Adatvezérelt működés az iparban
Az adat teremti meg a kommunikációt nemcsak a gépek, hanem az emberek és a gépek között is.

 

Már 2017-ben találkoztam olyan véleménnyel, hogy az adatelemzés többé nem csupán egy jó lehetőség, hanem a vállalat alapvető tevékenységét kell, hogy képezze. Ez ágazatfüggő – tettem hozzá akkoriban, és most is úgy gondolom, hogy egy gyártó cég elsősorban jó minőségű termékeket állítson elő határidőre. Nem kétséges azonban, hogy az üzletviteli és gyártási információkat az elemzések segítségével üzleti értékké lehet és kell alakítani. Hogy hogyan, arról Gáspár Sándor, a Stratis Vezetői és Informatikai Tanácsadó Kft. AI-kompetencia-központjának vezetője és Géró Péter, a cég alapító partnere beszéltek A Jövő Gyára olvasóinak.

Mi dönti el, hogy mely gyártási adatokat érdemes gyűjteni?

Gáspár Sándor: A legfontosabb, hogy az ügyfél már a munka elején meg tudja fogalmazni, hogy mit szeretne elérni az adatok gyűjtésével és elemzésével. Az adattárolás napjainkban már nem költséges, az adatfeldolgozás és -elemzés, a folyamatokba történő integrálás ezzel szemben elég drága lehet, ami csak akkor térül meg, ha előzetesen tudjuk a pontos célokat, és ehhez meg tudjuk fogalmazni a várható hasznokat. Közösen át szoktuk tekinteni, hogy mik azok az üzleti mutatószámok, amelyek nem jól teljesülnek, és ezek alapján már be tudjuk azonosítani, hogy milyen adatok ismerete lendíthet minket előre.

 

 
Gáspár Sándor, a Stratis Vezetői és Informatikai Tanácsadó Kft. AI-kompetencia-központjának vezetője
 

 

Ezt a mutatószámot olyan adatok határozzák meg, mint a gépek termelésben való rendelkezésre állása, a kapacitáskihasználtság, illetve a gyártás minőségi mutatója. A mérés jelentőségével egyébként már tisztában vannak a cégek, új gépek beszerzésénél mindig szempont az, hogy ezekhez a mutatókhoz szükséges adatokat hatékonyan nyerhessék ki a berendezésből. Az a tervezési és üzembe helyezési szempont viszont kevesebb alkalommal jelenik meg, hogy a három fő mutatószám képzése mellett további paraméterek mérésére is legyen lehetőség, ami részletesebb elemzéseket tesz lehetővé, és a „miért”-ekre és az OEE fejlesztési lehetőségekre is kapunk választ.

Fontos, hogy a fejlesztés minél hamarabb hozzon pozitív változásokat a vállalkozás eredményében, mert ez erősítheti a további hasonló fejlesztési igényeket is. Módszertanunk azzal indul, hogy megnézzük, milyen mutatószámok írják le a meghatározott működési terület eredményességét, aztán tekintsük át azokat a folyamatokat, amik ezeket mozgatják, és keressük meg, hogy ezekben a folyamatokban mi mérhető, illetve milyen előfeltételeket kell biztosítani a mérhetőséghez. A teljes eszközhatékonyság (OEE) például egy elég fontos mutatószám minden gyártó cég számára.

Miért tűnik nehézkesebbnek az ipar digitalizálása, mint a bankszektoré vagy a kereskedelemé?

Gáspár Sándor: A gyártó cégek esetében sokszor eléggé messziről kell indulnunk, mert az IT gyakran kimerül a rendszergazdai, például a meglévő informatikai rendszerek támogatói feladatainak ellátásában. Ez tehát szervezeti érettség kérdése; egy testreszabott Ipar 4.0 projekthez nem lehet úgy hozzáállni, hogy „hozzátok ide a kész megoldást, a mi időnket elviszi a termelés”. Ahogy már korábban is említettem, a célok megfogalmazása és az aktív részvétel nélkül nem lehet sikert elérni. Nagy kihívás az integráció is, mert a fizikai folyamatokat sokszor nehéz úgy fejleszteni, hogy azt a feladatot lássák el, amit az adatok alapján a mesterséges intelligencia célul kitűzött. A szolgáltató cégek esetében értelemszerűen könnyebb a folyamatok átalakítása a magasabb szintű digitalizáltság miatt.

