Καθώς η τεχνολογία εξελίσσεται με εκθετικούς ρυθμούς, τα διασυνδεδεμένα εργοστάσια αποτελούν την αιχμή του δόρατος στη βιομηχανική καινοτομία. Η τεχνολογία παρέχει τα εργαλεία για εξαιρετικές αποδόσεις και βελτίωση των διαδικασιών, ενώ το ανθρώπινο ταλέντο διασφαλίζει ότι η ευφυΐα και η δημιουργικότητα παραμένουν στο επίκεντρο της παραγωγής.

Στο Inakadate, χωριό στην Ιαπωνία διάσημο για τα περίφημα Rice Paddy Art, οι ορυζώνες απλώνονται σαν πράσινες μακέτες μέχρι τον ορίζοντα. Εκεί, η αρχαία τέχνη της καλλιέργειας ρυζιού αποτελεί παράδειγμα ισορροπίας και αρμονίας. Αυτή η διαχρονική διαδικασία, που βασίζεται σε εκατοντάδες χρόνια εμπειρίας και συνεργασίας, μπορεί να μας διδάξει πολλά για την αρχιτεκτονική των διασυνδεδεμένων εργοστασίων – ένα όραμα που όλο και περισσότερο γίνεται πραγματικότητα στη σύγχρονη βιομηχανία.

Οι καλλιεργητές ρυζιού δημιουργούν ένα σύμπλεγμα δικτύων από υδάτινα κανάλια, τα οποία όχι μόνο προμηθεύουν κάθε τεμάχιο γης με την απαραίτητη ποσότητα νερού, αλλά επίσης διασφαλίζουν ότι κανένα στοιχείο δεν πηγαίνει χαμένο. Αυτός ο οργανωμένος τρόπος διαχείρισης των πόρων είναι αντίστοιχος με τα σύγχρονα διασυνδεδεμένα εργοστάσια, όπου η ροή πληροφοριών και δεδομένων διαχειρίζεται με τέτοιο τρόπο ώστε να μεγιστοποιείται η αποδοτικότητα και να μειώνονται οι σπατάλες.
Στην περίπτωση του διασυνδεδεμένου εργοστασίου, το δίκτυο δεδομένων λειτουργεί όπως οι υδάτινες διόδοι των ρυζοκαλλιεργειών. Κάθε μηχάνημα, κάθε αισθητήρας είναι συνδεδεμένος, παρέχοντας δεδομένα σε πραγματικό χρόνο που επιτρέπουν την ανίχνευση, τον έλεγχο και τη βελτιστοποίηση της παραγωγικής διαδικασίας. Οι αποφάσεις λαμβάνονται βάσει στοιχείων και όχι εκτιμήσεων, με την τεχνολογία να επιτρέπει την προβλεπτική συντήρηση και την ταχεία προσαρμογή σε μεταβαλλόμενες συνθήκες.

Το δίδαγμα που προκύπτει τόσο από την παραδοσιακή καλλιέργεια ρυζιού όσο και από την τεχνολογία των διασυνδεδεμένων εργοστασίων είναι η αξία της αρμονίας και της συνέργειας. Η σωστή διαχείριση και η οπτικοποίηση των πόρων μπορεί να οδηγήσουν σε μεγαλύτερη παραγωγικότητα και βιωσιμότητα. Καθώς το σύγχρονο εργοστάσιο γίνεται όλο και πιο διασυνδεδεμένο, η προοπτική για μια πιο αποδοτική και αρμονική βιομηχανική παραγωγή γίνεται πιο εφικτή από ποτέ.

Βέβαια, στην εποχή της βιομηχανικής ψηφιοποίησης, η διαθεσιμότητα δεδομένων από τον εργοστασιακό χώρο δεν αποτελεί πλέον το μείζον ζήτημα. Η πρόκληση έγκειται στην αξιοποίηση των ποιοτικών πληροφοριών. Χάρη στις προηγμένες τεχνολογίες αισθητήρων, λαμβάνονται αναλυτικά δεδομένα σχετικά με προϊόντα, πόρους και διεργασίες σε πραγματικό χρόνο. Ωστόσο, υπάρχουν ακόμα κενά μεταξύ της συλλογής δεδομένων και της χρήσης τους. Η μεγαλύτερη τρέχουσα πρόκληση, λοιπόν, είναι η χρήση των διαθέσιμων δεδομένων σε διαδικασίες λήψης αποφάσεων που προσφέρουν πραγματική επιχειρηματική αξία για τις εταιρείες, προκειμένου να διατηρήσουν την ανταγωνιστικότητα και την αποδοτικότητα.

