हे स्मार्ट कारखाने म्हणजे उद्योग 4.0 च्या अंमलबजावणीची ठिकाणे आहेत, जिथे या सायबर फिजिकल सिस्टमचा वापर करून यंत्रांना स्वतःच्या निर्णय घेण्याची सक्षमता मिळते. या सेटअपमध्ये इंटरनेट कनेक्टेड डिव्हाइसेसचे संयोजन कृत्रिम बुद्धिमत्ता विश्लेषणासह केले जाते जेणेकरून उत्पादन ओळी स्वतःच दुरुस्त करू शकतात जेव्हा काहीतरी चूक होते, त्यासाठी कामगारांना हस्तक्षेप करण्याची आवश्यकता नसते. नेचर रिसर्चच्या एका अभ्यासात म्हटले आहे की या तंत्रज्ञानाचा अवलंब करणाऱ्या कारखान्यांमध्ये मोठ्या प्रमाणात उत्पादनांच्या तयारी गुणवत्तेशी संबंधित समस्या 39 टक्के कमी होतात, जे उत्पादकांसाठी अपव्यय कमी करण्यासाठी आणि पैसे बचत करण्यासाठी मोठा फरक पाडते.
औद्योगिक स्वयंचलितीकरणाच्या बाबतीत, डिजिटल रूपांतरणाला गती देणे हा एक मोठा फायदा आहे. उदाहरणार्थ, पूर्वनिर्धारित देखभालीचा विचार करा, जी वास्तविक वेळेत उपकरणांचे डेटा पाहते आणि अनियोजित थांबवण्याच्या घटनांना सुमारे 20-25% पर्यंत कमी करू शकते. नवीन स्वयंचलित सेटअप्सही कारखान्यांना अधिक हुशारीने चालवण्यास मदत करत आहेत. ऑटोमेटेड लोड बॅलेन्सिंग वैशिष्ट्यांमुळे ऊर्जा क्षमतेमध्ये सुमारे 15 ते 20 टक्के सुधारणा होत आहे, तरीही उत्पादन आकडेवारी स्थिर राहत आहे. याचे कार्य यशस्वी करण्याची खरी कुवत म्हणजे कारखान्याच्या जमिनीवरूनचे सेन्सर डेटा अडचणीशिवाय ERP प्रणालींमध्ये मिळवणे होय. यामुळे प्रतिक्रिया लूप तयार होतात ज्यामुळे व्यवस्थापकांना समस्यांना त्वरित प्रतिसाद देता येतो आणि सुरुवात ते शेवटपर्यंत संपूर्ण कार्याची माहिती मिळते.
सिएमेन्स अमबर्ग इलेक्ट्रॉनिक्स प्लांट हा डेटा कसा उत्पादन प्रक्रियेला बदलू शकतो याचा एक उत्कृष्ट उदाहरण आहे. डिजिटल ट्विन तंत्रज्ञान आणि स्वयंचलित प्रणालींच्या मदतीने त्यांनी 99.99% इतकी जवळजवळ पूर्ण उत्पादन गुणवत्ता साध्य केली आहे, तर उत्पादकता सुमारे तीन चौथाई वाढली आहे. त्यांच्या स्वयंचलित ऑप्टिकल तपासणी सेटअपमुळे दोष निदानापासून चुकणारे दोष 0.0015% पर्यंत कमी झाले आहेत, जे विचार करता खूपच उल्लेखनीय आहे. सुमारे 1,500 वेगवेगळ्या उपकरणांमार्फत प्रत्येक दिवशी सुमारे 50 दशलक्ष डेटा अद्यतने होतात. ही विशाल माहिती वनस्पतीमध्ये सामग्रीच्या हालचाली स्वयंचलितपणे अनुकूलित करण्याची परवानगी देते. ही क्रिया इतकी प्रभावी का आहे हे त्याच्या पातळीवरील प्रमाणात बारकाईने राखल्यामुळे स्मार्ट कारखाना कामकाजाच्या सर्व पैलूंमध्ये त्याची वाढ कशी होते.
