Не каждая отрасль, автоматизированная с помощью программного обеспечения, является умной фабрикой. Не каждая отрасль, связанная с датчиками для сбора данных, является умной фабрикой. Не каждая отрасль, выполняющая аналитику больших данных, является умной фабрикой. Не каждая умная фабрика действительно умна, как кажется (https://medium.com/@alam.hilaal/how-smart-is-the-smart-factory-323a9ea8131f). Настоящая умная фабрика — это та, которая позволила информатике достичь своих целей и видения…!
Старое вино…
В доцифровую эпоху обрабатывающая промышленность внедрила множество инновационных инструментов и технологий, чтобы быть эффективными, другими словами, «умными».
Развертывание функции качества (QFD) является одним из таких инструментов, который используется разработчиками продукции, особенно в автомобильной промышленности Японии, США и европейских стран. Несмотря на его мощные подходы, было продемонстрировано нежелание из-за серии сложных матриц и большого объема информации для интеграции. QFD требует предварительных инвестиций в начале этапов проекта, и это раздражало многих, особенно финансовых директоров. Более того, несмотря на свою рациональность, процессы принятия решений одновременно увлекательны и болезненны, требуют длительной подготовки.
QFD, как и многие другие инструменты и методы, требует хранения большого объема данных и информации от различных отделов отрасли. Их точная интеграция — очень сложная часть, и этот процесс, как правило, со временем обескураживает команду. Я видел, как многие матрицы QFD поддерживаются в электронных таблицах и домах качества (HoQ) с чертежами САПР. Нет полезного софта кроме двух-трёх и они тоже имеют серьёзные ограничения.
В дополнение к QFD существуют другие инструменты управления проектированием и процессами, такие как FMEA, FTA, ТРИЗ и т. д., которые широко используются во многих отраслях, сталкиваясь с аналогичными задачами. Суть дела в том, что инструментам управления нужна точная информация и данные для идеальной навигации.
От субъективного к конкретному…
Величие QFD заключается в его способности облегчить преобразование субъективной информации в конкретные детали. Во время этой трансформации существуют различные этапы принятия решений и суждений. Чтобы эти этапы были эффективными, необходимы надежные источники информации.
Сложность обработки данных в QFD приводит к тому, что большие проекты разбиваются на несколько небольших частей. Во многих случаях такой подход препятствует творческому объединению двух (или более) подсистем в одну, т.е. одной подсистемы может быть достаточно для решения нескольких других задач; однако взламывание патронов приводит к «эксцессам». Это также может быть одной из основных причин того, что он не получил широкого распространения.
Динамика производственных отраслей
Обрабатывающая промышленность в настоящее время не такая, как в прошлом. В отличие от 70-х годов, когда была изобретена QFD, технология производства быстро меняется в фазе с другими современными технологиями. Помимо производственных процессов, в современных машинах больше внимания уделяется информатике. Это привело к появлению технологий сбора данных в реальном времени в эпоху Интернета и, таким образом, к эре автоматизации.
Затем пришла робототехника для автоматизации многих процессов. В течение двух десятилетий робототехника работала с локализованными системами управления. Конвергенция Интернета и систем управления роботами позволила выполнять несколько удаленных операций и проложила путь для удаленного сотрудничества между роботами.
Будь то традиционное производство или 3D-печать, ускорение разработки датчиков МЭМС привело к синхронизированным операциям между сервисными роботами и роботизированными машинами, раз и навсегда изменив ландшафт обрабатывающей промышленности в эту эпоху.
Промышленный Интернет вещей
Интернет вещей (IoT) некоторых автономных устройств направлен на разработку микрокомпьютеров, таких как Arduino, Raspberry PI и т. Д., Чтобы их могли использовать любители. Исходя из этого, были начаты серьезные разработки в области домашней автоматизации, автомобильных датчиков и т. д. Параллельно отрасли, которые внедрили интеллектуальные системы управления, применили IoT в своих производственных процессах, написав новую главу — IIoT.
Сегодня Industrial IoT (IIoT) — это непрерывный поток данных из каждого уголка и уголка всей промышленной экосистемы. Недорогие датчики MEMS, высокая пропускная способность связи и недорогое хранилище данных уступили место IIoT. Состояние машин, производительность машин, их производительность, сведения о продуктах и их данные о времени выполнения обеспечивают качество продуктов и процессов с этими новыми технологиями. В настоящее время IIoT в основном используется для профилактического обслуживания и удаленной обработки внутренних операций. Основные программные приложения и современные машины интегрируются для мониторинга всех производственных процессов в отрасли.