Διαχείριση δεδομένων μέσω Μ2Μ
Στην παραπάνω πρόκληση, αρχικά ο ρόλος του Βιομηχανικού Διαδικτύου των Πραγμάτων (ΙΙοΤ) είναι κομβικός. Καθώς η τάση της ψηφιοποίησης επεκτείνεται, η παγκόσμια αγορά για το ΙΙοΤ που το 2022 ανέρχονταν σε $321,81 δισ. αναμένεται να αυξηθεί με σύνθετο ετήσιο ρυθμό ανάπτυξης (CAGR) 23,2%, φτάνοντας τα $1,5 τρισ. έως το 2030. Η ανάπτυξη αυτή συνοδεύεται από ένα κύμα αλλαγών, που πρόκειται να επηρεάσουν κάθε πτυχή της βιομηχανικής παραγωγής.

Ωστόσο, σημαντική πρόκληση για την ανάπτυξη του ΙΙοΤ θα είναι ο τρόπος με τον οποίο θα πραγματοποιείται η διαχείριση και επεξεργασία των τεράστιων όγκων δεδομένων που παράγονται από τα διασυνδεδεμένα μηχανήματα. Στην εποχή που τα πάντα θα μπορούν να μετρούνται και να αναλύονται, το διαθέσιμο εύρος ζώνης (bandwidth), η πραγματική επεξεργαστική ισχύς, αλλά και άλλες υπολογιστικές παράμετροι, θα αποβούν κρίσιμες για τη διαφύλαξη της αξιοπιστίας ενός συστήματος.
Ένας τρόπος για να μπορέσουν οι βιομηχανίες να διαχειριστούν αυτήν την υπερπληθώρα δεδομένων, είναι η αξιοποίηση των δυνατοτήτων της επικοινωνίας μηχανής με μηχανή (Μ2Μ). Πρόκειται για μια μορφή επικοινωνίας που μπορεί να αυξήσει τις δυνατότητες χρήσης που έχουν οι πλατφόρμες του cloud και να αντιμετωπίσει, σε ένα βαθμό, ορισμένα από τα προβλήματα που δημιουργεί η ανάγκη διαχείρισης μεγάλου όγκου δεδομένων.

Η χρήση της επικοινωνίας Μ2Μ ουσιαστικά απελευθερώνει πολύτιμους πόρους: μειώνει το αναγκαίο bandwidth (εύρος ζώνης) και άρα την απαιτούμενη χωρητικότητα των δικτύων, επιταχύνει τις διαδικασίες περιορίζοντας το λανθάνοντα χρόνο (latency). Δεδομένου ότι στην επικοινωνία Μ2Μ η συλλογή δεδομένων είναι αυτοματοποιημένη, πολλές εργασίες που παραδοσιακά εκτελούνταν με χειροκίνητο τρόπο μπορούν πλέον να ανατίθενται σε συστήματα που ελέγχονται από μηχανές. Αυτό αποδεσμεύει τους χειριστές και τους τεχνικούς, ώστε να απασχολούνται με εργασίες που έχουν μεγαλύτερη προστιθέμενη αξία.

Επιπλέον, η Μ2Μ επιτρέπει την επικοινωνία μεταξύ συσκευών χωρίς το ενδιάμεσο βήμα της πρόσβασης στο cloud. Κρίσιμο ρόλο σε αυτήν την περίπτωση παίζει το edge computing, αφού επιτρέπει τη μεταφορά μέρους των πληροφοριών σε μορφή ήδη επεξεργασμένη, π.χ. ως οδηγίες προς κάποια συσκευή, χωρίς υποχρεωτική προηγούμενη πρόσβαση στην κεντρική πλατφόρμα του δικτύου.
Τα δεδομένα από τις επικοινωνίες Μ2Μ τελικά χρησιμοποιούνται προς όφελος της εξέλιξης των συστημάτων του ΙΙοΤ, με τα οποία αξιοποιείται η τεχνητή νοημοσύνη για να στήνονται διασυνδεδεμένα, έξυπνα εργοστάσια, με γρήγορες και ευέλικτες διαδικασίες και βέλτιστη απόδοση.