आजकाल अधिकाधिक उत्पादक प्लग-एंड-प्ले रोबोटिक्स कनेक्शनसह मॉड्यूलर स्वयंचलित सेटअपकडे वळत आहेत. सुमारे 68 टक्के नवीन उत्पादन ओळींमध्ये आता या प्रकारची प्रणाली समाविष्ट आहे. प्रादेशिक रुझानांकडे पाहताना, एशिया-पॅसिफिक नक्कीच स्वयंचलित तंत्रज्ञानाला स्वीकारण्यात अग्रेसर आहे. त्यांनी गेल्या वर्षी एकूण औद्योगिक स्वयंचलिततेवरील खर्चाचे सुमारे 43 टक्के भाग बाळगले आहे, मुख्यतः तेथील कंपन्या इलेक्ट्रॉनिक्स उत्पादन आणि कार उत्पादन क्षेत्रात दोन्ही बाजूंनी जोरदार प्रयत्न करत आहेत. त्याचवेळी मेघ-आधारित स्वयंचलित समाधानांमध्ये देखील मोठ्या प्रमाणात वाढ झाली आहे, 2020 च्या सुरुवातीपासून सुमारे 200 टक्के वाढ झाली आहे. हे प्लॅटफॉर्म जगभरातील कारखान्यांना हजारो मैल दूर असूनही निर्विघ्न सहकार्य करण्यास शक्यता देतात.
कृत्रिम बुद्धिमत्तेद्वारे सक्षम ऑटोमेशन मशीन लर्निंगवर अवलंबून असते, जी नोंदींच्या इतिहासासह वर्तमान माहितीची प्रक्रिया करते, ज्यामुळे कारखान्यातील ओळी स्वतःला वेळोवेळी अनुकूलित करू शकतात. ही तंत्रज्ञान उत्पादन वेग, वीज वापर, आणि सामग्री सिस्टममधून कशी वाहती यासारख्या गोष्टींमध्ये तातडीने बदल करते. कार उत्पादन करणाऱ्या कारखान्यांमध्ये विशेषतः, अलीकडील उद्योग अहवालांनुसार, हे स्मार्ट अनुकूलन अंदाजे 18 टक्के वाया जाणार्या सामग्रीत कपात करण्यास सक्षम आहे. जुन्या निश्चित पद्धतींपासून या प्रणालीला वेगळे करणारी गोष्ट म्हणजे मशीन्स घसरण आणि ताण दाखवू लागल्यावर खरोखरच शिकण्याची क्षमता. ब्रेकडाउनची वाट पाहण्याऐवजी, ते पळवाटांच्या परिपक्वतेला सामोरे जातात तरीही जुन्या औद्योगिक उपकरणांच्या आयुष्यभर उत्पादन गुणवत्ता योग्य पातळीवर राखतात.
आजच्या 74 टक्के कारखाने आता आयआयओटी तंत्रज्ञानाद्वारे जोडले गेले आहेत, जे उत्पादन फ्लोअरवर साधनांमध्ये आणि सीएनसी मशीन्समध्ये सेन्सर्सचे एकीकरण करते. ही प्रणाली लाइव्ह डेटा केंद्रीय मॉनिटरिंग स्क्रीनवर पाठवते जिथे कारखान्यातील कर्मचारी प्रतिक्रिया तापमानातील बदल जवळपास तात्काळ समजू शकतात, कधीकधी अवघ्या तीन दशांश सेकंदात. संवेदनशील मशीनिंग कार्यादरम्यान रोबोटिक भुजा समायोजित करण्याची आवश्यकता असल्यास ऑपरेटरला सूचना देखील मिळतात. तसेच, आगमनावर प्रणाली सामग्रीला उत्पादन ओळीवर कोणत्याही क्षणी आवश्यक असलेल्या गोष्टीशी जुळवून घेण्यास मदत करते. सर्व या वैशिष्ट्यांमुळे सुविधेभर असलेल्या संसाधनांचा कार्यक्षमतेने वापर केला जातो.
