H πρώτη σημαντική συνεργασία μεταξύ software και hardware στη βιομηχανία χάνεται πίσω στη δεκαετία του ’70, όταν κάποιες πρωτόλειες μορφές συστημάτων ERP (Enterprise Resource Planning) υιοθετήθηκαν από πολυεθνικές βιομηχανίες, που βρίσκονταν στην αιχμή της τεχνολογίας. Τα σύγχρονα ERP άρχισαν να υιοθετούνται τη δεκαετία του 1990 διεθνώς –στην Ελλάδα με καθυστέρηση χρόνων– και σήμερα δεν νοείται αποδοτική βιομηχανία που να μην διαθέτει εξελιγμένο σύστημα ERP.

Τι πραγματικά είναι, όμως, ένα σύστημα ERP; Με δύο λόγια θα μπορούσε να χαρακτηριστεί ως το νευρικό σύστημα μιας επιχείρησης. Και ως γνωστόν κάθε οργανισμός που θέλει να κινείται προς το μέλλον, χρειάζεται αποτελεσματικό νευρικό σύστημα. «Μια εξόχως σημαντική διαδικασία στην παραγωγή είναι αυτή της σήμανσης και κωδικοποίησης των παραγόμενων προϊόντων. Αν το πρόβλημα διαγνωσθεί έγκαιρα, τότε η παρτίδα επανεπεξεργάζεται κι αυτό σημαίνει υψηλό κόστος. Σε αντίθετη περίπτωση μιλάμε για μεγαλύτερο πρόβλημα, αφού εκτός από την ελλιπή πληροφόρηση προς τον καταναλωτή, με ό,τι αυτό συνεπάγεται από πλευράς εμπορικών συνεπειών, εγείρει και συνέπειες νομικής φύσεως αφού το προϊόν δεν συμμορφώνεται με τη νομοθεσία», σημειώνει ο Αντώνης Αλεξανδρόπουλος, Διευθυντής Πωλήσεων του Όμιλου Θεοδώρου. Σύμφωνα με τον ίδιο, μια βασική λειτουργία ενός βιομηχανικού λογισμικού διαχείρισης παραγωγής είναι η διασύνδεση των συστημάτων σήμανσης και κωδικοποίησης με στόχο τον κεντρικό έλεγχο και την επιτήρησή τους. Η ενημέρωσή τους για το περιεχόμενο της σήμανσης γίνεται πλέον από το λογισμικό και βασίζεται στο πρόγραμμα της γραμμής παραγωγής, το οποίο εκπονεί εξειδικευμένο και έμπειρο στέλεχος, συνήθως στο κεντρικό λογισμικό της επιχείρησης (ERP).

Τα ERPs θα μπορούσαν να περιγραφούν ως ολοκληρωμένα πληροφοριακά συστήματα, που έχουν στόχο την υποστήριξη όλων των επιχειρησιακών δραστηριοτήτων. Στην πράξη ενοποιούν όλες τις σημαντικές δραστηριότητες της επιχείρησης καθώς και όλες τις διαδικασίες, υπό την ομπρέλα ενός κεντρικού συστήματος ελέγχου, το οποίο παρέχει συνολική εικόνα για τη λειτουργία της επιχείρησης. «Το βιομηχανικό λογισμικό βρίσκεται σε διαρκή επικοινωνία με το ERP και ενημερώνεται σε πραγματικό χρόνο, με το πρόγραμμα παραγωγής. Ο χειριστής της γραμμής επιλέγει στην ψηφιακή του οθόνη, την εντολή παραγωγής που θα εκτελέσει η γραμμή και τότε όλα τα συστήματα σήμανσης και κωδικοποίησης ενημερώνονται αυτόματα με το περιεχόμενο του μηνύματος, που πρέπει να εκτυπώσουν. Το βιομηχανικό λογισμικό παρακολουθεί επίσης, σε πραγματικό χρόνο, τη σωστή λειτουργία του κάθε συστήματος, φροντίζοντας να ενημερώσει άμεσα το χειριστή και τον προϊστάμενό του για την όποια δυσλειτουργία του εξοπλισμού» επισημαίνει ο κ. Αλεξανδρόπουλος.