Эти этапы обеспечивают получение надежных данных с различных стадий и этапов всего процесса. По состоянию на 2017 год в мире было установлено около 28 миллиардов устройств IoT, и ожидается, что к 2018 году их число достигнет 35 миллиардов. Ориентированность», организовав всю экосистему для бесперебойного выполнения операций. Эти данные можно хорошо использовать в инструментах управления для последующих планов действий и даже автоматизировать…!
Искусственный интеллект и машинное обучение
Технология Machine Leanring (ML) объединяет доступные ей данные и принимает решения на основе предыдущего «опыта». Таким образом, машинное обучение стало частью искусственного интеллекта (ИИ), включающим в себя «глубокую склонность». В отличие от традиционных методов программирования, которые выдают результаты на основе входных данных, машинное обучение «создает» новые программы из входных данных на основе своих возможностей. Говорят, что компьютерная программа учится на опыте (E) в отношении некоторого класса задач (T) и показателя производительности (P), если его производительность в задачах улучшается с опытом.
ИИ — это система, которая «ведет себя» как человек. Он использует «Агент», который может собирать информацию о своей среде и предпринимать действия на основе этой информации. Реактивные агенты — это системы, основанные на правилах, которым не требуется настройка памяти. Агенты второго типа — агенты машинного обучения — берут информацию из памяти, где хранится опыт. ML передает необходимую информацию и данные агентам второго типа для принятия решений. Термин «SMART» появляется, когда вместе с «экономикой» появляются IoT и AI. Любую систему можно назвать умной, когда эти три элемента объединены для достижения миссии и видения процесса.
Каждый этап в QFD можно научить системам, и, таким образом, вмешательство человека может быть сведено к минимуму и автоматизировано в долгосрочной перспективе. Технологию искусственного интеллекта можно использовать для принятия предсказуемых приоритетных решений и выбора дизайна на основе условных правил и алгоритмов машинного обучения. Включение машинного обучения и искусственного интеллекта в QFD значительно повысит эффективность процессов разработки и производства продуктов. Интеграция IIOT, ML и AI с QFD станет сценарием новой эры в производственных технологиях.
Технология блокчейн
Блокчейн — новейшее чудо информационных технологий в этом тысячелетии. Это распределенная база данных на нескольких узлах вместо того, чтобы поддерживать их в централизованном месте. В процессе обновления используются криптографические методы, поэтому его по-прежнему нельзя взломать. Внедрение блокчейна начинается с простых вопросов, таких как:
Влияют ли двойные (/ мульти) расходы (с использованием одних и тех же пробных оттисков или копирования и вставки) на ваш бизнес?
Нужна авторизация, которая вызывает задержку? (например, комплект инструкций/контрактов)
Потребляет ли промежуточное звено вашу долю прибыли/вызывает задержки?
Боитесь кибер-хакерства?
Страх бедствия или разрушения?
Интернет-безопасность является серьезной проблемой в наши дни. То же самое относится и к IoT. Последствия любого нарушения безопасности системы приведут к невообразимым бедствиям как для промышленности, так и для экономики. Однако появление технологии блокчейн из другого квартала может помочь решить эту проблему. Интеграция блокчейна с системами IOT, вероятно, обеспечит безопасность всей экосистемы, хотя она еще не обсуждалась и не анализировалась.
… в новой бутылке…
Появление искусственного интеллекта, машинного обучения, технологии MEMS, протокола блокчейна объединяется, чтобы вернуть к жизни многие заброшенные превосходные инструменты и методы со свежим взглядом. Эти инструменты и методы поставят отрасли в структурированную дорожную карту для навигации по внедрению технологий, а не просто по внедрению машинного обучения, искусственного интеллекта, IIOT и блокчейна в определенной области или без каких-либо целей или с небольшими целями.
Несмотря на то, что технология облачных вычислений здесь не обсуждалась, она позволила соединить все другие технологии и функционирует как центральная нервная система всей экосистемы. Это проложит путь для создания футуристических революций, таких как экономика замкнутого цикла, экономика совместного использования и автоматизация всего.
