Proizvodnja ulazi u fazu u kojoj automatizacija više nije jednostavno definisana brojem mašina koje se mogu uvesti. Važnije pitanje jeste koliko efikasno automatizacija može da sarađuje sa ljudima koji upravljaju proizvodnim sistemima, održavaju ih, otklanjaju kvarove i stalno ih unapređuju.
Mašine su izuzetno dobre u ponavljajućem radu. Ljudi su bolji u suočavanju sa neizvesnošću. Zbog toga najuspešnija proizvodna okruženja nisu ona koja pokušavaju da uklone ljude iz procesa, već ona koja namerno dodeljuju zadatke u skladu sa prednostima i jednih i drugih.
Automatizacija treba da proširi ljudske sposobnosti
Industrijska automatizacija tradicionalno se meri poznatim pokazateljima, kao što su vreme ciklusa, proizvodni učinak, raspoloživost i efikasnost rada. Ova merenja su i dalje važna, ali ne prikazuju celu sliku.
PLC može izvršiti isti niz hiljadama puta, a da mu ništa ne odvuče pažnju. Sistem za mašinsku viziju može pregledati veliki broj delova prema definisanim kriterijumima. Robot može ponoviti programirani pokret uz dosledno pozicioniranje. Industrijski upravljački sistem može neprekidno prikupljati procesne promenljive i reagovati prema unapred definisanoj logici.
To su oblasti u kojima mašine imaju jasnu prednost.
Proizvodnja postaje mnogo manje predvidiva izvan tih kontrolisanih uslova. Nedostatak materijala može prekinuti proizvodnju. Dobavljač može promeniti specifikaciju komponente. Na mašini se može pojaviti povremeni kvar koji se ne vidi u istorijskim podacima. Kupac može zahtevati izmenu proizvoda u poslednjem trenutku.
Ove situacije zahtevaju tumačenje, a ne jednostavno izvršavanje.
Iskusan operater ili inženjer održavanja može da objedini znanje o procesu, ponašanje opreme i trenutne uslove kako bi utvrdio šta se zaista događa. Tu sposobnost tumačenja konteksta teško je svesti na fiksni niz instrukcija.
Zbog toga automatizaciju više vidim kao način proširivanja ljudskih sposobnosti nego kao njihovu zamenu.
Mašine upravljaju ponovljivošću, ljudi upravljaju promenljivošću
Koristan način za projektovanje automatizovanog proizvodnog sistema jeste razdvajanje predvidivog rada od promenljivog rada.
Mašine su veoma pogodne za operacije sa jasno definisanim ulazima, izlazima i pravilima odlučivanja. Ponavljajuća montaža, premeštanje materijala, merenje, inspekcija i regulacija procesa često se mogu automatizovati jer se njihovi radni uslovi mogu precizno opisati.
Ljudi postaju vredniji kada se proces odvija izvan tih granica.
Zamislite neočekivani kvar opreme. Alarm može ukazivati na visoku temperaturu motora, neuobičajene vibracije ili gubitak komunikacije. Upravljački sistem može identifikovati stanje i pružiti dijagnostičke informacije, ali tehničar i dalje mora da utvrdi da li je problem električne, mehaničke ili ekološke prirode, odnosno da li je povezan sa samim procesom.
Ova razlika je važna.
Automatizacija nam može reći šta je sistem otkrio. Ljudsko iskustvo često određuje šta ta informacija znači u fizičkom svetu.
Zato najproduktivniji pristup nije pitanje da li zadatak treba da obavlja čovek ili mašina. Bolje pitanje je koji deo zadatka treba da obavlja svaki od njih.
Podaci ne eliminišu inženjersko rasuđivanje
Savremene fabrike stvaraju ogromne količine operativnih podataka. PLC-ovi, DCS platforme, SCADA sistemi, oprema za praćenje stanja, istoričari podataka, sistemi za vizuelnu kontrolu i IIoT uređaji mogu neprekidno prikupljati informacije sa proizvodne opreme.
Međutim, više podataka ne dovodi automatski do boljih odluka.
Loše kalibrisan senzor može generisati netačna merenja. Neispravno konfigurisan alarm može izazvati nepotrebnu intervenciju operatera. Nedostatak vremenskih oznaka može otežati rekonstrukciju redosleda događaja. Nedosledno imenovanje tagova može zakomplikovati analizu između proizvodnih linija.
Sistemi veštačke inteligencije i analitike suočavaju se sa istim ograničenjem.
Ako osnovni podaci ne predstavljaju fizički proces tačno, sofisticirani algoritmi ne mogu magično ispraviti problem. Oni mogu izneti veoma uverljive zaključke na osnovu netačnih ulaznih podataka.
Zato digitalizacija industrije treba da počne od instrumentacije, upravljačke logike, arhitekture podataka i poznavanja procesa. AI treba posmatrati kao još jedan inženjerski alat, a ne kao zamenu za osnove inženjerstva.