Επιγραμματικά, ένα σύστημα ΕRP παρέχει υποστήριξη και οργάνωση πληροφοριών που αφορούν τις ακόλουθες επιχειρησιακές δραστηριότητες:
• Οικονομική και λογιστική διαχείριση.
• «Διαχείριση ανθρώπινου δυναμικού.
• «Διαχείριση αγορών και προμηθειών.
• Διαχείριση ποιότητας.
• Προγραμματισμός παραγωγής.
• Διαχείριση ροής εργασιών.
• Διαχείριση πωλήσεων και διανομών.
• Γενικός έλεγχος λειτουργίας.

Όπως αποδεικνύεται από τα παραπάνω, ένα σύστημα ERP παρέχει στην πράξη τη δυνατότητα επικοινωνίας μεταξύ όλων των τμημάτων μιας επιχείρησης και αποτυπώνει στην οθόνη ενός υπολογιστή το σύνολο, σχεδόν, των καθημερινών επιχειρηματικών πρακτικών. Κατά συνέπεια τα κύρια πλεονεκτήματα που προφέρει στις επιχειρήσεις «είναι η αύξηση της παραγωγικότητας, αφού σε κάθε αλλαγή προϊόντος ο χειριστής δεν χάνει χρόνο να ενημερώσει τα συστήματα, αλλά και η μείωση του κόστους, αφού εξαλείφεται η ανάγκη επανεπεγεργασίας της συγκεκριμένης παρτίδας. Επίσης, είναι η βελτίωση της ασφάλειας της επιχείρησης αφού από πλευράς σήμανσης, παράγει συμμορφούμενα προϊόντα. Τέλος, ενισχύεται η εμπορική θέση της επιχείρησης στην αγορά, αφού κερδίζει την εμπιστοσύνη του καταναλωτή» συμπληρώνει ο κ. Αλεξανδρόπουλος.

Από την πλευρά του, ο Αντώνης Παππάς, Διευθυντής Πωλήσεων της Siveco Hellas σημειώνει ότι «στην περίπτωση της ολοκλήρωσης με ERP, ο στόχος είναι η ενσωμάτωση του κόστους Προμηθειών καθώς και των αναλώσεων από την Αποθήκη στις Εντολές Εργασιών της Συντήρησης. Ανάλογα με το σενάριο ροής των πληροφοριών που θα επιλεχθεί (π.χ. οι αναλώσεις των Αποθηκών θα γίνονται στο CMMS και θα αντιγράφονται στο ERP), η διασύνδεση των δύο συστημάτων μπορεί να γίνει με απλούς τρόπους (π.χ. ανταλλαγή αρχείων) ή πιο σύνθετους (ενδιάμεσοι πίνακες, web services)». Σύμφωνα με τον κ. Παππά: «Το κύριο πλεονέκτημα που προσφέρει η λύση της διασύνδεσης του CMMS με το ERP αφορά την ακριβέστερη πληροφόρηση, αφού από την μία πλευρά το Τεχνικό Τμήμα μπορεί να χρησιμοποιεί μία απολύτως εξειδικευμένη και ευέλικτη εφαρμογή CMMS, ενώ από την άλλη η εταιρεία παρακολουθεί τα πραγματικά αποτελέσματα των δραστηριοτήτων του Τεχνικού Τμήματος χωρίς την ανάγκη διπλών εργασιών (κινήσεις χρηστών σε δύο συστήματα)».

