מפעלים חכמים הם מהותית המקום שבו התעשייה ה-4.0 מקבלת חיים, תוך שימוש במערכות פיזיקליות-סייברטיות מתקדמות שמאפשרות למכונות לקבל החלטות משלעצמן. המערכת משלבת מכשירים מחוברים לאינטרנט עם ניתוח באמצעות בינה מלאכותית כדי לבנות קווי ייצור שיכולים לתקן את עצמם כאשר משהו משתבש, מבלי שעובדים יצטרכו להשתתף באופן ידני. מחקר של Nature Research מדגיש שמכשבר מפעלים מאמצים טכנולוגיה זו הם ניצבים בפחת באיכות של 39 אחוז בערך ביצירת כמויות גדולות של מוצרים, מה שמשנה מאוד עבור יצרנים שמבקשים להפחית פסול ולחסוך כסף.
ב.Automation תעשייתית, אחד ההישגים הגדולים הוא האופן בו היא מسرعة את המעבר הדיגיטלי. קחו לדוגמה תחזוקה מונחית-חיזוי, שבודקת נתונים של ציוד בזמני-אמת ויודעת להפחית את מספר הדחיפות בכ-20-25%. מערכות האוטומציה החדישות גם כן הופכות את ייצור המפעל לחכם יותר. אנו רואים שיפור של כ-15 ועד אולי 20% ביעילות השימוש באנרגיה, בזכות תכונות האיזון האוטומטיות, וכל זאת תוך שמירה על נתוני הייצור. מה שמאפשר את זה הוא העברת נתוני החיישנים מהרצפת מפעל אל מערכות ה-ERP באופן חלק. זה יוצר לולאות פידבק שמאפשרות למנהלים להגיב מהר יותר לבעיות ולראות את מה שקורה בכל תהליכי הייצור, מההתחלה ועד הסוף.
מפעל האלקטרוניקה של סימנסס באמרג הוא דוגמה מובילה לכך שהנתונים יכולים להפוך את תהליכי הייצור. הם הצליחו להגיע כמעט ל-99.99% באיכות הייצור, תוך שיפור של כ-75% בפועילות, וזאת בזכות טכנולוגיית התאום הדיגיטלי והמערכות האוטומטיות שלהם. מערכת הבדיקה האופטית האוטומטית שלהם הפחיתה באופן דרמטי את מספר הפגמים שלא נמצאים ל-0.0015% בערך, מה שמרשים למדי כשמתחילים לחשוב על כך. כ-1,500 מכשירים שונים במפעל מטפלים בכ-50 מיליון עדכוני נתונים בכל יום. נפח המידע העצום הזה מאפשר למפעל למקסם את תנועת החומרים דרך המתקן באופן אוטומטי. מה שעושה את הפעולה הזו כל כך מרשימה הוא עד כמה היא מתאימה לעלייה במספר התהליכים תוך שמירה על רמת דיוק גבוהה בכל היבט של הפעלת המפעל החכם.
יותר ויותר יצרנים פונים למערכות אוטומציה מודולריות בימים אלה, במיוחד אלה עם חיבורים רובוטיים plug-and-play. כ-68 אחוזים מכל קווי הייצור החדשים כוללים כעת מערכת מסוג זה. אם מסתכלים על מגמות אזוריות, אסיה פסיפיק בהחלט מובילה את החבילה כשמדובר בקיבלת טכנולוגיות אוטומציה. הם תפסו כ-43% מכל ההוצאות לאוטומציה תעשייתית בשנה שעברה לבדה, בעיקר בגלל שחברות שם דוחפות חזק בינתיים, פתרונות אוטומציה מבוססי ענן ראו צמיחה עצומה גם כן, בהתרחבות של כ-200% מאז תחילת 2020. פלטפורמות אלה מאפשרות למפעלים ברחבי העולם לעבוד יחד ללא בעיות למרות שהם עשויים להיות במרחק אלפי קילומטרים אחד מהשני.
אוטומציה המונעת על ידי בינה מלאכותית תלויה בלמידה מהירה של מכונות כדי לעבד גם רשומות עבר וגם מידע נוכחי, מה שמאפשר לשרשראות ייצור לדייקן את עצמן עם הזמן. הטכנולוגיה מבצעת שינויים בזמן אמת לדברים כמו מהירות ייצור, צריכה חשמלית, וכיצד החומרים זזים במערכת. במפעלי ייצור רכב במיוחד, התאמות חכמות אלו הוכחו בפועל בהפחתת פסולת חומרים ב-18 אחוז בערך, על פי דוחות תעשייתיים עדכניים. מה שמייחד מערכות אלו לעומת גישות קדומות וקבועות הוא היכולת שלהן ללמוד בפועל כשהמכונות מתחילות להראות סימני בלאי. במקום להמתין לשבש, הן מתאימות את עצמן לירידה הדרגתית בביצועי הציוד, ועושות זאת תוך שמירה על רמת האיכות של המוצר לאורך מחזור החיים של ציוד הייצור המבוגן.