जेव्हा कंपन्या एज कॉम्प्युटिंग राबवतात तेव्हा सामान्यतः निर्णय घेण्यासाठी लागणारा वेळ 2 किंवा 3 मिलीसेकंदांपर्यंत कमी होतो कारण सिस्टम मशीन व्हिजन आणि कंपन डेटा तिथेच प्रक्रिया करते जिथे ते घडते आणि सर्व काही बाहेरील स्थानावर पाठवत नाही. एका फार्मास्युटिकल कंपनीचा उदाहरणार्थ घ्या, त्यांनी अशा विशेष एज-सक्षम कॅमेरे स्थापित केल्यानंतर त्यांचा तपासणीचा वेळ जवळपास निम्मा कमी केला. हे कॅमेरे खराब व्हायल कॅप्स ताबडतोब ओळखून त्यांना बाजूला काढून टाकतात आणि त्यासाठी मेघमालेमधील कुठल्याही इतर स्थानाकडून पुष्टीची वाट पाहत नाहीत. खरं तर यात रोचक गोष्ट म्हणजे या एज डिव्हाइसेस ही माहिती कशी हाताळतात हे आहे. ते खरेदीच्या 90 टक्के गोष्टी फॅक्टरी फ्लोअर लेव्हलवरच फिल्टर करून बाजूला काढतात. यामुळे नेटवर्क कनेक्शन्सवरील डेटाचा दबाव कमी होतो आणि समस्या उद्भवल्यास प्रतिसाद देणारी सिस्टम खूप वेगाने कार्य करते.
औद्योगिक इंटरनेट ऑफ थिंग्ज नक्कीच उत्पादकता वाढवते, परंतु अनेक उत्पादकांना सुरक्षा समस्यांची चिंता असते जेव्हा त्यांचे उपकरणे जोडली जातात. दोन तृतीयांश कारखाना व्यवस्थापक वास्तविकतेत त्यांच्या नेटवर्क केलेल्या मशीनसाठी सायबर सुरक्षा ही मुख्य चिंतेची बाब असल्याचे सांगतात. आजकाल कंपन्या शून्य संस्थेच्या वास्तुकलेची अंमलबजावणी करण्यास सुरुवात करत आहेत, ज्यामुळे रोबोट कार्यस्थाने सामान्य व्यवसाय संगणकांपासून वेगळे ठेवले जातात. ते संवेदनशील एआय प्रशिक्षण डेटा सुरक्षित एन्क्रिप्टेड ठेवामध्ये साठवतात जेणेकरून स्पर्धक बौद्धिक संपत्ती चोरू शकणार नाहीत. शीर्ष कामगिरी करणारे कारखाने मालमत्ता वर्षाच्या आधारावर कठोर प्रवेश परवानग्या सेट करून मूलभूत सुरक्षेपेक्षा पुढे जातात. काही कंपन्या प्रत्येक दुसऱ्या आठवड्यात पेनिट्रेशन चाचण्या देखील चालवतात ज्या विशिष्टरित्या त्या प्रोग्रामेबल लॉजिक कंट्रोलर्सला लक्ष्य करतात जे त्यांच्या ऑपरेशनल तंत्रज्ञान नेटवर्कमध्ये महत्त्वाच्या उत्पादन प्रक्रियांचे व्यवस्थापन करतात.
डिजिटल ट्विन तंत्रज्ञान वास्तविक उत्पादन प्रणालीची आभासी प्रतिकृती तयार करते आणि आजच्या कारखान्यांच्या कामकाजाची पद्धत बदलत आहे, कारखान्यातील जमिनीवर जे काही घडते आहे ते त्याच प्रमाणे प्रतिबिंबित करत आहे. डिजिटल थ्रेड क्षमतांसह जोडले गेल्यास, उत्पादकांना प्रारंभिक डिझाइन टप्प्यापासून ते अंतिम उत्पादनापर्यंत अखंड डेटा प्रवाह मिळतो. यामुळे ते सिम्युलेशन चालवू शकतात, जिथे गोष्टी योग्य प्रकारे कार्य करत नाहीत ते ओळखू शकतात आणि कोणतीही महागडी गुंतवणूक करण्यापूर्वी बदलांची चाचणी घेऊ शकतात. गेल्या वर्षी प्रकाशित केलेल्या संशोधनानुसार, या पद्धतीचा अवलंब करणार्या व्यवसायांना त्यांच्या प्रोटोटाइपिंग खर्चात सुमारे 28 टक्के घट झाली आहे, तसेच उत्पादने बाजारात आणण्यासाठी पारंपारिक पद्धतींपेक्षा खूप जलद तयार झाली.
