, не улучшив результаты технического обслуживания.
Прежде чем автоматизировать процесс, следует изучить сам процесс.
Является ли процесс повторяемым? Контролируются ли входные параметры? Понятны ли рабочие пределы? Известны ли виды отказов? Можно ли измерить желаемый результат? Есть ли ясная причина для автоматизации операции?
Если ответы на эти вопросы неясны, совершенствование процесса обычно должно предшествовать автоматизации.
Проекты автоматизации требуют измеримых целей
Технологические проекты легко могут сосредоточиться на внедрении, а не на результатах.
Новый робот, платформа ПЛК, система машинного зрения, аналитическое приложение или цифровой инструмент технического обслуживания могут производить сильное техническое впечатление, но их ценность в конечном счёте должна подтверждаться измеримыми результатами работы предприятия.
В зависимости от применения к таким результатам могут относиться сокращение простоев, уменьшение времени переналадки, снижение уровня брака, повышение выхода годной продукции с первого прохода, сокращение числа инцидентов, связанных с безопасностью, ускорение диагностики неисправностей или уменьшение потребности во вмешательстве персонала при техническом обслуживании.
Важно определить показатели до внедрения технологии.
Четко определенный исходный уровень позволяет установить, действительно ли инвестиции изменили процесс.
Без исходного базового уровня организации могут в итоге оценивать успех проекта автоматизации по тому, была ли система установлена и введена в эксплуатацию, а не по тому, решена ли производственная проблема.
Навыки персонала должны развиваться вместе с технологиями
По мере усложнения автоматизации меняются и навыки, необходимые промышленным работникам.
Технику по обслуживанию может все чаще требоваться понимать сети, удаленный ввод-вывод, частотно-регулируемые приводы, диагностику ПЛК, промышленный Ethernet и сбор данных в дополнение к традиционным механическим и электротехническим навыкам.
Операторам может потребоваться интерпретировать тенденции процесса, а не просто отслеживать дискретные аварийные сигналы.
Инженерам может потребоваться понимать как архитектуру управления, так и архитектуру данных.
Это не означает, что каждый работник должен стать разработчиком программного обеспечения или специалистом по анализу данных. Это означает, что организациям необходимо развивать технические навыки, требуемые для эксплуатации и обслуживания все более взаимосвязанных систем.
Поэтому обучение следует считать частью проекта автоматизации, а не мероприятием, добавляемым после ввода системы в эксплуатацию.
Лучшие системы автоматизации проектируются с учетом отказов
Часто упускаемая из виду характеристика качественной промышленной автоматизации - ее поведение при возникновении неисправности.
Нормальную работу сравнительно легко продемонстрировать. Более сложный инженерный вопрос заключается в том, что происходит, когда отказывает датчик, теряется сетевое соединение, исполнительный механизм не реагирует, контроллер прекращает обмен данными или оператор неожиданно выбирает действие.
Грамотная архитектура автоматизации предусматривает такие условия.
Диагностика должна помогать выявлять источник проблемы. Блокировки должны предотвращать небезопасные последовательности действий. Резервирование следует применять там, где это оправдано риском и особенностями применения. Ручное вмешательство должно оставаться возможным там, где оно необходимо для работы.
С инженерной точки зрения качество системы автоматизации часто яснее всего проявляется в нештатных условиях, а не во время нормального производства.
Человеческий опыт остается источником инноваций
Некоторые из наиболее полезных улучшений на производственном участке исходят не из инженерных отделов и не от поставщиков технологий.
Операторы часто обнаруживают небольшие изменения процесса, которые сокращают ненужные перемещения. Специалисты по техническому обслуживанию выявляют повторяющиеся закономерности отказов, неочевидные из документации на оборудование. Производственный персонал может распознать связь между качеством продукции и условиями эксплуатации еще до того, как эта связь проявится в формальном анализе.
Эти наблюдения отражают практические знания о процессе.
Цифровые системы могут фиксировать и систематизировать эти знания, но организациям по-прежнему нужны механизмы, позволяющие людям вносить свой вклад.
По-настоящему взаимосвязанная производственная среда должна не только передавать информацию от машин людям. Она также должна позволять использовать знания людей для совершенствования машин, процедур и стратегий управления.
Следующий шаг - совместная автоматизация
Будущее промышленной автоматизации, вероятно, не будет определяться простым переходом от ручного труда к полностью автономному производству.
Более реалистичное направление - совместная автоматизация, при которой машины отвечают за повторяющиеся, точные задачи и задачи, требующие обработки больших объемов данных, а люди сохраняют ответственность за интерпретацию, обработку исключений, совершенствование и решения, требующие более широкого контекста.
Эта модель меняет подход к проектированию проектов автоматизации.
Вместо вопроса «Сколько работников может заменить эта система?» инженерам следует спрашивать: «Какие задачи людей создают лишние усилия, риски или задержки и как технологии могут уменьшить эту нагрузку?»
Такое изменение взгляда приводит к появлению другого типа автоматизации.
Цель не в том, чтобы сократить число людей любой ценой. Цель - эффективнее использовать человеческую экспертизу.
Более практичное определение промышленного интеллекта
Промышленный интеллект не следует определять лишь по наличию ИИ, роботов или подключенных устройств.
По-настоящему интеллектуальная производственная система должна понимать, что она может автоматизировать, распознавать ограничения собственной логики принятия решений, предоставлять людям полезную информацию и безопасно переходить в отказоустойчивый режим, когда условия выходят за пределы заданного рабочего диапазона.
Люди обеспечивают контекст, суждение и ответственность.
Машины обеспечивают повторяемость, скорость, вычисления и непрерывный мониторинг.
Их соединяют данные.
Когда эти элементы проектируются совместно, автоматизация становится чем-то большим, чем набор технологий управления. Она превращается в операционную модель, в которой технологии устраняют ненужную работу, а человеческая экспертиза остается доступной там, где она создает наибольшую ценность.
Таким образом, будущее производства - это не борьба между людьми и машинами. Это проектирование производственной системы, в которой каждый выполняет работу, для которой он подходит лучше всего.