Operatorski interfejs je deo sistema automatizacije
Automatizacija usmerena na čoveka zahteva i obraćanje pažnje na to kako informacije stižu do zaposlenih.
Tehnički sposoban upravljački sistem i dalje može loše funkcionisati ako su operaterima prikazani preveliki broj alarma, zbunjujuća grafika ili informacije koje stižu prekasno da bi podržale donošenje odluke.
Operateru nisu potrebne sve dostupne tačke podataka u svakom trenutku. Potrebne su mu prave informacije, jasno predstavljene na mestu na kojem treba doneti odluku.
Isti princip važi i za osoblje zaduženo za održavanje.
Sistem za praćenje stanja koji prijavljuje hiljade merenja može stvarati malu vrednost ako tehničari ne mogu da razlikuju uobičajena odstupanja u radu od stvarnog kvara koji se razvija. Korisna automatizacija treba da smanji nepotreban kognitivni napor, a ne samo da prebaci više informacija na ekran.
U praktičnom smislu, projektovanje interfejsa, upravljanje alarmima, dijagnostika opreme i projektovanje tokova rada treba da se smatraju delom arhitekture automatizacije.
Bezbednost mora ostati ljudska odgovornost
Industrijska automatizacija može smanjiti izloženost opasnim operacijama, ali sama automatizacija ne garantuje bezbednost.
Robot će normalno nastaviti da izvršava programirani niz radnji osim ako upravljačka i bezbednosna arhitektura ne obezbede odgovarajuće uslove za zaustavljanje ili ograničavanje njegovog rada. Bezbednost zato zavisi od kompletnog sistema: senzora, bezbednosnih kontrolera, blokada, zaustavljanja u nuždi, zaštitnih ograda, procedura, praksi održavanja i ponašanja ljudi.
Isti princip važi i za sisteme funkcionalne bezbednosti.
Bezbednosni instrumentisani sistem može detektovati definisana opasna stanja i pokrenuti unapred određenu bezbednu reakciju. On ne zamenjuje inženjerski rad potreban za identifikovanje opasnosti, definisanje bezbednosnih funkcija, validaciju sistema i njegovo održavanje tokom celog životnog ciklusa.
Tu ljudska odgovornost ostaje od suštinskog značaja.
Inženjeri i stručnjaci za bezbednost moraju razumeti ne samo šta je automatizovani sistem projektovan da radi, već i šta se dešava kada pretpostavke zakažu.
Ne automatizujte loš proces
Jedna od najčešćih grešaka u automatizaciji jeste pokušaj rešavanja problema procesa dodavanjem tehnologije.
Ako je ručni proces nedosledan zato što odgovornosti nisu jasno definisane, uvođenje dodatne automatizacije može jednostavno učiniti da se nedoslednost javlja brže.
Ako su proizvodni podaci nepouzdani zato što se instrumenti loše održavaju, dodavanje analitike neće nužno proizvesti korisna predviđanja.
Ako su procedure održavanja neefikasne zato što su informacije o opremi nepotpune, dodavanje još jedne softverske platforme može povećati složenost bez poboljšanja učinka održavanja.
Pre automatizacije procesa, sam proces treba ispitati.
Da li se može ponavljati? Da li su ulazni parametri kontrolisani? Da li su radne granice poznate? Da li su poznati načini otkaza? Da li se željeni rezultat može izmeriti? Da li postoji jasan razlog za automatizaciju operacije?
Ako odgovor na ova pitanja nije jasan, poboljšanje procesa obično treba da prethodi automatizaciji.
Projektima automatizacije potrebni su merljivi ciljevi
Tehnološki projekti lako mogu postati usmereni na implementaciju umesto na rezultate.
Novi robot, PLC platforma, sistem za vizuelnu inspekciju, analitička aplikacija ili digitalni alat za održavanje mogu biti tehnički impresivni, ali njihovu vrednost na kraju treba dokazati merljivim operativnim rezultatima.
U zavisnosti od primene, ti ishodi mogu obuhvatati smanjenje zastoja, kraće vreme promene, manji procenat otpada, bolji prinos iz prvog prolaza, manje bezbednosnih incidenata, bržu dijagnostiku kvarova ili manje intervencija održavanja.
Važno je uspostaviti način merenja pre uvođenja tehnologije.
Jasno definisana početna osnova omogućava utvrđivanje da li je investicija zaista promenila proces.
Bez početne osnove, organizacije mogu završiti tako što će uspeh projekta automatizacije meriti prema tome da li je sistem instaliran i pušten u rad, umesto prema tome da li je proizvodni problem rešen.
Veštine radne snage moraju da se razvijaju zajedno sa tehnologijom
Kako automatizacija postaje sofisticiranija, menjaju se i veštine koje se zahtevaju od industrijskih radnika.