Industry 4.0
Tις κοσμογονικές αλλαγές που φέρνει η τεχνολογία στη βιομηχανία, μπορεί αν τις αντιληφθεί κάποιος από το γεγονός ότι η πλέον προηγμένη βιομηχανική χώρα η Γερμανία, έχει καταρτίσει τη στρατηγική του Industry 4.0, η οποία προκύπτει από την αυξανόμενη υιοθέτηση Συστημάτων Αυτοματισμού, του Internet of Things, των Big Data και του Cloud Computing. «Η τέταρτη βιομηχανική επανάσταση είναι πλέον γεγονός και κάθε βιομηχανική μονάδα, που θέλει να αντιμετωπίσει τις προκλήσεις του μέλλοντος με αισιοδοξία, εξετάζει το πώς θα επιβιβαστεί σε αυτό το πολύ σημαντικό τραίνο. Στο εργοστάσιο του μέλλοντος όλα διασυνδέονται μέσω ψηφιακών τεχνολογιών, από το επίπεδο της γραμμής παραγωγής μέχρι τα πληροφοριακά συστήματα που βασίζονται στο σύννεφο (cloud). Ο εξοπλισμός και οι λειτουργίες του αποτυπώνονται και παρουσιάζονται ψηφιακά σε πραγματικό χρόνο» σημειώνει ο κ. Αλεξανδρόπουλος.

Η υιοθέτηση του Industry 4.0 θα ωφελήσει την παραγωγή λόγω της αυξημένης συνδεσιμότητας μεταξύ των μηχανών, γεγονός που θα επιτρέψει τη μετάβαση από το «χειροκίνητο» εργοστάσιο στο σχεδόν πλήρως αυτόνομο και αυτοματοποιημένο έξυπνο εργοστάσιο. Εξελιγμένες λύσεις λογισμικού συλλέγουν, μεταφέρουν και επεξεργάζονται δεδομένα προς περαιτέρω ανάλυση. Ο απώτερος στόχος είναι η αύξηση της διαφάνειας, της παραγωγικότητας και της αποτελεσματικότητας. «Όλο και περισσότερα έργα υλοποίησης CMMS απαιτούν την ενσωμάτωση του λογισμικού στα υφιστάμενα Πληροφοριακά Συστήματα των εταιρειών (ERP, SCADA, κλ.π). Το σημείο αυτό αποκαλύπτει τον στρατηγικό, πλέον, ρόλο του Τεχνικού Τμήματος και της Συντήρησης στο εταιρικό περιβάλλον ως ένα κέντρο εξοικονόμησης σημαντικών εταιρικών πόρων και όχι απλά ως ένα κέντρο κόστους» αναφέρει ο κ. Παππάς. Το εργοστάσιο δεν θα λογίζεται πλέον ως άθροισμα μηχανών, αλλά ως μία μηχανή αποτελούμενη από επιμέρους στοιχεία.

Internet of Things
Στο σημείο αυτό θα πρέπει να διευκρινιστεί ότι το Internet of Things έχει ξεπεράσει τα τελευταία χρόνια την απλή διασύνδεση μηχανών, αισθητήρων και συσκευών και έχει επεκταθεί σε τομείς όπως η τεχνητή νοημοσύνη και η μηχανική εκμάθηση. Εδώ ακριβώς εντοπίζεται και η ζωτική σημασία του ΙοΤ για την έναρξη και εξέλιξη του Industry 4.0. Δεν είναι απλώς οι αισθητήρες σε δικτυωμένες μηχανές που θα συλλέγουν δεδομένα, πολύτιμα για τις επιχειρήσεις σε πραγματικό χρόνο, για να βελτιστοποιούν τις διαδικασίες παραγωγής, αλλά και η ικανότητα «μάθησης» που θα αποκτήσουν οι μηχανές στο μέλλον, ώστε να αυτοβελτιώνονται.