כ-74 אחוז מה fabrikות של היום מחוברות כעת באמצעות טכנולוגיית IIoT, המשלבת חיישנים במכשורים ובמכונות CNC ברחבי רצפת הייצור. המערכת שולחת נתונים בזמן אמת למסכים מרכזיים בהם יכולים הצוותים ב fabrika לזהות שינויי טמפרטורה במחוממים כמעט מיידית, לפעמים במהירות של שלושה עשיריות השנייה. המפעילים מקבלים גם התראות כאשר יש צורך להתאים זרועות רובוטיות במהלך משימות עיבוד עדינות. בנוסף, המערכת עוזרת להתאים בין חומרים שנקלטים לבין אלו שנדרשים בפועל על קו הייצור בכל רגע נתון. כל היכולות הללו פועלות יחד כדי לשמור על שימוש יעיל במשאבים בכל המתקן.
כאשר חברות מטמיעות حوسبة בקצה, הן בדרך כלל תופסות ירידה של זמני קבלת החלטות לכ-2 או 3 אלפיות השנייה, מאחר שהמערכת מעבדת דברים כמו תחזית מכאנית ונתוני ויברציה ממש במקום בו הם מתרחשים, במקום שליחת כל הנתונים לאתר חיצוני. לדוגמה, אחת החברות הפקדניות הצליחה להפחית את זמן הביקור כמעט בחצי לאחר התקנת מצלמות מותקנות בקצה מיוחדות אלו. המצלמות יכולות לזהות מכסים פגומים של אמפלות מיד ולהשליך אותם ללא המתנה לאישור ממיקום אחר בענן. מה שמעניין במיוחד הוא הדרך בה מכשירי הקצה הללו מטפלים במידע. הם למעשה מסננים כ-90 אחוז מהדברים שezra לא חשובים כבר ברמת רצפת המפעל. משמעות הדבר היא פחות נתונים שמעמיסים על רשתות התקשורת, ועל מערכות שפועלות מהר יותר כאשר מתעוררות בעיות.
האינטרנט התעשייתי של הדברים אכן מגביר את הפרודוקטיביות, אך רבים מהייצוראים מודאגים מנקודות תecurity כאשר הציוד שלהם מחובר לרשת. כשני שלישים מהמנהלי ייצור מציינים בפועל את נושאי האבטחה הקיברנטית כחשש עיקרי בקשר למכונות המחוברות לרשת. כיום, חברות מתחילות ליישם את מה שנקרא ארכיטקטורת אמון אפס, אשר מפרידה בין תחנות עבודה של רובוטים לבין מחשבים עסקיים רגילים. הן גם שומרות את נתוני האימון הרגישים של الذكاء המלאכותי במאגרים מאובטחים ומצופנים כדי שמתחרים לא יוכלו לגנוב רכוש אינטלקטואלי. מפעלים בעלי ביצועים גבוהים עוברים את רמת האבטחה הבסיסית על ידי הגדרת הרשאות גישה קפדניות המבוססות על תפקידים של עובדים. חלק מהם אפילו מריצים מבחני חדירה אחת לשבועיים במכוון לפגוע בפקדי הלוגיקה התיכנתים אשר אחראים לתהליכים קריטיים בייצור במסגרת רשתות הטכנולוגיה התפעולית.
טכנולוגיית טווין דיגיטלי יוצרת עותקים וירטואליים של מערכות ייצור פיזיות ומשנה את הדרך בה פועלים מפעלים כיום, על ידי שיקוף של התרחשויות בפועל במחצלת המפעל בזמן אמת. בצירוף יכולות השרשרת הדיגיטלית, יצרנים מקבלים זרם נתונים רציף החל מהשלב ההתחלתי של העיצוב ועד לשלב הייצור הסופי. הדבר מאפשר להם להריץ סימולציות, לזהות בעיות ביעילות, ולבחון שינויים לפני השקעות יקרות. על פי מחקר שפורסם בשנה שעברה, חברות אשר אימצו את הגישה הזו צפינו בירידה של כ-28 אחוזים בצריכת דוגמאות מוקדמות, וכן הקפידו את תהליך ההכנה לשוק פי מהר משיטות מסורתיות.
