Przygotowanie robotów i pracowników do Czwartej Rewolucji Przemysłowej

Połączone z chmurą roboty spawające, pracujące na pokazanej na zdjęciu linii montażowej w fabryce samochodów, pomagają w realizacji wizji Przemysłu 4.0 przez monitorowanie samych siebie w celu wykrycia potencjalnych problemów zagrażających przestojami na linii oraz ułatwiają konserwację predykcyjną. Źródło: Robotic Industries Association (RIA)/Fanuc America Corp

Koncepcja Przemysłu 4.0 nie jest odległą wizją fabryki przyszłości. Już dziś całe sieci robotów łączą się z chmurą i przekazują ogromne ilości istotnych danych, które pomagają w upraszczaniu zarządzania i utrzymywania zasobów, maksymalizacji efektywności sprzętu i realizowanych procesów oraz zwiększaniu jakości wyrobów.

Koncepcja Czwartej Rewolucji Przemysłowej, czyli tzw. Przemysłu 4.0, może wydawać się bardziej pojęciowa niż rzeczywista. Dla wielu producentów pojęcia takie jak Przemysłowy Internet Rzeczy (IIoT), systemy cyberfizyczne, robotyka w chmurze, technologia „obliczeń we mgle” (ang. fog computing) oraz Big Data mogą brzmieć obco, onieśmielająco, a same wizje inteligentnej fabryki mogą sprawić, że wiele osób poczuje się zagubionych.

Inteligentna fabryka łączy cyfrowy świat technologii informacyjnej (IT)
z rzeczywistym światem technologii operacyjnej (OT), ale wiele osób nazywa to konwergencją technologii informacyjnej i operacyjnej (ang. IT/OT convergence). Jednak koncepcja Przemysłu 4.0 nie jest odległą wizją dla fabryki przyszłości. Jest obecna tu i teraz. Całe sieci robotów łączą się z chmurą i przekazują ogromne ilości szczegółowych danych. Obecnie producenci wykorzystują te swoiste „autostrady informacyjne” do upraszczania zarządzania i utrzymywania zasobów, maksymalizacji efektywności sprzętu i realizowanych procesów oraz poprawy jakości wyrobów.

Zapobiegać przestojom produkcji, zanim one wystąpią

Koncern General Motors (GM) zaprzęga obecnie do pracy technologię Internetu Rzeczy (IoT) oraz bloki konstrukcyjne technologii Przemysłu 4.0. Dostawca robotów dla tego producenta samochodów i jego partner strategiczny, korporacja Fanuc America, pomaga GM w budowie solidnych fundamentów pod inteligentną produkcję. Firmy GM, Fanuc oraz Cisco opracowały wspólnie rozwiązanie o nazwie „zerowy czas przestoju” (ang. Zero Down Time – ZDT), które wykorzystuje platformę oprogramowania opartą na technologii chmury obliczeniowej do analizowania danych zbieranych przez roboty pracujące w fabrykach koncernu GM w celu wykrywania potencjalnych problemów, które mogłyby doprowadzić do przestojów na produkcji.

Przy produkcji samochodów, gdzie nowe nadwozie opuszcza linię montażową co 60–90 sekund, minuta przestoju może kosztować producenta wyposażenia oryginalnego (OEM) ponad 20 tys. USD, a nawet pojedynczy przestój może łatwo doprowadzić do strat liczonych w milionach dolarów. Gdy linie montażowe stają, może wpłynąć to na cały łańcuch dostaw, co jeszcze bardziej zwiększa straty. Opóźnienia przenoszą się na klientów firmy, sprzedawców samochodów, użytkowników flotowych oraz indywidualnych nabywców pojazdów.

– Od jakiegoś czasu podejmowaliśmy już inicjatywy zmierzające ku lepszemu przewidywaniu kondycji maszyn oraz lepszemu utrzymywaniu naszego sprzętu produkcyjnego w ruchu – mówi Marty Linn, dyrektor firmy Advanced Automation Technologies i główny inżynier ds. robotyki w głównej siedzibie GM w Detroit (Michigan, USA). – Spotkaliśmy się z przedstawicielami firmy Fanuc i rozmawialiśmy o tym, co możemy zrobić, aby uniknąć problemów przy produkcji. To nie była jakaś wielka wizja Przemysłu 4.0. Mówiliśmy o tym, jak wyeliminować przestoje w naszych fabrykach, które wynikają z niestosowania konserwacji zapobiegawczej. Pilotażowy program ZDT został uruchomiony w GM w 2014 roku. Partnerstwo strategiczne firm GM i FANUC było tu kluczowym elementem, umożliwiającym sukces tego wdrożenia.