वास्तविक वेळेतील सेन्सर माहिती मशीन लर्निंग अल्गोरिदमशी जुळली गेली की डिजिटल ट्विन तंत्रज्ञान अंदाजे 92% यशस्वीतेने अंदाज लावू शकते की उपकरणे कधी अपयशी ठरू शकतात. अभियंते आता व्हर्च्युअल कमिशनिंग ची घटना वापरतात ज्यामध्ये ते संपूर्ण उत्पादन ओळी प्रथम सिम्युलेशन सॉफ्टवेअरमध्ये तपासतात. यामुळे अंदाजे 40% प्रमाणात वाईट लागणारी अंमलबजावणी विलंब कमी होते, ज्यामुळे कारखान्याच्या जागांवर मोठा फरक पडतो. ही संपूर्ण प्रणाली अप्रत्याशित ब्रेकडाउन टाळण्यास मदत करते आणि वास्तविक जगात सर्वकाही सुरू झाल्यावर मशीन्स ऊर्जा वाया घालवत नाहीत याचीही खात्री करते. अनेक उत्पादन प्रकल्पांमधून अभियानाच्या वेळी समस्या शोधण्याऐवजी आधीच्या काळात हे सिम्युलेशन चालवल्याने मोठी बचत होते.
एका मोठ्या ऊर्जा कंपनीने त्यांच्या संचालनांमध्ये 200 हून अधिक वायु टर्बाइन्सवर डिजिटल ट्वीन तंत्रज्ञान लागू केले. त्यांनी इंजिनमधील दहन प्रक्रियेचा अभ्यास करण्यासाठी आणि कालांतराने घटकांच्या घसरणीचे अनुसरण करण्यासाठी या आभासी प्रतिकृतींचा वापर केला. निष्पन्न झालेले परिणाम खरोखरच प्रभावी होते. आता त्यांच्या देखभाल पथकांना अपघटन घडण्यापूर्वीच घटकांना लागणारी काळजी ओळखता येऊ लागली. या दृष्टिकोनामुळे प्रति वर्ष टर्बाइनच्या कामगिरीत सुमारे 6.2 टक्के सुधारणा झाली. देखभाल खर्चातही मोठी घट झाली, फक्त पहिल्या तीन वर्षांत अठरा दशलाख डॉलर्सची बचत झाली. तसेच, उपकरणे अपेक्षेपेक्षा जास्त काळ टिकली. औद्योगिक वातावरणात या सर्व गोष्टींमुळे सिस्टम विश्वासार्हता आणि खर्चात बचत यामध्ये डिजिटल ट्वीन तंत्रज्ञान किती फरक पाडू शकते याचे हे उत्तम उदाहरण आहे.
औद्योगिक स्वयंचलनातील बदल मेंटेनन्सच्या कामाला बदलत आहे, ते समस्या निर्माण झाल्यानंतर त्याची दुरुस्ती करण्याऐवजी ते घडण्यापूर्वीच त्यांचा अंदाज लावण्याकडे जात आहे. सेन्सर्स आणि मशीन लर्निंग तंत्रज्ञानाचा वापर करून, कारखाने आता सात ते तीस दिवस आधीच संभाव्य समस्या ओळखू शकतात. अलीकडील उद्योग अहवालांनुसार, ज्या कंपन्या या प्रतिबद्ध प्रणाली राबवतात त्यांना सुमारे 40 ते 50 टक्के कमी अनपेक्षित बंद बघावे लागतात. स्मार्ट कॉम्प्युटर प्रोग्राम इक्विपमेंटच्या मागील कामगिरी, कंपन पॅटर्न, तापमानाचे वाचन इत्यादी सर्व प्रकारचे डेटा पॉइंट्सचे विश्लेषण करून बेअरिंग्ज, इलेक्ट्रिक मोटर्स किंवा हायड्रॉलिक सिस्टमसारखे भाग ओळखतात जे आपल्या अखेरच्या टप्प्यात असू शकतात. ही लवकरचेतावनी देणारी प्रणाली प्लांट व्यवस्थापकांना आपातकालीन दुरुस्तीसाठी महागड्या खर्चाऐवजी नियोजित डाउनटाइम दरम्यान दुरुस्ती करण्यासाठी मौल्यवान वेळ देते.
