Pokračovanie článku z 20.11. Prvú časť nájdete tu
Proces dátového managementu sa dá demonštrovať na príklade autonómnej koordinácie výrobného toku a internej logistiky (zásobovania). V rámci inovačného projektu implementovala spoločnosť ANASOFT Smart Industry riešenie EMANS vo výrobnom podniku, kde sa najprv začalo so zberom dát z výrobných a dopravných zariadení. Vďaka tomu disponovali zamestnanci aktuálnymi a presnými informáciami o stave zásob materiálov v príručných skladoch, ako aj v centrálnom sklade.
Všetky presuny medzi jednotlivými pozíciami (pracoviskami) sú podrobne zaznamenávané a Smart Industry systém s nimi ďalej pracuje. Na základe integrácie dát z výrobných zariadení a intralogistiky bolo následne možné vyhotoviť presnú virtuálnu kópiu materiálových tokov vo výrobnom procese – digitálne dvojča vnútropodnikovej logistiky.
Spracovanie integrovaných a kontextualizovaných dát sémantickými modelmi umožňuje Smart Industry systému optimalizovať materiálové a zásobovacie toky. Vďaka správne nastavenému zberu a spracovaniu údajov zabezpečuje Smart Industry systém autonómnu, plynulú a hladkú koordináciu výrobných a prepravných zariadení.
Podnik tak môže bez problémov spĺňať výrobný plán, pretože má zabezpečené včasné a správne plnenie požiadaviek na synchronizované obsluhovanie jednotlivých výrobných pracovísk.
Virtualizácia logistických tokov
Smart Industry systémy a digitálne technológie vnášajú nový rozmer do analýzy dát. Výsledky analýz zhromaždených údajov sú dostupné v reálnom čase, čo výrazne znižuje reakčnú dobu pri rozhodovacích procesoch. Informačný systém vopred spracuje a vyhodnotí dáta a poverená osoba už disponuje lepšie zrozumiteľnými podkladmi na kvalifikované rozhodnutie.
V praxi to znamená, že i zamestnanci na nižších výkonných úrovniach môžu adekvátne a včas reagovať na mimoriadne situácie alebo dokonca zabrániť ich vzniku. Na druhej strane slúži dátová analytika na to, aby mohli Smart Industry systémy, postavené na princípoch kyberneticko-fyzikálnych výrobných systémov, disponovať vnorenými funkciami s prvkami autonómnej samoregulácie.
Inú podobu využitia dátovej analytiky predstavuje koncept digitálneho dvojčaťa. Digitálne dvojča je virtuálna reprezentácia fyzických a nefyzických objektov a entít. Sú nimi napríklad výrobné a prepravné zariadenia a pracovníci, ale taktiež procesy, systémy alebo celé prostredia. Digitálne dvojča tak už nie je iba virtuálnym modelom fyzického náprotivku, ale dynamický nositeľ dát a stavových informácií získaných prostredníctvom množstva senzorov a snímačov prepojených Internetom vecí (IoT).
Digitálne dvojča v tejto podobe teda slúži na monitorovanie fyzických objektov a nefyzických entít a tiež procesov v reálnom priestore a čase, nakoľko táto technológia umožňuje vytvárať veľmi detailný digitálny obraz so skutočnými dátami.
Ich využitie v komplexných simulačných modeloch zrýchľuje a uľahčuje rozhodovacie procesy, pretože zjednodušuje priamu identifikáciu možných následkov zvažovaných zmien, ako i kľúčových vzorcov správania v jednotlivých procesoch. Táto forma implementácie prináša nielen hlbšie poznatky o kauzalite jednotlivých zložiek v procesoch a prostrediach, ale i schopnosť odhaľovať rizikové miesta, ktoré je nutné stabilizovať a optimalizovať tak, aby sa zabezpečil udržateľný nárast výkonnosti procesov, ako aj posilnenie robustnosti prostredia.
Digitálne dvojča operuje s exaktnými, reálnymi a historickými údajmi, preto sa často využíva v simulačných modeloch, napríklad pri odhaľovaní úzkych hrdiel, zníženej priepustnosti v materiálovom toku, alebo s cieľom prediktívnej údržby napr. v prípade plánovania údržby dopravnej flotily podniku.
V oblasti logistiky sa najčastejšie využíva virtuálny model materiálových tokov, ktorý umožňuje podnikom efektívne riadiť jednotlivé časti dodávateľsko-odberateľského reťazca. V takomto modeli sú k dispozícii reálne dáta nielen o konkrétnych materiáloch, ale i o ostatných relevantných činiteľoch (vozidlách, poveternostných alebo dopravných podmienkach, odberateľských zadaniach apod.).
V súčinnosti s geografickými informačnými systémami (GIS) a ich mapovými podkladmi tak podniky získavajú okamžitý prehľad, napríklad o aktuálnej situácii flotily a polohe jednotlivých vozov. Táto funkcia je užívateľsky zrozumiteľná a často i nevyhnutná pre správne dispečerské riadenie (napríklad systém riadenia dopravy – TMS systém).
Umelá inteligencia sa bez dát nezaobíde
Dáta sa označujú „palivom“ štvrtej priemyselnej revolúcie a predstavujú vstupnú bránu pre správnu a úspešnú digitalizáciu a automatizáciu. Zber a analýza dát sú prvým krokom v zavádzaní komplexných kyberneticko-fyzikálnych produkčných systémov.
Ak podniky plánujú nasadzovať a využívať umelú inteligenciu (AI), ktorá sa, podobne ako IoT, stane taktiež každodennou realitou, potrebujú mať k dispozícii správne dáta, v správnom formáte a generované v reálnom čase. To znamená, že podniky budú musieť mať dostatočne stabilnú, robustnú, škálovateľnú a bezpečnú digitálnu infraštruktúru, ktorú v súčasnosti zabezpečujú Smart Industry systémy novej generácie.
Dáta sú nevyhnutné aj pre korektné a rýchle rozhodovacie procesy manažérov a operátorov logistiky, a tiež samotných zariadení, nakoľko technológie ako Internet vecí, digitálne dvojča a umelá inteligencia už v súčasnosti dokážu transformovať logistické zariadenia na inteligentné veci.
Inteligentné veci sa môžu rozhodovať samostatne a relevantné dáta im pomáhajú rozhodovať sa správne s ohľadom na čo najefektívnejšie vykonávanie pridelených úloh. Aj vďaka tomu sa otvára nová kapitola štvrtej priemyselnej revolúcie – umelá inteligencia vecí (AIoT), ktorá pretvára súčasné projekty automatizácie logistiky na novo vznikajúce stratégie logistickej autonomizácie.
Peter Bílik, Martin Kudláč – ANASOFT APR
