Od samog početka uspostave pokretne trake u proizvodnji (1913.), tvornice su bile mjesto primjene inovativnih tehnologija kojima se željelo automatizirati i unaprijediti efikasnost proizvodnih procesa te poboljšati kvalitetu proizvoda zbog rasta profitabilnosti poslovanja.
Uvođenjem operativnih informacijskih sistema u poslovanje (plc, SCADA, BMS, itd.), tvornice su izgradile svoje paralelne povijesne (eng. legacy) sustave upravljanja. Navedeni sustavi su osigurali da tvornice budu podatkovno bogate, ali nažalost informacijski siromašne (eng. data rich, information poor), jer nisu omogućile integrirani, cjeloviti pregled procesa u realnom vremenu što je postalo ključni izazov u poslovanju.
Suvremene tehnologije, kao što su tehnologija u oblaku (eng. cloud technology), strojno učenje (eng. machine learning), povezani uređaji (eng. Internet of Things), proširena stvarnost (eng. augmented reality), aditivna tehnologija, kolaborativne mreže, digitalni blizanci (eng. digital twin) te umjetna inteligencija kreirale su veliki broj prilika, ali i nepoznanica za poslovanje iz aspekta daljnjeg tehnološkog smjera i razvoja budućih pametnih tvornica.
Kako bi kompanije maksimizirale upotrebu suvremenih tehnologija, u nastavku je prikazan provjereni fazni pristup u digitalnoj transformaciji od razvoja koncepta usklađenog s dugoročnim planom poslovanja, provedbe pilot projekta te cjelovite implementacije integriranog sustava pametne tvornice.
Definicija i razvoj pametnih tvornica
Iako postoji veći broj različitih definicija pametnih tvornica, njihov sadržaj uvijek naglašava da je riječ o naprednim, integriranim fizičko-digitalnim proizvodnim okruženjima koji koriste sustave obrade velikog volumena podataka (eng. big data) na temelju kojih provode autonomno učenje i optimizaciju vlastitih procesa u realnom vremenu. Pametne tvornice predstavljaju sastavni dio industrije 5.0 i čine ključni dio u povezanim lancima opskrbe. Primarni cilj pametnih tvornica je ubrzanje i optimizacija procesa, eliminacija grešaka u radu čime se postiže veća produktivnost i profitabilnost poslovanja.
Budući da je riječ o primjeni inovativne tehnologije u proizvodnim okruženjima, javila se potreba kreiranja testnih centara u kojima kompanije isprobavaju rješenja na kojima će izgraditi svoje pametne tvornice. Deloitte je uspostavio četiri globalna centra, od kojih je jedan smješten u Düsseldorfu, u kojima se provode simulacije kojima se prikazuje rad integriranih sustava planiranja, preventivnog održavanja, upravljanja proizvodnim pogonom i povezanim skladištim.
Preduvjet uspješne transformacije je dugoročni plan
Prema globalnom Deloitte istraživanju čak 86% ispitanih direktora u proizvodnim kompanijama vjeruje da će uspostava pametnih tvornica biti primarni nositelj rasta produktivnosti u proizvodnji u narednih 5 godina.
Razvojem različitih koncepata definira se put do uspješne digitalne transformacije tvornice koji je usklađen s poslovnom vizijom i strategijom kompanije. Uspješnost investicije u pametne tvornice se definira kroz dugoročni cilj optimizacije troškova proizvodnje, a koji će se operativno pratiti pokazateljima iskorištenosti kapaciteta (OEU), efikasnosti (OEE), održivosti i sigurnosti proizvodnje.
Ključno je naglasiti da se stvarna transformacija odnosi na promjenu dosadašnjeg načina rada i demistifikaciji postojećeg poslovnog procesa unutar cijelog lanca opskrbe tvornice, a ne na samoj tehnološkoj implementaciji novog rješenja. Nužno je analizirati trenutno stanje tvornice iz više perspektiva: organizaciji, procesima i sustavima, čime se osigurava razumijevanje trenutnog naslijeđenog poslovnog okruženja.
Projekt izgradnje pametne tvornice mora uključiti sve funkcije koje su ključne za rad tvornice, od samih operacija proizvodnje, održavanja, proizvodne tehnologije, logistike, planiranja do ostalih organizacijskih dijelova (npr. Financije, IT HR, razvoj proizvoda, marketing, itd.).