आधुनिक स्वयंचलित प्रणालीमध्ये आयओटी सेन्सर्स एम्बेड केलेले असतात जे 15 पेक्षा जास्त मापदंडांचे निरीक्षण करतात, त्यात स्नेहकाचा श्यानता आणि विद्युत भारातील चढउतारांचा समावेश होतो. ही सततची दूरमिती संप्रेशर व्हॉल्वच्या क्षयाचे वेळीचे निदान करण्यास, कंपन विश्लेषणाद्वारे कन्व्हेअर बेल्टच्या म्यालाइनमेंटमध्ये सुधारणा करण्यास आणि रोबोटिक आर्म सर्वो मोटर्ससाठी प्रीडिक्टिव्ह प्रतिस्थापन वेळापत्रक तयार करण्यास मदत करते, ज्यामुळे प्राक्तनिक देखभाल आणि निरंतर कामगिरी सुनिश्चित होते.
एकत्रित डेटा ऑर्केस्ट्रेशन प्लॅटफॉर्म प्रति उत्पादन ओळीवर दररोज 2.5 दशलक्ष डेटा पॉइंट्सची प्रक्रिया करतात, प्रीडिक्टिव्ह मॉडेल्सना महत्त्वाचे इनपुट्स पुरवतात:
| डेटा प्रकार | विश्वासार्हतेवरील परिणाम |
|---|---|
| उपकरण लॉग्स | घटकांच्या आयुष्यावर परिणाम करणार्या वापराच्या नमुन्यांचे निरीक्षण करते |
| ऊर्जा मेट्रिक्स | मोटर्समधील इन्सुलेशन ब्रेकडाउनचे निरीक्षण करते |
| गुणवत्ता नियंत्रण सांख्यिकी | उत्पादन दोषांचे मशीन आरोग्याशी सहसंबंध लावते |
उद्योग हा अपयशानंतर दुरुस्तीच्या दृष्टिकोनातून डिजिटल ट्विनद्वारे सक्षम केलेल्या निर्देशात्मक देखभालीकडे वळत आहे. 3डी उपकरणांच्या सादृश्यांना वास्तविक जगातील सेन्सर डेटासह जोडून अव्वल अवलंबक 93% प्रथम-वेळेच्या दुरुस्तीच्या अचूकतेची प्राप्ती करतात, ज्यामुळे अनावश्यक देखभाल तपासण्या 34% कमी होतात (मॅन्युफॅक्चरिंग लीडरशिप कौन्सिल 2024).
सायबर-फिजिकल सिस्टम्स (CPS) एम्बेडेड सेन्सर्स आणि IoT नेटवर्कद्वारे भौतिक मशीनरीला डिजिटल बुद्धिमत्तेसह एकत्रित करतात, ज्यामुळे वास्तविक-वेळेत देखरेख आणि अनुकूलित नियंत्रण शक्य होते. CPS वापरणाऱ्या कारखान्यांमध्ये पुरवठा साखळीतील अडथळ्यांना 18–23% अधिक वेगाने प्रतिसाद दिला जातो. एज कॉम्प्युटिंगचा अंतर्भाव करून, CPS निर्णय घेण्याचा विलंब कमी करतात आणि मानवी हस्तक्षेपाशिवाय स्वायत्त गुणवत्ता नियंत्रण समायोजनाला समर्थन देतात.
आजचे स्वयंचलितीकरण म्हणजे मानव आणि एआय सिस्टम एकत्रित काम करणे. या सहकारी रोबोट्स, किंवा कोबॉट्स म्हणून ते म्हणतात, त्यांच्याकडे स्मार्ट कॅमेरे असतात ज्यामुळे ते मानव सहकारी कामगारांच्या जवळ असलेल्या नाजूक कामांची देखभाल करू शकतात. या मशीन्सने असेंब्ली लाइन वर्कलोडचे सामायिकरण सुरू केल्यापासून कारखान्यांमध्ये पुनरावृत्तीयुक्त स्ट्रेन दुखापतींमध्ये सुमारे एक तृतीयांश कमी झाल्याचे नोंदवले गेले आहे. काही कंपन्या तर अशा एआय सहाय्यकांचा वापर करतात जे उत्पादन चालवण्याचे वेळापत्रक ठरवण्यासाठी कर्मचार्यांना मदत करण्यासाठी मागील कामगिरीचे विश्लेषण करतात. हे एक चांगले चक्र तयार करते ज्यामध्ये प्रत्येकजण सर्वोत्तम पद्धतींशी शिकतो, ज्यामुळे फक्त गोष्टी जलद गतीने होत नाहीत तर कालांतराने कामाची जागा सुरक्षितही होते.