Από την έρευνα στην πράξη
Πραγματοποιώντας το ταξίδι του διασυνδεμένου εργοστασίου, η έρευνα και η τεχνολογική ανάπτυξη συμβάλλουν με διάφορους τρόπους στη βελτιστοποίηση των βιομηχανικών διαδικασιών. Σε αυτό το πλαίσιο, η περίπτωση του Ινστιτούτου Τεχνολογιών Πληροφορικής και Επικοινωνιών (ΙΠΤΗΛ) του Εθνικού Κέντρου Έρευνας και Τεχνολογικής Ανάπτυξης (ΕΚΕΤΑ) παρουσιάζει μεγάλο ενδιαφέρον. Μέσα από τη συμμετοχή του σε πληθώρα ερευνητικών προγραμμάτων στον τομέα των Διασυνδεμένων Εργοστασίων, όπως για παράδειγμα το Greece4.0, το Agile4.0-Cluster, και το RECLAIM, έχει αναπτύξει μία σειρά από καινοτόμες τεχνολογικές λύσεις, οι οποίες μπορούν να χρησιμοποιηθούν από βιομηχανίες και εργοστάσια παραγωγής.

Όπως μας πληροφορεί ο Δρ. Δημοσθένης Ιωαννίδης, Κύριος Ερευνητής στο ΙΠΤΗΛ του ΕΚΕΤΑ, ενδεικτικά, αυτές οι λύσεις περιλαμβάνουν: Πλατφόρμα Ανάλυσης και Διαχείρισης Δεδομένων από το Βιομηχανικό Δίκτυο των Πραγμάτων (Industrial Internet of Things), Αλγορίθμους Προσομοίωσης για Ψηφιακά Δίδυμα στη Βιομηχανία 4.0, Λύσεις Προσθετικής Κατασκευής, Λύσεις Κυβερνοασφάλειας και Προστασίας Δεδομένων, Λύσεις Πρόβλεψης Σφαλμάτων και Προληπτικής Συντήρησης, Αλγορίθμους Εικονικής και Επαυξημένης Πραγματικότητας για χρήση σε βιομηχανικά περιβάλλοντα, Συνεργατικά Ρομποτικά Συστήματα, κ.ά.
«Η ενσωμάτωση αυτών των λύσεων στις βιομηχανικές διαδικασίες, θα συμβάλει στην ευελιξία και τη βελτιστοποίηση της παραγωγικής τους διαδικασίας, στην αύξηση της παραγωγικότητας και την προσαρμοστικότητα στη ζήτηση της αγοράς. Την ίδια στιγμή, μεγάλη αναμένεται να είναι η συνεισφορά των λύσεων αυτών στην ψηφιακή και τεχνολογική ωριμότητά των βιομηχανικών διαδικασιών καθώς και στη βιωσιμότητα τους, μέσα από τη συνεχή βελτίωση της ανταγωνιστικότητάς τους», επισημαίνει ο Δρ. Ιωαννίδης.

Διαχείριση πολυπλοκότητας στις καινοτόμες τεχνολογίες
Η ενσωμάτωση καινοτόμων τεχνολογιών στα βιομηχανικά περιβάλλοντα οδηγεί τόσο σε τεχνολογικές όσο και σε επιχειρηματικές προκλήσεις. «Αυτό το οποίο αντιλαμβανόμαστε από τη συμμετοχή του ΕΚΕΤΑ/ΙΠΤΗΛ σε ερευνητικά έργα στα οποία συμμετέχουν εργοστάσια, είναι ότι οι περισσότερες τεχνολογικές προκλήσεις, προέρχονται από την πολυπλοκότητα της όλης διαδικασίας εφαρμογής των καινοτόμων τεχνολογικών λύσεων. Και αυτό γιατί πρέπει να πραγματοποιηθούν παραμετροποιήσεις στα συστήματα των επιχειρήσεων ώστε οι λύσεις αυτές να είναι συμβατές και να ενσωματωθούν κατάλληλα στα ήδη υπάρχοντα λογισμικά τους», σημειώνει ο Δρ. Ιωαννίδης.
Ακόμη, η απρόσκοπτη πρόσβαση σε δεδομένα για την αξιοποίηση τους σε σχετικούς αλγορίθμους Τεχνητής Νοημοσύνης, παράλληλα με τη διασύνδεση των μηχανημάτων στο ΙοΤ ενέχει κινδύνους και προκλήσεις προστασίας δεδομένων. «Τέλος, σχετικά με τις επιχειρηματικές προκλήσεις, αυτές αφορούν ανάμεσα σε άλλα, στην αλλαγή της επιχειρησιακής κουλτούρας, την ανάπτυξη εκπαιδευτικών προγραμμάτων κατάρτισης και βελτίωσης δεξιοτήτων για τους εργαζομένους τους, και την εύρεση χρηματοδότησης», καταλήγει ο Δρ. Ιωαννίδης.