Takvim pristupom osigurava se sveobuhvatno integriranje više lokaliziranih sustava i izvora podataka, omogućava se optimizacija i standardizacija poslovnih procesa, te se definira fazni pristup u provedbi projekta i operativne uključenosti zaposlenika. Kako bi višegodišnja provedba projekta bila uspješna, nužna je podrška Uprave kojom se osigurava pravovremena komunikacija i potpora u potrebnim promjenama.
Ključni razlozi i prednosti provedbe pilot projekta
Kako bi osigurali provjeru kompatibilnosti rješenja, nužno je provesti 2 ili više pilot projekta na kojima sudjeluje uži krug multi-funkcijskih članova, koji svojom specifičnog ekspertizom osiguravaju da rješenje zadovoljava ključne funkcionalnosti na kojima će se temeljiti buduća pametna tvornica.
Suvremena digitalna rješenja u oblaku osiguravaju visoku razinu sigurnosti, brzinu, fleksibilnost i mogućnosti povezivanja (eng. API gateway) čime se osigurava brže i jednostavnije testiranje integracije s povijesnim sistemima kako bi se odmah na startu pilot projekta identificirala tehnička kompatibilnost rješenja u razvojnom okruženju.
Također, u toku pilot projekta nužno je odmah definirati ključne operativne vizualizacije kako bi se osiguralo adekvatno praćenje rada. Usporedbom podataka u digitalnom te procesa u fizičkom okruženju, osigurava se identifikacija uobičajenih izazova kao što su: (1) nepotpuni i netočni podaci u različitim sustavima, (2) procesne devijacije, (3) neažurirani operativni sistemi i (4) različiti načini organizacije rada. Ranom identifikacijom takvih izazova osigurava se definiranje operativne prilagodbe rješenja, organizacije i procesa čime se postiže kvalitetnija tranzicija prema pametnim tvornicama.
Implementacija na cijelu tvornicu i kreiranje pametnih sustava
Nakon uspješne implementacije pilot projekta, kreće izazovni dio organizacijske i operativne provedbe transformacije na cijelu tvornicu. U ovoj fazi ključni su voditelji tvornice i tehnički članovi timova koji su sudjelovali u prethodnoj fazi, kako bi osigurali da se postepenim uključivanjem preostalih funkcionalnosti osigura novi način rada sustava. Nužno je naglasiti da inicijalne devijacije u podacima, korisnici moraju operativno provjeriti i testirati u proizvodnji kako bi se otklonili tehnički ili operativni izazovi.
Nakon potvrde testa na cijeloj tvornici, osigurani su svi preduvjeti za siguran se prelazak na produkcijsko okruženje i potpunu integraciju rada sustava, opreme te zaposlenika u realnom vremenu. Zbog velikog obujma podataka iz proizvodnje, stvara se potreba za novim talentima u organizaciji iz područja podatkovne znanosti (eng. data science).
Njihov fokus je na tehničkim analizama podatka, te primjeni strojnog učenja i umjetne inteligencije kojima će se u budućnosti optimizirati poslovni procesi. Uobičajeno je da se koriste predefinirani modeli koji se testiraju i uče na limitiranim podacima iz proizvodnje, pri čemu se dobiveni rezultati validiraju, a finom kalibracijom se postižu bolji rezultati i preporuke modela.
Nužno je naglasiti da moderna tehnologija neće zahtijevati programerska znanja operativnih djelatnika u proizvodnji, već samo bolje razumijevanje procesa i značaj podataka iz proizvodnje. Navedeno je nužni preduvjet kako bi se dobivene preporuke modela kvalitetnije implementirale u procesu proizvodnje. Kako bi proizvodni djelatnici bolje prihvatili suvremenu tehnologiju u svojem operativnom radu, kompanije moraju provesti sveobuhvatni program treninga i komunikacije u kojem su definirani ciljevi vezani uz rast efikasnosti i kvalitetu proizvoda, te naglašene operativne prednosti upotrebe novih rješenja.
Zaključak vezan uz pametne tvornice
Budućnost konkurentnih tvornica se sigurno temelji na uspješnoj digitalnoj transformaciji kojom će se integrirati pametna rješenja u proizvodne procese neovisno o proizvodnom sektoru. Uspješne kompanije slijede fazni pristup na tom transformacijskom putu kako bi limitirale i pravovremeno otklonile navedene izazove te smanjile rizike vezane uz operativnu primjenu suvremenih tehnoloških rješenja u svojim proizvodnim procesima, osigurale bolju uključenost svojih zaposlenika u novom načinu rada i osigurali primjenu umjetne inteligencije u svojim tvornicama budućnosti.
* Sadržaj omogućio Deloitte