जनरेटिव्ह एआयच्या उदयामुळे प्रक्रिया डिझाइनच्या आपल्या दृष्टिकोनात बदल होत आहे, ज्यामुळे अभियंत्यांना काही मिनिटांत शेकडो किंवा तर हजारो उत्पादन परिस्थितींचा अभ्यास करता येतो. उदाहरणार्थ, एका ऑटोमोबाइल उत्पादकाने नुकतेच त्यांच्या वेल्डिंग ऑपरेशन्सचे पुनर्विचार करण्यासाठी या एआय मॉडेल्सचा अनुप्रयोग केला. त्यांनी क्रमवारीत बदल केल्यानंतर ऊर्जा वापरात सुमारे 12 टक्के कपात केली. या तंत्रज्ञानाला खरोखर शक्तिशाली बनवणारी गोष्ट म्हणजे त्याची प्रीडिक्टिव्ह मेंटेनन्स टूल्ससोबत काम करण्याची क्षमता. ही एकत्रित केलेली प्रणाली खरोखर सुचवू शकते की कधी उपकरणांचे अपग्रेड करणे योग्य आहे, त्यासाठी प्रारंभिक खर्चाची तुलना अनपेक्षित ब्रेकडाउन टाळून आणि प्रत्येक दिवशी सर्वकाही सुरळीत चालू ठेवून नंतर किती पैसे वाचवता येऊ शकतात याचा विचार करून.
2026 पर्यंत डिस्ट्रिब्युटेड एआयकडे जाण्याच्या प्रक्रियेत सुमारे 65% उत्पादक एज-आधारित न्यूरल नेटवर्क अंगीकारण्याची अपेक्षा आहे. या प्रणालीमुळे वादळाच्या गतीला तोंड देणार्या वादळाच्या तुलनेत वादळाच्या गतीला तोंड देणार्या वादळाच्या तुलनेत क्लाउड-आधारित दृष्टिकोनांना जास्त गतीने तोंड देणे शक्य होते. उद्योगातील 5G सक्षम स्मार्ट फॅक्टरीजच्या वाढीसह, स्वयंचलित प्रक्रिया सामग्रीनुसार आणि उत्पादन चक्रांदरम्यान मागणीत होणार्या बदलांनुसार स्वतःला समायोजित करणार्या अल्गोरिदमवर अधिक अवलंबून राहण्यास सुरुवात करीत आहेत. हा कल आधुनिक उत्पादन गरजांना पूर्ण करण्यासाठी आणि त्वरीत प्रतिसाद देण्यासाठी आवश्यक असलेल्या उत्पादन प्रक्रियांसाठी एक महत्त्वाचे पाऊल ठरत आहे.
स्मार्ट फॅक्टरीज सायबर फिजिकल सिस्टमचा वापर करतात ज्यामुळे अशा यंत्रांना स्वतःची ठरवण्याची सक्षमता मिळते की ज्यामध्ये इंटरनेट-कनेक्टेड डिव्हाइसचे एआय विश्लेषणासह संयोजन केले जाते, उत्पादन ओळींमध्ये मानवी हस्तक्षेप कमी होतो.
उत्पादन व्यवस्थापन सुधारणे आणि गुणवत्ता समस्या कमी करणे तसेच अधिक ऊर्जा क्षमता आणि अचूक देखभालीची योजना आखणे यासाठी डिजिटल रूपांतरणाला गती देण्यासाठी औद्योगिक स्वयंचलितता महत्वाची भूमिका बजावते.
डेटा तयार होण्याच्या स्थानावरच वास्तविक वेळेत डेटा प्रक्रिया करण्याची एज कॉम्प्युटिंगची क्षमता उत्पादन प्रक्रियेत विलंब कमी करणे आणि प्रतिक्रिया वेग वाढवणे सोपे करते.
सायबर-फिजिकल सिस्टम हे भौतिक मशीनशी डिजिटल बुद्धिमत्तेचे एकीकरण करून वास्तविक वेळेत देखरेख, अनुकूलित नियंत्रण आणि पुरवठा साखळीतील खंडनाला त्वरित प्रतिसाद देणे शक्य करते.
Copyright © 2024 by Shenzhen QIDA electronic CO.,ltd
EN