Οι διασυνδεδεμένοι εργαζόμενοι είναι το μέλλον
Στη σύνθετη εξίσωση της αυτοματοποίησης του εξοπλισμού και των εργοστασίων, οι βιομηχανίες αντιμετωπίζουν άλλη μία επιπλέον ουσιαστική πρόκληση. Η επιχειρησιακή πολυπλοκότητα αλλά και η ύπαρξη «σιλό δεδομένων» δυσχεραίνουν τη βελτιστοποίηση της απόδοσης. Άλλωστε, οι βιομηχανικοί εργάτες συχνά βασίζονται σε μη τυποποιημένες διαδικασίες, ευάλωτες απέναντι στο ανθρώπινο σφάλμα, γεγονός που οδηγεί σε απρογραμμάτιστες διακοπές στην παραγωγή και μειωμένη αποδοτικότητα. Επιπλέον, το υψηλό κόστος εργασίας και η συνταξιοδότηση έμπειρου προσωπικού εντείνει το χάσμα μεταξύ της κατάρτισης και της ζήτησης δεξιοτήτων.

Στις αρχές του 2023, η ServiceNow και η Dynata πραγματοποίησαν έρευνα ανάμεσα σε 1900 ανώτερα στελέχη του τομέα της βιομηχανικής παραγωγής. Είναι χαρακτηριστικό ότι το 89% ανέφερε ότι η μη ψηφιοποίηση των διαδικασιών του εργοστασίου έχει μέτρια έως υψηλή επίδραση στον δείκτη ΟΕΕ. Παράλληλα, μολονότι το 82% των ερωτηθέντων αναγνώρισε ότι η ενίσχυση των ψηφιακών δεξιοτήτων του προσωπικού αποτελεί προτεραιότητα, μόνο το 37% δήλωσε ότι έχει επιτευχθεί σημαντική πρόοδος προς αυτήν την κατεύθυνση.
Είναι σαφές ότι παρότι οι εταιρείες κατανοούν τον αντίκτυπο του ψηφιακού μετασχηματισμού για τις δραστηριότητές τους, στις περισσότερες περιπτώσεις αυτό δεν αντανακλάται ακόμα στην πρακτική τους. Πέρα όμως από τη βελτίωση των διαδικασιών για σκοπούς αύξησης της παραγωγικότητας, οι πρωτοβουλίες που σχετίζονται με τον ψηφιακό μετασχηματισμό προσφέρουν και σημαντικά ανταγωνιστικά πλεονεκτήματα.

Η συχνά πιεστική ανάγκη για κάλυψη των βασικών αναγκών μιας γραμμής παραγωγής, της διατήρησης της λειτουργικότητας του εξοπλισμού και της τήρησης των χρονοδιαγραμμάτων δεν θα εκλείψει ποτέ. Ωστόσο, οι εταιρείες που αγνοούν την ευκαιρία να αξιοποιήσουν τον ψηφιακό μετασχηματισμό, επιμορφώνοντας παράλληλα το προσωπικό τους, ενδεχομένως να διακινδυνεύουν το μέλλον τους.

Ενίσχυση των ψηφιακών δεξιοτήτων του εργατικού δυναμικού
Το χάσμα μεταξύ των βιομηχανιών που έχουν ήδη σημειώσει ουσιαστική πρόοδο και αυτών που τώρα αναγνωρίζουν την ανάγκη του ψηφιακού μετασχηματισμού της γραμμής παραγωγής είναι μεγάλο. Πώς μπορούν λοιπόν οι εταιρείες να γεφυρώσουν αυτό το χάσμα;