כאשר מידע בזמן אמת מהחיישנים מתקושר עם אלגוריתמי למידת מכונה, טכנולוגיית התאום הדיגיטלי יכולה לחזות מתי ציוד עלול להתקלקל, עם דיוק של כ-92% לפי מבחנים עדכניים. מהנדסים יכולים כעת לבצע מה שנקרא הפעלה וירטואלית, בה הם בודקים קווי ייצור שלמים בתוך תוכנת סימולציה כבר בשלבים מוקדמים. זה מקצר את עיכובים באיתור בעיות ב-40% בממוצע, מה שעוזר לחסוך זמן רב בישות ייצור. המערכת כולה עוזרת למנוע תקלות לא צפויות וגם מוודאת שהמכונות אינן מבזבזות אנרגיה ברגע שהכול פועל במציאות. מפעלים רבים מדווחים על חיסכונות משמעותיים רק מכך שמריצים את הסימולציות מראש, במקום לגלות בעיות במהלך הפעלה אמיתית.
חברת אנרגיה גדולה אחת יישמה טכנולוגיית אב טווין ב-200 טורבינות גז ברחבי תפעוליה. הם השתמשו ב replicas וירטואליות אלו כדי לחקור כיצד פועלת בעירה בתוך המנועים ולעקוב אחרי סימני בלאי לאורך זמן. התוצאות היו מרשימות לאמיתו. צוותי התפעול יכלו עכשיו לחזות מתי יש צורך בבדיקה או החלפה של חלקים לפני שהתרחשו תקלות. הגישה הזו שיפרה את תפקוד הטורבינות ב-6.2 אחוזים בכל שנה. גם הוצאות התפעול ירדו באופן ניכר, ולחברה חסכה כ-18 מיליון דולר בשלוש השנים הראשונות בלבד. בנוסף לכך, אורך חיי הציוד היה גדול מהצפוי. כל זה מראה עד כמה טכנולוגיית האב הטווין יכולה לספק שיפורים משמעותיים גם ביציבות המערכת וגם בחיסכון כלכלי בסביבות תעשייתיות.
ההעברה בתפעול האוטומטי משנה את אופן הפעולה של תחזוקה, מעבר לתיקון תקלות לאחר שהן מתרחשות לחיזוי שלהן לפני שהן מופיעות. באמצעות חיישנים וטכנולוגיית למידת מכונה, מפעלים יכולים כעת לזהות תקלות פוטנציאליות כלשהן בין 7 ל-30 ימים מראש. לפי דוחי תעשייה עדכניים, חברות שמממשות מערכות חיזוי אלו צופות בירידה של 40 עד 50 אחוזים בהפסקות לא מתוכננות. תוכנות חכםות מנקודות נתונים רבות, כולל ביצועים קודמים של ציוד, דפוסי רעידות ומדידות טמפרטורה, כדי לזהות חלקים כגון גלילים, מנועים חשמליים או מערכות הידראוליות שנמצאות בסיומן. מערכת ההתראה המוקדמת הזו נותנת למנהלי מפעלים זמן יקר להזמין תיקונים בתקופות תפעול מתוכנן במקום להתמודד עם תיקונים דחופים ויקרים.
מערכות אוטומציה מתקדמות משדרות חיישנים של IoT שפוקחים על מעל 15 פרמטרים, לרבות צמיגות שמן סיכה וגרידות בעומס חשמלי. טלמטריה רציפה זו תומכת באיתור מוקדם של דלקת שסתום הקומפרסר, זיהוי אי-יישור של רציף הובלה באמצעות ניתוח ויברציה, ו lập תחזוקה פרוגנוסטית למנועי סרוו של זרועות רובוטיות - מבטיחה תחזוקה מקדימה ותפקוד רציף.
פלטפורמות א orchestration מאוחדות עיבוד עד 2.5 מיליון נקודות נתונים ביום לخط ייצור, ומזינות מודלים פרוגנוסטיים עם קלטים קריטיים:
| סוג נתונים | השפעה על אמינות |
|---|---|
| יומני ציוד | מזהה דפוסי שימוש המשפיעים על משך חיי רכיבים |
| מדדי אנרגיה | מזהה פגיאת מבודד במנועים |
| סטטיסטיקות בקרת איכות | מקשר בין פגומים במכונה לבין מצב בריאות המכונה |
ה תעשייה עוברת מהתיקות לאחר תקלה לתחזוקה שמרציפה באמצעות צמדים דיגיטליים. מאמצים מוקדמים מצליחים להשיג דיוק של 93% בבדיקת התיקון הראשונה על ידי שילוב של סימולציות תלת-ממד של ציוד עם נתוני חיישנים מהעולם האמיתי, וכך מקטינים את בדיקות התחזוקה הבלתי-נחוצות ב-34% (מועצת מנהיגות הייצור 2024).