Το ΙοΤ στη βιομηχανία είναι ο ιστός που συνδέεις μηχανές με μαθησιακές δυνατότητες, τεχνολογίες Big Data, αισθητήρες, επικοινωνία M2M (Machine to Machine) και τεχνολογίες αυτοματισμού.
O κ. Παππάς εμβανθύνει στις πτυχές του IoT, μέσα από μια συγκεκριμένη λύση. «To Coswin IoT επιτρέπει τη συλλογή δεδομένων από το πεδίο, μέσω αισθητήρων εγκατεστημένων σε κτίρια και εξοπλισμoύς. Αυτές οι πληροφορίες (Big Data) επεξεργάζονται και αναλύονται με πίνακες ελέγχου που μεταφέρονται στο CMMS με τη μορφή διαμορφώσιμων ειδοποιήσεων. Αυτές οι ειδοποιήσεις παράγουν άμεσα τις σχετικές απαιτήσεις για εργασίες συντήρησης, ώστε η επιχείρηση να προχωρήσει από την Προληπτική Συντήρηση (Preventive Maintenance) στην Προβλεπτική Συντήρηση (Predictive Maintenance). Η τεχνολογία IoT επιτρέπει τη συνεχή παρακολούθηση και αποθήκευση δεδομένων του εξοπλισμού τροφοδοτώντας το CMMS σε πραγματικό χρόνο, βελτιώνοντας την αξιοπιστία και την παραγωγικότητα». Σύμφωνα με τον ίδιο, ο συνδυασμός Τεχνικής Νοημοσύνης και IoT όχι μόνο συλλέγει τεράστιο όγκο δεδομένων, αλλά επίσης τα ταξινομεί και τα συνδέει για να εξαγάγει συμπεράσματα. Έτσι, τα συστήματα συντήρησης μαθαίνουν καθώς λαμβάνουν νέα δεδομένα να γίνονται όλο και πιο ακριβή.

«Πάρτε ως παράδειγμα τις ανεμογεννήτριες: οι αισθητήρες καθιστούν δυνατή την παρακολούθηση της μέτρησης δονήσεών τους, αλλά και άλλων δεδομένων όπως ο καιρός, η θερμοκρασία, η υγρασία, ο άνεμος κ.λπ. Στη συνέχεια, οι αλγόριθμοι τεχνητής νοημοσύνης θα ταξινομήσουν χρήσιμες και περιττές πληροφορίες και θα βρουν συσχετισμούς για να προβλέψουν με ακρίβεια το χρόνο και το σημείο παρέμβασης», εξηγεί ο κ. Παππάς.

Από την πλευρά του, ο Νίκος Ιγγλέζος, Τεχνικός Διευθυντής της ACMON DATA, αναδεικνύει τη σημαντικότητα της λειτουργίας ενός βιομηχανικού λογισμικού ως προς την σταθερότητα και αξιοπιστία που προσφέρει, μέσα από το παράδειγμα της σουίτας λογισμικού TracePro, που ανέπτυξε εξολοκλήρου η εταιρεία που εργάζεται. «Μεγάλη βάση δόθηκε ώστε να χρησιμοποιηθούν όλα τα σύγχρονα εργαλεία, αλλά ταυτόχρονα να είναι και δοκιμασμένα στο χρόνο. Επειδή πρόκειται για βιομηχανικό λογισμικό, το οποίο ενσωματώνει μια σειρά από πολύ κρίσιμες διαδικασίες και αυτοματισμούς, ο πρώτος στόχος είναι τα εργαλεία να διασφαλίζουν σταθερότητα, να είναι προσαρμόσιμα σε αλλαγές και διασυνδέσεις, ώστε τόσο η λειτουργία όσο και η συντήρηση να γίνονται εύκολα. Η εφαρμογή χρησιμοποιεί βάση δεδομένων Microsoft SQL παρέχοντας σταθερότητα και ευκολία επικοινωνίας με εξωτερικές εφαρμογές. Υπάρχουν έτοιμοι connectors για αυτές τις διασυνδέσεις και μπορούν να γίνουν με διάφορες μεθόδους, από απλή μεταφορά αρχείων, έως κατ’ ευθείαν εγγραφές και αναγνώσεις σε άλλες βάσεις. Στον τομέα της διασύνδεσης με PLC χρησιμοποιείται κυρίως το πρωτόκολλο επικοινωνίας OPC UD/ UA.