Υπάρχουν τρεις τρόποι με τους οποίους οι εταιρείες μπορούν να ενισχύσουν τις ψηφιακές δεξιότητες και τη διασύνδεση του εργατικού τους δυναμικού, ώστε να αυξήσουν την ευελιξία και την αποδοτικότητά του. Και οι τρεις τρόποι βοηθούν τις εταιρείες να δημιουργούν εργοστάσια με υψηλά επίπεδα παραγωγικότητας, κερδοφορίας, ασφάλειας και ανθεκτικότητας. Κατ’ αρχάς η σύνδεση των εργαζομένων με το ψηφιακό εργοστάσιο, τους παρέχει πρόσβαση στις πληροφορίες που χρειάζονται προκειμένου να είναι παραγωγικοί. Αυτό σημαίνει εξάλειψη των σιλό και ενοποίησή σε μία πλατφόρμα των δεδομένων που προέρχονται από το σύστημα ERP, την παραγωγική διαδικασία, τη διαχείριση ποιότητας, την εξυπηρέτηση πελατών καθώς και τα συστήματα διαχείρισης πελατών, έτσι ώστε όλοι να έχουν πρόσβαση στις ίδιες πληροφορίες.

Οι μη αυτόματες διαδικασίες που βασίζονται σε έντυπα δεν έχουν θέση σε ένα σύγχρονο εργοστάσιο. Με τη χρήση φορητών συσκευών και αυτοματισμών, οι εργαζόμενοι μπορούν να απαλλαγούν από την εξάρτησή τους από μη τυποποιημένες διαδικασίες και εμπειρικές γνώσεις, και να εργάζονται με βάση δεδομένα που λαμβάνουν σε πραγματικό χρόνο και τυποποιημένες μεθόδους. Επιπλέον, οι βιομηχανίες μπορούν να αξιοποιήσουν στο έπακρο τη δυναμική των τεχνολογιών ΙοΤ (διαδίκτυο των πραγμάτων), ώστε να αναγνωρίζουν και να επιλύουν έγκαιρα τυχόν ζητήματα που σχετίζονται με την προληπτική συντήρηση, καθώς και να βρουν τρόπους να αυτοματοποιήσουν τη διαχείριση συμβάντων μεταξύ διαφορετικών ομάδων εργαζομένων.
Δεύτερον, η αύξηση της επιχειρησιακής ορατότητας και της απόδοσης του εργοστασίου μέσα από την ψηφιακή σύνδεση συστημάτων, διαδικασιών και ομάδων εργαζομένων, προσφέρει σε ολόκληρη την εταιρεία, από τα ανώτερα στελέχη ως τους εργάτες στη γραμμή παραγωγής, πρόσβαση στα ίδια δεδομένα προκειμένου να λαμβάνονται αποφάσεις. Τα δεδομένα μπορούν να χρησιμοποιούνται για την αναγνώριση τάσεων, τη βελτίωση της παραγωγικότητας και την εξάλειψη κοινών ή επαναλαμβανόμενων προβλημάτων. Με τη βοήθεια βάσεων δεδομένων οι πληροφορίες μπορούν να διαχέονται σε κάθε τομέα της επιχείρησης. Τεχνολογίες όπως η τεχνητή νοημοσύνη και η μηχανική μάθηση μπορούν να βελτιώσουν την επιχειρησιακή αποδοτικότητα μέσα από τη γρήγορη ανάλυση μοτίβων και τη δημιουργία πρακτικών οδηγιών που οι εργαζόμενοι μπορούν να ακολουθούν για να επιλύουν τυχόν ζητήματα μόνοι τους. Αυτοματισμοί που βασίζονται στην τεχνητή νοημοσύνη μπορούν να διασφαλίσουν συνέπεια και επαναληψιμότητα σε κάθε στάδιο της παραγωγικής διαδικασίας. Έτσι, η συνεχής βελτίωση γίνεται ο κανόνας και όχι μια ευκαιριακή επιδίωξη.

