אתגר החדשנות בתעשייה: תרגום נתונים למבנה אחיד

המונח ה"המהפכה התעשייתית הרביעית" הוצג בשנים האחרונות בגרמניה, אחת מהמדינות המובילות בעולם בייצור תעשייתי ובפיתוח של מכונות ייצור תעשייתי. מהפכה תעשייתית כזו מתרחשת פעם ב-100 שנה. המהפכה התעשייתית השלישית שילבה בפס הייצור ההמוני מחשבים שקידמו אוטומציה של תהליכי ייצור ידניים שהתבצעו עד אז. מחשבים אלו נקראו PLC. הם מאפשרים לתכנת לוגיקה של תהליכי ייצור ומעקב אחריהם על ידי התקנת חיישנים במכונות.

עם השנים, האלגוריתמים של הייצור התפתחו, והיום ישנן מכונות אשר מבצעות את כל תהליך הייצור ללא התערבות אדם, אלא רק פיקוח. הפיקוח המסורתי על תהליכי הייצור התבצע וממשיך להתבצע על גבי מערכות SCADA. מערכת זו מאפשרת חיבור ואיסוף נתונים מכלל המכונות שנמצאות במפעל ואף בכמה מפעלים ואתרי ייצור, ולרוב מערכת זו מוזנת ממערכת ניהול הייצור אשר נקראת MES.

עם המהפכה התעשייתית והנגישות הגוברת לפלטפורמות ענן חל מעבר של מערכות בקרה וניהול ייצור מאתר הייצור אל הענן. מכאן, מגיע הצורך באיסוף נתוני ייצור ושליחת דרך פרוטוקולים חדישים כגון MQTT, אשר נתמכים על ידי פלטפורמות ענן. בנוסף, פלטפורמות אלו יכולות לקבל נתונים על פי מבנה מסוים, ומכאן הצורך לאחד את כל הנתונים למבנה אחיד.

איך זה קורה בפועל?

כדי שמכונות יוכלו לאגור מידע ולבצע אוטומציה של תהליך הייצור וכזו שמשתפרת בעתיד, שילבו בהן חיישנים למטרות איסוף נתונים ותקשורת. התוצאה במפעלים רבים ברחבי העולם היא, שמייצרים נתונים רבים, אבל בפועל אף אחד לא משתמש בנתונים כדי להפיק מהם תובנות, בין השאר בגלל בעיית חוסר אחידות של פרוטוקולים של מידע. למשל, נתון כמו כמה זמן המכונה ייצרה או עבדה באותו היום הוא הבסיס, ומבחינת הנהלת החברה משך זמן הייצור והעלויות הם נתונים קריטיים כדי שיהיה ניתן לנהל את החברה.

השלב הראשון הוא איסוף נתונים לניטור מכונות. הנתונים שנאספים מוצגים על צג כדי שמנהל העבודה יידע בזמן אמת מה קורה עם המכונה או פס הייצור. השלב הבא הוא ניתוח הנתונים לצורך שיפור תהליך הייצור. למשל, ניתן לפתח מודלים כדי לחזות תקלות, מה שמכונה בעגה המקצועית Predictive Maintenance. דוגמאות לטכנולוגיות כאלה הן, למשל Web-based SCADA, Predictive analytics, Digital twins ועוד, שיכולות, לדוגמה, לחזות מחסור עתידי בחומרי גלם על בסיס דפוס ייצור סדרתי.

האתגרים בחיבור רשת תקשורת של כל מכונות המפעל

פס ייצור מורכב מכמה מכונות, שכל אחת מהן יכולה להפיק מידע בצורה אחרת. לכל מכונה יש פרוטוקול תקשורת אחר להעברת נתונים, והוא מייצר אתגר למפעלים באימוץ חדשנות וביישומה.

יצרני מכונות משתמשים בפרוטוקולי תקשורת שונים כדי לענות על צרכים שונים. הגדרת המשתנים באוטומציה מתבצעת לפי שיקולי מהנדס אוטומציה, מה שמייצר קושי בחילוץ הנתונים ממקורות שונים ושמירתם בתוך מסד נתונים אחיד, אשר יאפשר ניתוח ושליפה קלה ומהירה לצורכי הפקת ערך. כך, עבור מפעל שמעוניין לפתח בצורה ידנית מתאם לפרוטוקול נתונים של מכונה מדובר בתהליך שייקח שבועיים בממוצע. עד לפיתוח פרוטוקול הנתונים, המכונה יכולה לעבוד כרגיל, אבל למפעל אין נתונים עליה. פרק הזמן הזה גם עולה למפעל כסף וגם אובדן של נתונים ראשוניים, שהשווי שלהם רק הולך ועולה בעידן המידע.

כדי שיהיה אפשר להפיק תובנות על תהליך הייצור מהנתונים אשר מופקים על ידי מכונות הייצור קיים צורך לקרוא את הנתונים, לזהות את המבנה שלהם, ובצורה אוטומטית לייצר חוקיות המרה לתרגום הנתונים למבנה אחיד שאנחנו מעוניינים בו.

כבר כיום לכל עובד במפעל יש גישה לכל הנתונים האחידים שמגיעים מהמכונות ומוצגים על מסך בזמן אמת, ובאמצעותם הוא יכול לקבל החלטות בשטח כיצד לשפר את תהליכי הייצור. השלב הבא בעתיד הוא אוטומציה בין מכונות באמצעות תרגום הנתונים המהיר: עוד בשלב הייצור המכונות ינוהלו על ידי AI בצורה אוטומטית, שתמקסם את יעילות הייצור, תוך חיסכון מירבי בעלויות.

הכותב הוא מנהל פיתוח עסקי בסיראג' טכנולוגיות (Siraj Technologies) המפתחת טכנולוגיות AI ולמידת מכונה לאימוץ מהיר של IoT.