Σε επικοινωνία με άλλες συσκευές (ζυγούς, ετικετέζες) που δεν υποστηρίζουν OPC χρησιμοποιούνται τα πρωτόκολλα επικοινωνίας του κατασκευαστή». Σύμφωνα με τον ίδιο, η βασική γλώσσα προγραμματισμού της on premise εφαρμογής είναι C# σε.NET framework, ενώ μέσα στο 2020 θα είναι έτοιμη και η web εφαρμογή με δυνατότητα λειτουργίας σε περιβάλλον cloud και linux σε ASP NET CORE 3+ MVC.
Το GUI είναι σχεδιασμένο, έχοντας κατά νου τον μέσο βιομηχανικό χειριστή. Επομένως, έχει δοθεί ιδιαίτερη έμφαση στον απλό και εργονομικό χειρισμό, χωρίς όμως, να γίνεται συμβιβασμός στην ποσότητα και την ποιότητα των πληροφοριών που καταχωρούνται ή συλλέγονται αυτόματα (data collection). Παράλληλα, έχουν σχεδιαστεί ειδικές οθόνες – dashboards για εύκολη και γρήγορη αξιολόγηση των δεδομένων αυτών.

Το Cloud είναι μονόδρομος
Καθώς οι κατασκευαστές αγκαλιάζουν την τεχνολογίες M2M, το Cloud Computing γίνεται η προφανής λύση για την αποθήκευση και τη διαχείριση της συνεχώς αυξανόμενης έκτασης των δεδομένων παραγωγής. Εκτός από τον αυξημένο χώρο αποθήκευσης, το «σύννεφο» προσφέρει εξοικονόμηση κόστους, ευκαιρίες για αλλαγή επιχειρηματικού μοντέλου, παροχή νέων υπηρεσιών, αύξηση της επιχειρηματικής ευελιξίας και βελτιστοποίηση της απόδοσης. Υιοθετώντας το Cloud Computing, οι βιομηχανίες δεν αποθηκεύουν απλώς τα δεδομένα τους σε υποδομές, τις οποίες δεν χρειάζεται να πληρώσουν για να τις αποκτήσουν σε φυσική μορφή, αλλά αντλούν κέρδη από αυτά.

Είτε πρόκειται για βελτίωση ποιότητας του παραγόμενου προϊόντος, προβλέψεις πωλήσεων ή προληπτική συντήρηση, είτε για πρόβλεψη αναλυτικών στοιχείων και τεχνητή νοημοσύνη, το cloud μπορεί να προσφέρει σε μια βιομηχανία ένα κρίσιμο πλεονέκτημα έναντι των ανταγωνιστών της και ενδεχομένως μια ολοκληρωμένη νέα υπηρεσία πώλησης.
Πρακτικά, η μετάβαση στο cloud δεν αφορά μόνο τη μετακίνηση δεδομένων εκτός φυσικών υποδομών. Αν χρησιμοποιηθεί σωστά, το σύννεφο μπορεί να βελτιώσει την απόδοση ενός οργανισμού στην παραγωγή, την αποτελεσματικότητα και ενδεχομένως το σύνολο του επιχειρηματικού του μοντέλου.
Το cloud έχει πρακτικά διευρύνει απεριόριστα το business day, καταργώντας τυχόν επιχειρηματικό switch off. Και μπορεί αυτό να σημαίνει περισσότερες υποχρεώσεις προς τον πελάτη, αλλά ταυτόχρονα ισοδυναμεί με κατακόρυφη αύξηση της παραγωγικότητας και των επιχειρηματικών ευκαιριών και δυνατοτήτων.