Είναι επίσης σημαντικό να σημειωθεί ότι όταν η τεχνητή νοημοσύνη καλείται να ενισχύσει τις δυνατότητες των εργαζομένων, είναι στο χέρι του εργοδότη να βοηθήσει το προσωπικό του να νιώσει άνετα με τη χρήση της ως εργαλείο που θα τους βοηθήσει να δουλέψουν πιο έξυπνα, έτσι ώστε να μην τη δουν ως απειλή. Επιπλέον, οι δεξιότητες που σχετίζονται με την τεχνητή νοημοσύνη μπορούν να αποτελέσουν παράγοντα διαφοροποίησης για έναν εργαζόμενο, σε σχέση με μελλοντικές ευκαιρίες εργασίας.
Η έρευνα αποκάλυψε ότι η έλλειψη τεχνογνωσίας, δεξιοτήτων και ταλέντου αποτελεί, σύμφωνα με τους ερωτηθέντες, το μεγαλύτερο εμπόδιο για τη βελτίωση των διαδικασιών της παραγωγής. Επομένως, ένας τρίτος τρόπος είναι η αξιοποίηση νέων ψηφιακών εργαλείων για την προσέλκυση νέων ταλέντων και την καλύτερη εκμετάλλευση των υφιστάμενων ταλέντων. Η πρωτόγνωρη έλλειψη εργατικού δυναμικού και το αυξανόμενο κόστος της εργασίας έχουν εξωθήσει τις βιομηχανίες να υιοθετούν νέες ψηφιακές στρατηγικές προκειμένου να προσελκύουν, να συγκρατούν και να επιμορφώνουν τα ταλαντούχα μέλη του προσωπικού τους.
Οι εργαζόμενοι, ιδίως οι νεότεροι, δίνουν αξία σε ένα εξορθολογισμένο και ψηφιοποιημένο εργασιακό περιβάλλον που περικλείει τα εργαλεία και τους πόρους που χρειάζονται προκειμένου να συνεργάζονται και να επιλύουν οποιοδήποτε πρόβλημα. Οι εργαζόμενοι ενός εργοστασίου μπορούν εύκολα να αναλάβουν διαφορετικούς ρόλους στη γραμμή παραγωγής όσο τα αυτοματοποιημένα συστήματα εκτελούν τις επαναλαμβανόμενες εργασίες. Αυτό τους προσφέρει μια αίσθηση ιδιοκτησίας, καλλιεργεί την αφοσίωσή τους στον εργοδότη τους και μειώνει την πιθανότητα να παραιτηθούν.

Μεγιστοποίηση της αξίας των επενδύσεων
Οι βιομηχανίες έχουν επενδύσει μεγάλα ποσά στην αυτοματοποίηση των μηχανημάτων τους, χρησιμοποιώντας δεδομένα από αισθητήρες ΙοΤ για να αυξήσουν την απόδοσή τους. Ωστόσο, οι εταιρείες που δεν αξιοποιούν πλήρως την τεχνολογία και εξακολουθούν να βασίζονται σε μη αυτοματοποιημένες διαδικασίες δεν θα αποκομίσουν ποτέ τη μέγιστη αξία αυτών των επενδύσεων.
Αντίθετα, όσοι επενδύουν στη διασύνδεση του προσωπικού τους θα βρεθούν σε πλεονεκτική θέση όχι μόνο ως προς τις δυνατότητές τους να διαχειριστούν τις επιδράσεις της σημερινής αβεβαιότητας, αλλά και σε σχέση με την ευελιξία τους ενώπιον των όποιων μελλοντικών προκλήσεων. Με απλά λόγια, πέρα από την επένδυση στην τεχνολογία, η επένδυση στους ανθρώπους είναι αυτή που τελικά θα διασφαλίσει την παραγωγικότητα και την ανταγωνιστικότητα μιας επιχείρησης.

Cenergy Holdings: Βελτιστοποίηση βιομηχανικών διαδικασιών με την εφαρμογή καινοτόμων λύσεων
Χρήστος Ηλιάδης, IT & Digital Transformation Director
Η Cenergy Holdings με τις θυγατρικές εταιρείες Σωληνουργεία Κορίνθου και Hellenic Cables, πρωτοπόρες στην κατασκευή σωλήνων χάλυβα και στην παραγωγή χερσαίων και υποθαλάσσιων καλωδίων αντίστοιχα, ακολουθεί τις πιο σύγχρονες τεχνολογικές τάσεις και υιοθετεί λύσεις που ευθυγραμμίζονται με την έννοια του Smart Manufacturing. H εταιρεία εντάσσει, εφαρμόζει και συνδυάζει τεχνογνωσία μεθοδολογιών βιομηχανικής αριστείας, πλατφόρμες δεδομένων ΙΙοΤ και μηχανικής μάθησης, για να βελτιώσει την παραγωγή και να προσφέρει προϊόντα άριστης ποιότητας. Συνδυάζοντας πλατφόρμες ΙΙοΤ δεδομένων και Business συστημάτων (Databases, Historian, MES, ERP) μαζί με εργαλεία ανοιχτού κώδικα, είναι εφικτό να εκμεταλλευόμαστε τα δεδομένα που συλλέγονται από αισθητήρες στις γραμμές παραγωγής, με σκοπό την ανάπτυξη προβλεπτικών μοντέλων (ΑΙ) με μηχανική μάθηση (ML), ώστε να επιλύουμε τυχόν προβλήματα που προκύπτουν και έτσι να διευκολύνεται η λήψη αποφάσεων για τη βελτίωση της ποιότητας και της παραγωγικότητας.

