Kluczowe obiekty działań transformacyjnych w zakresie procesów inżynierskich związanych z danymi będą należeć do obszarów związanych z systemami dziedzinowymi (MES, EAM, CMMS, CAx, Digital Twin), oraz do obszaru przetwarzania i wykorzystania danych (warstwa zbierania, agregowania, składowania oraz analityki danych).
Obszary i rodzaje działań zaawansowanej produkcji
Kompetencje i dojrzałość w obszarach zaawansowanej produkcji w konkretnym przedsiębiorstwie rozważane są jako wielowymiarowa konstrukcja, którą można scharakteryzować w czterech wymiarach tj.:
- łańcuch wartości,
- infrastruktura,
- procesy monitorowania i kontroli,
- procesy inżynieryjne.
Z punktu widzenia transformacji w obszarze cyfrowego obiegu danych, kluczowe są infrastruktura i procesy inżynieryjne, które obejmują w szczególności:
- strategię i długoterminowe planowanie zaawansowanej produkcji;
- procesy produkcyjne;
- procesy inżynierskie;
- procesy utrzymania ruchu;
- procesy łańcucha dostaw;
- procesy cyklu życia produktu.
Obejmują one m.in. działania w obszarach:
- Cyfryzacja zasobów – zasoby fizyczne przekształcane są do postaci cyfrowej za pomocą np. czujników Internetu rzeczy. Dane wygenerowane z tych czujników mogą pomóc w identyfikacji zjawisk, pomagają w konserwacji maszyn oraz monitorowaniu pracy zakładu. Ważne są także niezawodne narzędzia do przechowywania, udostępniania i analizowania generowanych danych.
- Prognozowanie – dane, a w szczególności Big Data, są pomocne w analizie rynku i przewidywaniu zapotrzebowania na surowce, które są jednym z największych zmiennych kosztów produkcji. Technologie mogą być używane do tworzenia symulacji sprzętu oraz modelowania wirtualnego zużycia, co pomaga w utrzymaniu sprawności maszyn i narzędzi, a także w zapewnieniu stałych dostaw.
- Predykcyjne utrzymanie ruchu – nowe rozwiązania informatyczne wykorzystywane są do podejmowania inteligentnych decyzji dotyczących produkcji, predykcyjnego utrzymania ruchu i zarządzania zasobami. Dane z całego łańcucha dostaw można analizować w celu przewidywania problemów z konserwacją jeszcze przed ich wystąpieniem oraz w celu optymalizacji zużycia surowców, poprzez dokładne prognozowanie i zarządzanie zapasami oraz produkcją.
- Analityka danych – dane z urządzeń IoT wraz z zaawansowanym oprogramowaniem do wizualizacji można stosować do tworzenia symulowanych modeli zasobów fizycznych, które umożliwiają przedsiębiorstwom realizację potencjalnych scenariuszy i uzyskanie lepszego obrazu sytuacji.
Obszary i rodzaje działań w warstwie danych i analityki
Z punktu widzenia transformacji w obszarze cyfrowego obiegu danych, procesy inżynierskie na nich operujące, tworzą swego rodzaju wirtualne bliźniaki, które istnieją w formacie cyfrowym i na podstawie różnych źródeł danych i modeli przekształcają dane w informacje. Istnieje szeroka gama źródeł, które opisują możliwości zastosowania danych z wirtualnych bliźniaków. W książce pt „Building Industrial Digital Twins”, wydanej przez Packt Publishing w 2021 r., wyróżnionych zostało sześć obszarów:
- Dane czasowe lub szeregi czasowe (ang. temporal or time series data) – za pośrednictwem czujników, automatyki, systemów sterowania i IoT zapewniają synchronizację danych na temat stanu fizycznego ze znacznikiem czasu w czasie rzeczywistym. Są przechowywane i dostępne w bazach danych szeregów czasowych, bazach danych historycznych i platformach IoT.
- Dane podstawowe (ang. master data) – są to zazwyczaj wolno zmieniające się dane kontekstowe, które służą do opisywania zasobów lub jednostek w systemach zarządzania zasobami przedsiębiorstwa (EAM/ERP), a także w narzędziach cyfrowego bliźniaka.
- Dane transakcyjne (ang. transactional data) – dane operacyjne/transakcyjne są to m.in. zapisy produkcji i konserwacji, informacje o łańcuchu dostaw oraz inne zapisy biznesowe związane z cyfrowym bliźniakiem. Zazwyczaj są przechowywane w systemach ERP, komputerowych systemach zarządzania utrzymaniem ruchu (CMMS), systemach realizacji produkcji (MES) i systemach produkcyjnych.
- Modele oparte na fizyce (ang. physics-based models) – dane podstawowe i transakcyjne wykorzystywane są w czasie rzeczywistym w obliczeniach opartych na fizyce i inżynierii do opisywania lub przewidywania stanu jednostki fizycznej – urządzenia.
- Modele analityczne (ang. analytical models) – są to modele matematyczne i statystyczne w środowisku wirtualnym, które wykorzystują źródła danych opisane wcześniej, aby przewidzieć obecny i przyszły stan fizycznego bliźniaka i jego otoczenia. Obejmują one także sztuczną inteligencję i uczenie maszynowe, w przypadku np. predykcyjnego utrzymania ruchu i innych działań.
- Modele wizualne (ang. visual models) – to cyfrowe modelowanie i tworzenie wizualizacji, takie jak projektowanie wspomagane komputerowo (CAD), rzeczywistość rozszerzona (AR), rzeczywistość wirtualna (VR), modelowanie informacji o budynku (BIM), system informacji geograficznej (GIS) i modele geofizyczne. Modele te są często używane w celu zmniejszenia złożoności systemu i zapewnienia wizualnej analizy różnych źródeł danych.