מערכות פיזיקליות-סייברניות (CPS) משדרות בין מכונות פיזיקליות ובינה דיגיטלית באמצעות חיישנים משובצים ורשתות אינטרנט של הדברים (IoT), וכך מאפשרות פיקוח בזמן אמת ובקרה מתאימה. מפעלים המשתמשים במערכות CPS מדווחים על תגובה מהירה ב-18–23% למפגעים בשרשרת האספקה. באמצעות שילוב של חישוב בקצה (edge computing), המערכות מקטינות את עיכובים בקבלת ההחלטות ותומכות בתיקוני איכות אוטונומיים ללא התערבות אנושית.
אוטומציה של ימינו עוסקת בעיקר בשיתוף הפעולה בין בני אדם לבין מערכות בינה מלאכותית. הרובוטים המשותפים (cobots) מגיעים עם מצלמות חכמות שמאפשרות להם לבצע משימות עדינות ממש לצד העובדים האנושיים. מפעלים מדווחים על ירידה של כמעט שליש בפציעות חוזרות בשל עבודה מונוטונית מאז שהמכונות החלו לשתף את עומס העבודה בשורת הייצור. חלק מהחברות משתמשות אפילו במשגיחים ממוחשבים שמביטים בנתוני הביצועים מהעבר כדי לעזור לעובדים לקבוע מתי לתכנן סדרות ייצור. נוצר מעגל חיובי שבו לומדים ממה שעובד הכי טוב, מה שפירושו לא רק שהעבודה נעשית מהר יותר אלא גם שסביבות העבודה הופכות לבטוחות יותר עם הזמן.
העלייה של בינה מלאכותית יוצרת שינוי בגישה שלנו לעיצוב תהליכי ייצור, ומאפשרת להנדסנים לבדוק מאות ואף אלפי תרחישים של ייצור בתוך מספר דקות ספורות. לדוגמה, יצרן רכב שהחל בימים האחרונים להפעיל מודלים אלה של בינה מלאכותית כדי לחשוב מחדש על פעולות ההלחמה שלו. הם הצליחו להפחית את צריכה האנרגיה ב-12 אחוז בערך, לאחר שהעדכנו את סדר הפעולות. מה שהופך את הטכנולוגיה הזו לאמיצה כל כך הוא היכולת שלה לעבוד במקביל עם כלים לתחזית תחזוקה. מערכות משולבות אלה יכולות אפילו להציע מומלץ מתי שווה לשדרג ציוד, תוך שקלול של העלות המקדימה מול הכסף שייתכן ויחוסך בהמשך הדרך, בזכות הימנעות מתקלות לא צפויות ושמירה על תפקוד חלק מיום ליום.
כ-65% מהיצרנים צפויים לאמץ רשתות נוירונים המבוססות על קצהוֹת עד שנת 2026, כחלק מההעברה לאלגוריתם מבוזר. מערכות אלו מאפשרות זיהוי מחדלים בזמן אמת, דבר שהשיטות המבוססות בענן אינן יכולות להתאים מבחינת מהירות. עם התרחבותם של מפעלים חכמים שמשתמשים ב-5G בתעשייה, תהליכי האוטומציה הופכים להיות תלויים יותר באלגוריתמים המסוגלים להתאים את עצמם על פי סוגי החומרים הנכנסים וכמות הביקוש במהלך מחזורים של ייצור. מגמה זו מסמנת צעד משמעותי קדימה לתפעול ייצור המחייב גם עמידות וגם אינטליגנציה כדי לעקוב אחרי דרישות הייצור של ימינו.
מפעלים חכמים משתמשים במערכות פיזיקליות-סייברתיות כדי לאפשר למכונות לבצע החלטות עצמאיות באמצעות שילוב של התקנים מחוברים לאינטרנט עם ניתוח באמצעות בינה מלאכותית, וכך מקטינות את התערבות האדם בשרשראות הייצור.
אוטומציה תעשייתית מسرعة את המעבר הדיגיטלי על ידי שיפור תחזוקה פרוגנוסטית ויעילות אנרגטית, תוך שיפור ניהול הייצור בכלל ופחת בעיות איכות.
חישוב בקצה מאפשר עיבוד נתונים בזמן אמת במקום שבו נוצרת בו-זמנית את הנתונים, מפחית דיליי ומשפר זמני תגובה בסביבות ייצור.
מערכות פיזיקליות-סייבריות משלבות מכאניקה פיזיקלית עם אינטיליגנציה דיגיטלית כדי לאפשר שיבוץ בזמן אמת, שליטה אדפטיבית ותגובה מהירה יותר להפרעות בשרשרת האספקלה.
כל הזכויותים © 2024 על ידי Shenzhen QIDA electronic CO.,ltd
EN