Προκλήσεις στην υλοποίηση τεχνολογιών IIoT στη βιομηχανία
Η υλοποίηση τέτοιων τεχνολογιών, δημιουργεί μια σειρά από προκλήσεις. Η εξασφάλιση υψηλής ποιότητας δεδομένων αποτελεί ζήτημα υψίστης σημασίας, καθώς η ακρίβεια και η αξιοπιστία των δεδομένων είναι απαραίτητα στοιχεία για την παραγωγή χρήσιμων insights. Η συντήρηση των συστημάτων συλλογής και μετάδοσης δεδομένων από το level των αισθητήρων μέχρι το τελικό level του business reporting όπως και η τήρηση αυστηρών διαδικασιών καθαρισμού, ελέγχου και επεξεργασίας δεδομένων είναι απαραίτητα για την αντιμετώπιση αυτής της πρόκλησης.
Επιπλέον, η ένταξη in-house λύσεων μπορεί να φέρει δυσκολίες στο data integration δηλαδή τη συγκέντρωση δεδομένων από πολλά συστήματα σε ένα κεντρικό/ενοποιημένο σύστημα. Συνήθως η συντήρηση τους είναι απαιτητική και υστερούν σε ευελιξία ως προς τις αλλαγές. Επιπλέον απαιτητικά είναι και τα θέματα cybersecurity. Η προστασία των ευαίσθητων δεδομένων παραγωγής και η συμμόρφωση με τους κανονισμούς cybersecurity αποτελούν σημαντικές προτεραιότητες. Η υλοποίηση κατάλληλων μέτρων ασφαλείας και η εκπαίδευση του προσωπικού αποτελούν κρίσιμα βήματα για την αντιμετώπιση αυτής της πρόκλησης. Η ενθάρρυνση της λήψης αποφάσεων βασισμένων σε δεδομένα και η καλλιέργεια μιας κουλτούρας που αγκαλιάζει την ανάλυση δεδομένων είναι απαραίτητες για την επιτυχημένη υλοποίηση. Η εκπαίδευση του προσωπικού και η παροχή κινήτρων για την υιοθέτηση λύσεων αποτελούν βασικά βήματα για την αντιμετώπιση αυτής της πρόκλησης.

Η επίδραση της συνδεσιμότητας στην παραγωγικότητα και αποδοτικότητα του εργοστασίου
Στα εργοστάσια της Cenergy Holdings οι νέες τεχνολογίες φέρνουν σημαντικές αλλαγές στις διαδικασίες παραγωγής και ελέγχου ποιότητας. Η βελτιστοποίηση της κατανάλωσης ενέργειας, η πρόληψη σφαλμάτων και η ταχύτερη ανίχνευση ατελειών θα οδηγήσουν σε μείωση του κόστους, αύξηση της παραγωγικότητας και βελτίωση της ποιότητας του τελικού προϊόντος. Αναφέρονται ενδεικτικά μερικά πετυχημένα projects:
• Προβλεπτική Μοντελοποίηση Κατανάλωσης Ενέργειας: Στο πλαίσιο της συμμόρφωσης με το ISO50001, υλοποιούμε μοντέλα για την πρόβλεψη της κατανάλωσης ενέργειας σε κάθε γραμμή παραγωγής.
• Προβλεπτική Μοντελοποίηση Ποιότητας Προϊόντος: Αναπτύσσουμε μοντέλα για την πρόβλεψη της ποιότητας του προϊόντος στις κύριες γραμμές παραγωγής. Τα μοντέλα αυτά λαμβάνουν υπόψη τις παραμέτρους της παραγωγικής διαδικασίας και εντοπίζουν τυχόν παράγοντες που επηρεάζουν αρνητικά την ποιότητα.
• Οπτικός έλεγχος με χρήση Υπολογιστικής Όρασης: Η οπτική επιθεώρηση ποιότητας με χρήση νευρωνικών δικτύων αποτελεί μια καινοτόμα προσέγγιση για τον εντοπισμό ατελειών στην επιφάνεια των προϊόντων. Αυτοματοποιεί την επιθεώρηση, αυξάνοντας την ακρίβεια και την ταχύτητα εντοπισμού σφαλμάτων.
Η Cenergy Holdings αποδεικνύει πως η καινοτομία και η υιοθέτηση νέων τεχνολογιών μπορούν να φέρουν αλλαγές στον κλάδο του manufacturing, χάρη στις πρωτοβουλίες που οδηγούν σταδιακά στο digital transformation, διασφαλίζοντας και σε αυτόν τον τομέα την ανταγωνιστικότητά της και παραμένοντας στην πρωτοπορία.