Historia współpracy pomiędzy tymi dwoma firmami sięga początków lat 80. ubiegłego wieku, gdy GM stworzyło joint venture z japońskim producentem robotów, powołując przedsiębiorstwo GM Fanuc Robotics Corporation, które miało opracowywać roboty i wprowadzać je na rynek w USA. Firma ta została potem sprzedana, jednak mocne więzy pozostały.

Połączona z chmurą obliczeniową platforma programowa zbiera i analizuje ogromne ilości danych pochodzących z tysięcy robotów, w celu zapobiegania przestojom, realizacji konserwacji zapobiegawczej oraz optymalizacji efektywności procesu.

Zwrot z inwestycji

ZDT nadal zmienia na lepsze sytuację w halach fabrycznych firmy GM. Jak podkreśla Marty Linn, od czasu wprowadzenia tego programu GM zdołał uniknąć ponad stu znacznych, nieplanowanych przestojów w produkcji. – Wprowadzenie programu ZDT pozwala uniknąć nieplanowanych przestojów na produkcji, trwających od sześciu do ośmiu godzin. Łatwo policzyć koszty. Są duże. To wielka rzecz dla nas i każdej z naszych fabryk, ale szczególnie dla zakładów produkujących na dużą skalę ciężarówki i SUV-y, w których każdy ewentualny przestój ma duże znaczenie.

Dysponując tysiącami robotów połączonych z chmurą obliczeniową i wymieniających z nią informacje, koncern GM szybko zaczął zdawać sobie sprawę z wysokości zwrotu z inwestycji (ROI) w nowy program.

– To nie jest technologia z kreskówki o Jetsonach – przyznaje Marty Linn. – To wykorzystanie analizy Big Data, Internetu Rzeczy, nowych algorytmów, możliwości komputerów, słowem wszystkich tych rzeczy, które ewoluowały w ciągu ubiegłych lat, i to wykorzystanie ich w najbardziej efektywny sposób. Zapobieganie przestojom i konserwacja zapobiegawcza lub nawet uprzedzająca mają ogromne znaczenie.

Prace konserwacyjne tylko w razie potrzeby

Koncern GM rozpoczął wdrażanie programu ZDT od połączenia z chmurą kilku tysięcy robotów w ciągu pierwszych dwóch lat realizacji. Do 2017 roku połączonych już było ponad 8500 robotów firmy Fanuc.

– Nasze wdrażanie rozpoczęliśmy powoli – mówi Marty Linn. – Gdy widzieliśmy jakiś problem w fabryce, wkraczaliśmy i wymienialiśmy podejrzane elementy, a następnie badaliśmy te części. I okazało się, że potrafiliśmy potwierdzić i udowodnić, że za jakiś czas mogłyby się one zepsuć. Zatem te części spowodowałyby przestoje, a dzięki naszym działaniom byliśmy w stanie zredukować przypadki nieplanowanych prac konserwacyjnych. Każdy z nas czuł się mocno podekscytowany. Mówiliśmy, że dokonaliśmy wielkiej rzeczy i zastanawialiśmy się, co jeszcze można z tym zrobić.

Koncern GM wykorzystuje także program ZDT do planowania prac konserwacyjnych tylko wówczas, gdy są one rzeczywiście niezbędne, nie zaś cykli rutynowych harmonogramów konserwacji.

– Na przykład jakiś robot może być zaprojektowany tak, aby jego rutynowe prace konserwacyjne były wykonywane co tysiąc godzin pracy, więc dla tego robota zaplanowalibyśmy te prace w takich odstępach czasu – mówi Marty Linn. – Ale w rzeczywistości robot mógłby pracować 1250 godzin, zanim wymagałby konserwacji. Obecnie pracujemy więc nad odejściem od sztywnych harmonogramów konserwacji – zamiast nich mają być wykonywane prace konserwacyjne tylko zgodnie z rzeczywistymi potrzebami. To jeden z głównych sposobów uzyskania znacznych oszczędności.