Big Data
Έχουμε και λέμε λοιπόν: ολοκληρωτική συνδεσιμότητα μηχανών, πρόσβαση στο cloud, τεχνολογία Μ2Μ, ΙοΤ και προηγμένα συστήματα ERP. Αποστολή εξετελέσθη; Κάθε άλλο, αφού ο συνδυασμός όλων των παραπάνω δημιουργεί ένα τεράστιο πρόβλημα, την παραγωγή τεράστιων δεδομένων, τα οποία πρακτικά είναι μη διαχειρίσιμα χωρίς το κατάλληλο εργαλείο. Στο σημείο αυτό υπεισέρχονται στην εξίσωση τα Big Data Analytics, τα οποία αποτελούν αναγκαία και ικανή συνθήκη προκειμένου η βιομηχανία να ξεκλειδώσει την αξία των σύγχρονων τεχνολογιών.
Ως Big Data Analytics ορίζουμε τη διαδικασία κατά την οποία μεγάλες ποσότητες δεδομένων παντός είδους (από τη διαδικασία παραγωγής, αποστολής προϊόντων, παραγγελιών, ενεργειακής κατανάλωσης κ.λπ.) αναλύονται ώστε να έρθουν στην επιφάνεια «κρυφά» μοτίβα και παράμετροι. Η αποκάλυψη αυτών των παραμέτρων και στοιχείων επιτρέπει τελικά την λήψη ευφυών αποφάσεων, ακόμα και σε πραγματικό χρόνο, που με τη σειρά τους μεταφράζονται σε εξοικονόμηση πόρων, αύξηση της παραγωγικότητας και ανταγωνιστικότητας.

Οι εταιρείες μπορούν να οργανώσουν, να αναλύσουν και να αναζητήσουν την πραγματική αξία των μεγάλων δεδομένων τους καθώς το Cloud Computing προσφέρει έναν ευέλικτο και προσιτό τρόπο υποστήριξης επιχειρηματικών λειτουργιών, από την απομακρυσμένη εργασία και τη δημιουργία αντιγράφων ασφαλείας πληροφοριών μέχρι την αποθήκευση μεγάλων συνόλων δεδομένων. Αυτός ο συνδεδεμένος ιστός καθίσταται παρών σε ένα ευρύ φάσμα βιομηχανιών, από το πετρέλαιο και το φυσικό αέριο, έως τις επιχειρήσεις κοινής ωφέλειας και τον ιατρικό τομέα. Μάλιστα η σημασία που δίνουν πλέον οι επιχειρήσεις στο κομμάτι των Big Data Analytics αποκαλύπτεται από διεθνή έρευνα, στην οποία διαπιστώθηκε ότι σχεδόν τρεις στις τέσσερις (73%) εταιρείες επενδύουν ήδη πάνω από το 20% των ΙΤ προϋπολογισμών τους σε λύσεις Big Data Analytics ενώ σχεδόν όλες αναμένουν να αυξήσουν τις σχετικές δαπάνες εντός του επόμενου έτους.

Για παράδειγμα, η έρευνα έδειξε ότι χάρη στη χρήση Big Data Analytics η προβλεπτική συντήρηση μπορεί να αποφέρει εξοικονόμηση έως και 12% σε σχέση με τις προγραμματισμένες επισκευές, με αποτέλεσμα τη μείωση κατά 30% των δαπανών συντήρησης και τη μείωση του χρόνου διακοπής λειτουργίας κατά 70% από τις καταστροφές εξοπλισμού. Για ένα εργοστάσιο παραγωγής, η επίτευξη αυτών των αποτελεσμάτων μέσω αποφάσεων που βασίζονται σε δεδομένα μπορεί να οδηγήσει σε σημαντικές ευκαιρίες εξοικονόμησης πόρων. •