Αξιοποίηση τεχνολογιών αιχμής για την επίτευξη της Βιομηχανικής Αριστείας στη Sunlight Group
Άγης Λυμπεράκης, Global Manufacturing Executive Director
Τα τελευταία χρόνια, η Sunlight Group έχει ακολουθήσει μια αποφασιστική πορεία προς την επόμενη εποχή της Βιομηχανίας 4.0, εφαρμόζοντας καινοτόμες τεχνολογίες. Στο επίκεντρο της προσπάθειάς της βρίσκονται η αύξηση της παραγωγικότητας και η επιτάχυνση των λειτουργιών της, καθώς και η βελτίωση της ποιότητας των προϊόντων της.
Παρά τις αξιοθαύμαστες δυνατότητες που προσφέρουν η τεχνητή νοημοσύνη και τα Μεγάλα Μοντέλα Γλωσσικής Επεξεργασίας (Large Language Models) στον τομέα της βιομηχανικής παραγωγής, οι υψηλές απαιτήσεις της μετάβασης σε αυτήν την εποχή δημιούργησαν μια σειρά νέων προκλήσεων που αντιμετωπίζουμε με αποφασιστικότητα. Η προτεραιότητά μας ήταν πάντα η ασφάλεια και η ορθή χρήση των προσωπικών και εταιρικών δεδομένων. Αντιμετωπίζουμε τον διαμοιρασμό και τη διασύνδεση δεδομένων με προσοχή και προσήλωση, ενισχύοντας την ανθεκτικότητά μας απέναντι σε ενδεχόμενες απειλές.

Επίσης, η ενσωμάτωση νέων τεχνολογιών αντιμετωπίστηκε ως μια ευκαιρία για τη βελτίωση της υπάρχουσας υποδομής και τη διασφάλιση της διαλειτουργικότητάς της. Εστιάζουμε στην ομαλή ένταξη αυτών των νέων τεχνολογιών στην καθημερινή λειτουργία μας, αναγνωρίζοντας και επενδύοντας παράλληλα στην εκπαίδευση και υποστήριξη του προσωπικού. Η κατανόηση αυτών των προκλήσεων αποτελεί κρίσιμο βήμα για την αποδοχή και την αξιοποίηση αυτών των νέων εργαλείων, ενισχύοντας έτσι τον αντίκτυπο των επενδύσεων μας.

Τα οφέλη των τεχνολογιών αιχμής
Καθώς η συλλογή και ανάλυση μεγάλου όγκου δεδομένων παίζει κομβικό ρόλο στις δραστηριότητες της Sunlight, η τεχνητή νοημοσύνη συνδράμει στον εξορθολογισμό των διαδικασιών, αποκαλύπτοντας πολύτιμες πληροφορίες και προσφέροντας τη δυνατότητα λήψης τεκμηριωμένων αποφάσεων. Με αυτόν τρόπο έχουμε την ευκαιρία να κατανοήσουμε καλύτερα τη συμπεριφορά των υλικών και των εξαρτημάτων σε πραγματικές διαδικασίες κατασκευής και κατά συνέπεια να προχωρήσουμε στη βελτιστοποίηση του σχεδιασμού των προϊόντων και των διαδικασιών μας.
Επιπλέον, εφαρμογές στον ποιοτικό έλεγχο και στη στατιστική ανάλυση ενισχύουν την ποιότητα της παραγωγής, ενώ η παρακολούθηση της κατάστασης των μηχανών μέσω εφαρμογών συντηρητικής προσέγγισης βελτιώνει τη συνολική απόδοση. Τέλος, η έξυπνη ρομποτική έρχεται να αντικαταστήσει χειρωνακτικές εργασίες, μειώνοντας την πιθανότητα ατυχημάτων και αυξάνοντας την αποδοτικότητα.