Platforma oprogramowania gotowego do pracy w Przemyśle 4.0 (Industrie 4.0-ready) łączy roboty w chmurze i dostarcza danych dotyczących ich pracy personelowi fabryk. Źródło: Robotic Industries Association (RIA)/KUKA

Uczenie maszynowe

Program ZDT ma zastosowanie nie tylko do robotów. Może być także wykorzystany w przypadku sprzętu realizującego procesy technologiczne, np. procesy bezpośrednio sterowane przez robota, takie jak spawanie, lakierowanie i niektóre aplikacje dozowania. Jako przykład Marty Linn podaje lakiernię w fabryce samochodów GM.

– Znając wartości ciśnienia powietrza w pistoletach lakierniczych, ciśnienia w układzie wentylacji, prędkości, z jaką elementy wykonawcze dozują lakiery, mając dużą liczbę procesów lakierowania i parametrów z nimi związanych, jesteśmy w stanie monitorować kondycję sprzętu, a zatem i jakość naszej produkcji – mówi Marty Linn.

Jakość powierzchni jest sprawą zasadniczą w lakierniach motoryzacyjnych. Wszystkie roboty lakierujące firmy Fanuc są gotowe na wdrożenie programu ZDT, co oznacza, że potrafią realizować różne funkcje, w tym monitorowanie kondycji pojemników z lakierem, dysz lakierniczych, regulatorów i napędu.

– Jeśli policzymy całkowitą liczbę ruchomych części związanych z lakierowaniem w fabryce samochodów, to okaże się, że około 200 przypada na jednego robota – mówi Jason Tsai, wiceprezes ds. rozwoju produktów firmy Fanuc America Corporation w Rochester Hills (Michigan, USA).  Znaczna liczba tych części ruchomych jest związana z urządzeniami specyficznymi dla tego procesu technologicznego, sterującymi pracą pistoletów lakierniczych i regulujących ciśnienie. Jeśli dowolne z tych urządzeń ulegnie jakiejkolwiek przedwczesnej awarii, może to spowodować problemy z jakością powłoki lakierniczej bądź przestój w produkcji.

Aktualnie koncern GM wykorzystuje program ZDT bardziej jako narzędzie konserwacji zapobiegawczej niż narzędzie adaptacyjne w procesie technologicznym, ale w miarę jak technologia ewoluuje, zbieranych jest i analizowanych więcej danych, zaś algorytmy ich przetwarzania są bardziej złożone. W przypadku uczenia maszynowego można zobaczyć, że ZDT może być bardziej narzędziem adaptacyjnym do poprawy procesu w czasie rzeczywistym.

– W przypadku lakierni, dzięki temu, że jesteśmy świadomi, jak bardzo jest to subtelny proces technologiczny i jak go na bieżąco korygować, potrafimy ulepszyć nasze procesy – mówi Marty Linn. – Chcemy rozszerzać naszą strategię posiadania takiego sprzętu, który jest inteligentny, potrafi wykonywać samodiagnostykę i informować nas o zmianach w swoim działaniu, byśmy mogli wkroczyć, gdy uznamy, że należy dokonać niezbędnych zmian nastaw lub naprawy sprzętu.

Przemysł samochodowy i inne branże

Rozwiązanie analityczne firmy Fanuc monitoruje obecnie ponad 10 000 podłączonych do chmury robotów pracujących w fabrykach klientów tej firmy na całym świecie, a liczba ta rośnie każdego dnia. Podczas gdy obecnie rozwiązanie to jest stosowane w przemyśle samochodowym, firma Fanuc planuje wsparcie programowe i sprzętowe dla przemysłu ogólnego i klientów spoza branży motoryzacyjnej.

– Nasze rozwiązanie powinno być skalowalne dla małych producentów z różnych gałęzi przemysłu, posiadających od dwóch do trzech robotów w swojej fabryce – powiedział Jason Tsai. – W przypadku małego producenta sposobem zainstalowania oprogramowania i skonfigurowania sprzętu powinien być „plug and play”, ponieważ taka firma zwykle nie ma działu informatycznego, który mógłby wykonać te operacje.