Tehničar za održavanje će sve više možda morati da razume mreže, daljinske I/O module, frekventne regulatore, PLC dijagnostiku, industrijski Ethernet i prikupljanje podataka, pored tradicionalnih mehaničkih i električarskih veština.
Operateri će možda morati da tumače trendove procesa, a ne samo da prate diskretne alarme.
Inženjeri će možda morati da razumeju i upravljačku i podatkovnu arhitekturu.
To ne znači da svaki radnik treba da postane softverski programer ili stručnjak za nauku o podacima. To znači da organizacije treba da razviju tehničke veštine neophodne za rad i održavanje sve povezanijih sistema.
Obuku zato treba smatrati delom projekta automatizacije, a ne aktivnošću koja se dodaje nakon puštanja u rad.
Najbolji sistemi automatizacije projektovani su imajući u vidu otkaze
Često zanemarena karakteristika dobre industrijske automatizacije jeste njeno ponašanje kada nešto krene po zlu.
Normalan rad je relativno lako demonstrirati. Teže inženjersko pitanje jeste šta se dešava kada senzor otkaže, mrežna veza se izgubi, aktuator ne reaguje, kontroler prestane da komunicira ili operater napravi neočekivan izbor.
Dobra arhitektura automatizacije predviđa ove uslove.
Dijagnostika treba da pomogne u utvrđivanju izvora problema. Blokade treba da spreče nebezbedne sekvence. Redundansu treba primeniti tamo gde je rizik i primena opravdavaju. Ručna intervencija treba da ostane moguća tamo gde je operativno neophodna.
Iz inženjerske perspektive, kvalitet sistema automatizacije često se jasnije pokazuje tokom vanrednih uslova nego tokom normalne proizvodnje.
Ljudsko iskustvo ostaje izvor inovacija
Neka od najkorisnijih poboljšanja u proizvodnom pogonu ne potiču iz inženjerskih odeljenja niti od dobavljača tehnologije.
Operateri često otkrivaju male promene u procesu koje smanjuju nepotrebno kretanje. Tehničari održavanja prepoznaju obrasce ponavljajućih kvarova koji nisu očigledni u dokumentaciji opreme. Proizvodno osoblje može uočiti vezu između kvaliteta proizvoda i radnih uslova pre nego što se ta veza pojavi u formalnoj analizi.
Ova zapažanja predstavljaju praktično znanje o procesu.
Digitalni sistemi mogu da prikupljaju i organizuju ovo znanje, ali organizacijama su i dalje potrebni mehanizmi koji ljudima omogućavaju da ga daju.
Zaista povezano proizvodno okruženje ne bi trebalo samo da šalje informacije sa mašina ljudima. Ono bi takođe trebalo da omogući da znanje ljudi unapređuje mašine, procedure i strategije upravljanja.
Sledeći korak je kolaborativna automatizacija
Malo je verovatno da će budućnost industrijske automatizacije biti definisana jednostavnim prelaskom sa ručnog rada na potpuno autonomnu proizvodnju.
Realističniji pravac jeste kolaborativna automatizacija, u kojoj mašine preuzimaju odgovornost za ponavljajuće, precizne zadatke i zadatke koji zahtevaju obradu velike količine podataka, dok ljudi zadržavaju odgovornost za tumačenje, rešavanje izuzetaka, unapređivanje i odluke koje zahtevaju širi kontekst.
Ovaj model menja način na koji bi trebalo projektovati projekte automatizacije.
Umesto pitanja: „Koliko radnika ovaj sistem može da zameni?“ inženjeri bi trebalo da pitaju: „Koji ljudski zadaci stvaraju nepotreban napor, rizik ili kašnjenje i kako tehnologija može da smanji taj teret?“
Ova promena perspektive donosi drugačiji tip automatizacije.
Cilj nije manje ljudi po svaku cenu. Cilj je bolje korišćenje ljudske stručnosti.
Praktičnija definicija industrijske inteligencije
Industrijsku inteligenciju ne bi trebalo definisati samo prisustvom veštačke inteligencije, robota ili povezanih uređaja.
Zaista inteligentan proizvodni sistem trebalo bi da zna šta može da automatizuje, prepozna ograničenja sopstvene logike odlučivanja, pruži korisne informacije ljudima i bezbedno reaguje kada uslovi izađu izvan definisanog radnog opsega.
Ljudi obezbeđuju kontekst, rasuđivanje i odgovornost.
Mašine obezbeđuju ponovljivost, brzinu, proračun i neprekidno praćenje.
Podaci povezuju to dvoje.
Kada se ovi elementi projektuju zajedno, automatizacija postaje više od skupa upravljačkih tehnologija. Ona postaje operativni model u kojem tehnologija uklanja nepotreban rad, dok ljudska stručnost ostaje dostupna tamo gde stvara najveću vrednost.
Budućnost proizvodnje stoga nije suštinski takmičenje između ljudi i mašina. Reč je o projektovanju proizvodnog sistema u kojem svako obavlja posao za koji je najpogodniji.