Na końcu firmy Fanuc i Cisco zamierzają użyć tej swoistej „autostrady” komunikacji danych, opracowanej dla programu ZDT, do połączenia sprzętu innego niż tylko roboty. Program ZDT jest bowiem częścią systemu FIELD (ang. Fanuc Intelligent Edge Link and Drive – system inteligentnego połączenia i sterowania urządzeniami brzegowymi), opracowanego przez firmę Fanuc. Zasadniczo stanowi on otwartą platformę oprogramowania, która pozwala na realizowanie zaawansowanej analityki i zaawansowanych mechanizmów uczenia maszynowego (ang. deep learning) przez maszyny CNC, roboty, urządzenia peryferyjne i czujniki wykorzystywane w systemach automatyki. FIELD jest oparty na technologii przeniesienia mocy obliczeniowej na poziom krawędzi sieci (ang. edge computing), w której duże ilości danych są przetwarzane w zakładzie produkcyjnym w urządzeniach brzegowych sieci, co minimalizuje zbiory danych i koszt ich udostępniania.

– W rozwiązaniu chmury ZDT dane przepływają z urządzeń znajdujących się na hali fabrycznej do chmury obliczeniowej, gdzie pojawiają się dodatkowe czasy oczekiwania lub opóźnienia – przyznaje Jason Tsai. – Korzyści z otrzymywania danych na hali fabrycznej przy wykorzystaniu platformy FIELD uzyskujemy wtedy, gdy jesteśmy w stanie odpowiadać na zdarzenia w czasie rzeczywistym i to właśnie realizuje system FIELD. Jest to oprogramowanie otwartej platformy, zainstalowane na sprzęcie komputerowym, który umożliwia nam dostęp do danych pochodzących z robota, sterownika PLC lub urządzenia sterującego obrabiarką, oraz dokonanie analizy tych danych w czasie rzeczywistym. Może ono nawet ograniczyć produkcję na podstawie naszego zachowania. To właśnie tutaj uczenie maszynowe w czasie rzeczywistym może być warte swojej ceny.

– Przemysł 4.0 nie jest tylko marzeniem. To rzeczywistość – mówi Jason Tsai. – Jest to ekscytujący czas dla automatyki.

Faktycznie jest to ekscytujący czas, ponieważ coraz więcej producentów robotów wprowadza swoje własne rozwiązania IIoT w celu wykorzystania potencjału połączeń urządzeń w sieci, zapowiadanego przez Przemysł 4.0.

Oprogramowanie dla sieci IIoT dostarcza informacje dotyczące robotów, monitoruje ich stan i wysyła alarmy dotyczące konserwacji na każde urządzenie, o każdej porze i w każdej lokalizacji. Źródło: Robotic Industries Association (RIA)/KUKA

Dane z robotów są do naszej dyspozycji

Z kolei KUKA Connect to oparta na technologii chmury obliczeniowej platforma oprogramowania, która pozwala klientom na łatwy dostęp i analizę danych pochodzących z ich robotów wyprodukowanych przez firmę KUKA AG (Niemcy), z każdego urządzenia znajdującego się w dowolnym miejscu i w dowolnym czasie. Rozwiązanie to realizuje trzy główne funkcje: zarządzanie informacjami o zasobach, monitoring kondycji sprzętu i alarmowanie o konieczności wykonania prac konserwacyjnych.

– Jeśli ktoś jest dużym klientem OEM, może posiadać tysiące robotów w jednej fabryce – stwierdza Andy Chang, dyrektor ds. marketingu produktów na rejon Ameryki Płn. i Płd. w firmie KUKA. – Sposobem, w jaki obecnie zarządzacie informacjami dotyczącymi waszych zasobów, jest zwykle wykorzystanie olbrzymich arkuszy programu Excel, które są aktualizowane ręcznie. Informacje w tych arkuszach mogą być dokładne lub nie, i właściwie możecie nie wiedzieć, których typów robotów one dotyczą.

Jak podkreśla Andy Chang, nieposiadanie precyzyjnych informacji na temat sprzętu może wpłynąć na jakość utrzymania ruchu robotów w ciągu okresu ich eksploatacji. – Mając tę platformę, możecie bez konieczności chodzenia wśród maszyn łatwo przeglądać wszystkie roboty w waszej fabryce i nawigować wśród nich indywidualnie, aby zobaczyć, czy były prawidłowo uruchomione, sprawdzić ich numery seryjne i jakie oprogramowanie jest w nich obecnie zainstalowane.

Jeśli chodzi o monitoring kondycji sprzętu, platforma KUKA Connect jest zaprojektowana do dostarczania specyficznych, kluczowych wskaźników efektywności (KPIs) robotów, aby pomóc personelowi technicznemu i wykonującemu prace konserwacyjne w szacowaniu jakości funkcjonowania robotów. Andy Chang podaje konkretny przykład – obserwację wykresów temperatur pracy dla różnych osi robota. Jeżeli pracownik produkcji lub utrzymania ruchu zaobserwuje, że trend na wykresie temperatury pewnej osi robota wykazywał wzrost w ciągu ostatniego tygodnia, to prawdopodobnie oznacza to dwie rzeczy: albo skrzynia przekładniowa przegrzewa się z jakiegoś powodu, albo należy zmniejszyć obciążenie robota, gdyż obiekt podnoszony przez robota być może ma zbyt dużą masę w stosunku do tej, do podnoszenia której został zaprojektowany.

Platforma KUKA Connect przeznaczona jest do zainstalowania zarówno na komputerach stacjonarnych, jak i urządzeniach mobilnych, smartfonach czy tabletach lub dowolnych innych urządzeniach obsługujących przeglądarkę internetową. Intuicyjne panele pomagają użytkownikom w wizualizacji danych na podstawie specyficznych kryteriów. Zarówno przy próbach optymalizowania harmonogramów konserwacji, jak i zarządzania stanami magazynowymi części zamiennych, wszystkie dane są do naszej dyspozycji, tak więc możemy przewidzieć potencjalne przestoje w produkcji i podjąć działania, aby rozwiązać problemy, zanim te przestoje rzeczywiście wystąpią.

– Dziś istnieją dwa sposoby, jakimi KUKA Connect dostarcza informacje – powiedział Andy Chang. – Pierwszy z nich jest bardzo prozaiczny. Gdy jakiś sterownik podaje komunikat o wystąpieniu błędu, to w czasie rzeczywistym dostarczamy o tym powiadomienie użytkownikowi wraz kodem i opisem błędu, tak że proces ten jest bardzo dynamiczny. Drugi sposób jest bardziej pasywny. Przedstawiamy te dane użytkownikowi końcowemu, a wtedy ten musi zinterpretować, co one oznaczają dla jego robota, linii produkcyjnej czy fabryki.

Ta platforma oprogramowania może być sprzęgana nie tylko z robotami, może także monitorować sprzęt automatyki kontrolowany przez sterownik robota, taki jak pistolet do zgrzewania punktowego czy pistolet klejowy lub nawet dodatkową oś robota, jeśli znajduje się on na szynie.

– Każda informacja, która jest kontrolowana lub wspierana przez układ sterowania robota, będzie częścią tej platformy – stwierdza Andy Chang. – To jest coś, nad czym obecnie pracujemy – zdolność do rzeczywistej wizualizacji danych z robota w połączeniu z danymi specyficznymi dla realizowanego procesu technologicznego. Użytkownik końcowy może znać nie tylko kondycję układu mechanicznego maszyny, ale również kluczowe parametry realizacji samego procesu.

Pracownicy ery Przemysłu 4.0

Aby w pełni zrealizować wizję Przemysłu 4.0 i inteligentnej fabryki, będziemy potrzebować dużych zespołów utalentowanych fachowców w różnych regionach geograficznych i gałęziach przemysłu. Na przykład firma Festo obecnie pomaga w budowaniu zespołów talentów i szkoli pracowników z umiejętności wymaganych do pracy w fabryce przyszłości.

Festo to globalny producent systemów pneumatycznych i elektromechanicznych, układów sterowania i komponentów rozwiązań sterowania procesami technologicznymi i automatyki przemysłowej. Ten niemiecki dostawca z branży automatyki wdrożył już w praktyce wizję Przemysłu 4.0 w swojej fabryce – Scharnhausen Technology Plant, gdzie produkowane są zawory, złącza zaworów i elektronika sterująca. Jej firma córka, Festo Didactics, jest światowym liderem w edukacji przemysłowej, a jej główną działalnością jest prowadzenie szkoleń technicznych dla instytucji i firm produkcyjnych.

Na targach Automate Show w Chicago w kwietniu 2017 r. Ted Rozier, menedżer ds. rozwoju technicznego w firmie Festo Didactic Inc. z Eatontown (New Jersey, USA) przedstawił obecną sytuację na rynku pracy w USA – ponad 300 000 stanowisk w firmach produkcyjnych pozostaje nieobsadzonych z powodu braku wykwalifikowanych kandydatów. Oczekuje się, że w najbliższych latach liczba ta jeszcze wzrośnie.

– Ważne jest, aby tak uczyć studentów, by byli oni zaznajomieni z kompletnym portfolio sprzętu i oprogramowania dla automatyki przemysłowej – mówi Ted Rozier. – Muszą rozumieć zarówno proces integracji robotów i sterowników PLC, jak i znać możliwości ulepszenia kompletnego procesu produkcji za pomocą technologii Internetu Rzeczy. W Europie jest to powszechna praktyka i próbujemy obecnie zachęcać do nauki przedmiotów technicznych w Ameryce Północnej.

Ted Rozier podkreślił znaczenie nauki wielodyscyplinarnej, w szczególności skoncentrowanej na mechatronice. – Internet Rzeczy musi się rozwijać, tak aby wspierać wdrożenie i penetrację technologii Przemysłu 4.0. Aby tego dokonać, potrzebne są zasoby ludzkie z odpowiednią wiedzą z zakresu informatyki i mechatroniki. Mamy okazję wykształcić ludzi, którzy nie tylko będą rozumieli automatyzację procesów produkcyjnych, ale i wpływali na nią, od poziomu biura do poziomu hali fabrycznej, od poziomu technologii informacyjnej do poziomu czujników, które pomagają robotom w podejmowaniu decyzji. Jest to ważna umiejętność, która decyduje o przewadze na rynku.

Modułowa platforma uczenia cyberfizycznego modeluje stacje robocze w rzeczywistym zakładzie produkcyjnym, co pomaga w nauczaniu studentów umiejętności interdyscyplinarnych, niezbędnych do pracy w środowisku Przemysłu 4.0 i inteligentnej fabryce. Źródło: Robotic Industries Association (RIA)/Festo Didactic

Fabryka fachowców

Firma Festo Didactic dostarcza „moduły kształcenia fabryki fachowców” (ang. learning factory modules), służące do realizacji praktycznych szkoleń z mechatroniki, technologii sterowania i technologii automatyki. System ten rozpoczyna się od pojedynczego projektu modularnego Project Workstation I4.0, uczącego podstaw teorii sterowania. Następnie można dodać kilka modułów w celu stworzenia kompletnej, cyberfizycznej fabryki fachowców, która może zawierać rzeczywisty przemysłowy system cyrkulacji palet czy autonomicznego robota mobilnego do łączenia różnych stacji roboczych.

System jest modularny, tak więc indywidualne stacje robocze mogą być do niego dodawane, usuwane i przesuwane dookoła, gdy zmieniają się wymagania dotyczące zakresu nauki. Tematy szkoleń obejmują: inżynierię projektów PLC, pracę z interfejsami człowiek-maszyna (HMI), czujniki identyfikacji radiowej RFID, uruchamianie serwerów sieci Web oraz interfejsów TCP/IP i OPC UA, monitoring zużycia energii i zarządzanie energią, pracę z inteligentnymi modułami danych procesowych, systemy planowania zasobów przedsiębiorstwa (ERP), systemy realizacji produkcji (MES) oraz szybkie prototypowanie.

Musimy przygotować naszych pracowników na nowe sposoby wzajemnego oddziaływania na siebie ludzi, maszyn i danych w hiperpołączonym świecie. Są to kroki, które możemy podjąć już teraz, aby lepiej przygotować się na erę Przemysłu 4.0 i inteligentnych fabryk.

Tanya M. Anandan jest redaktorem współpracującym ze Stowarzyszenia Przemysłu
Robotycznego (Robotic Industries Association – RIA) i portalu Robotics Online. RIA jest organizacją handlową typu non-profit, której celem jest poprawa konkurencyjności na rynku regionalnym, krajowym i globalnym firm produkcyjnych i usługowych z USA przez promocję automatyzacji i robotyzacji.