 


Géró Péter, a Stratis Vezetői és Informatikai Tanácsadó Kft. Partnere

 

Géró Péter: Nem véletlen, hogy az iparban is elsőként az ügyvitelben jelent meg a modern IT, a gyártósoron maximum a gépekben a távoli karbantartás céljából találunk hasonlót, de a hálózatosítás a fent említett okok miatt sok helyen elmarad. Ahol magasabb szintű a gyártósori digitalizálás, ott is sok esetben a külföldi anyagcégek kész megoldásait veszik át a hazai leányvállalatok. A hazai iparban tehát még nem halmozódhatott fel az a kompetencia, ami más ágazatokban már mindennaposnak mondható.

Milyen szintek léteznek egy vállalkozás tevékenységének digitalizálásában?

Gáspár Sándor: Létezik a gyártó vállalatok digitalizációjának egy klasszikus, három szintet megkülönböztető megközelítése. Az első szint a vállalatirányítás szintje, amikor a keresletet hangoljuk össze a beszerzéssel, a gyártással és a kiszállítással, így optimalizáljuk a nyersanyagköltséget vagy éppen a raktárkészletet – ez a klasszikus ERP szint. A második szint már a gyártás, vagyis a MES szint, ami a termeléstervezést és a gyártásvégrehajtást foglalja magában. Itt a megrendeléseket gyártási tervekre bontjuk le a termelékenység maximalizálásához. A harmadik szint a SCADA szint, amikor már egyes gépek beállításairól beszélünk; a selejtszám csökkentéséről, a karbantartás ütemezéséről, illetve az energiafogyasztás üzemszintű kiegyenlítéséről.

Ezeket a szinteket nem igazán lehet átugrani, tehát mindenképpen az ERP szintet tartom a belépőnek. Látnunk kell a vállalat működésének teljes képét ahhoz, hogy egyre alacsonyabb szintekre hatolhasson be a digitalizálás. Ahol már igényként merül fel az, hogy ne csak a múltat, hanem a jövőt is lássuk, ott prediktív analitikai megoldásokat nyújtunk – ennek klasszikus példája a prediktív karbantartás, de mostanában nagyon hasznos például az ellátási láncban felmerülő problémák elemzése is, amivel a kiszállítások csúszását jelezhetjük előre. Itt a döntést még az ember hozza meg, az elemzési eredményekre épülő javaslat alapján. Vannak viszont más folyamatok, amik teljes mértékben automatizálhatók. Ilyen terület a minőség-ellenőrzés, ahol a mesterséges intelligencia kiszűri és a ráépülő automatizmusok el is távolítják a selejtet a gyártási folyamatból.

 

A közösen kidolgozott digitalizációs fejlesztési tervre épülő projektek már önállóan is jó eséllyel sikeresek lesznek

 

Géró Péter: Az iparban nagyon változatos, hogy hol tartanak az egyes ügyfelek. Sokszor a vállalatirányítási szinten már nagyon fejlett megoldásokkal találkozunk, a döntéseket tehát tényszerű adatokra alapozzák, de a megrendelések még mindig e-mailen érkeznek a céghez, vagy a heti és napi gyártási tervezés Excelben történik, vagy a raktári készletek is Excelben, naponta kerülnek frissítésre. A cég működéséhez tehát továbbra is különböző rendszerekből és szoftverekből kell összeszedni az adatokat, és túl sok minden függ az emberi tényezőtől. A legtöbb megkeresés mostanában már a MES és SCADA szintre, az adatvezérelt automatizálásra érkezik hozzánk.

Minden modern gyártóeszköz képes adatgyűjtésre. Mi okozza a nehézségeket, hogy ebből üzleti érték váljon?

Géró Péter: Jellemző, hogy nem megoldott a berendezések összehangolt működése, tehát jó esetben is csak a saját működésüket tudják optimalizálni. A termelőberendezések gyártói eredetileg azért építettek adatgyűjtő rendszereket a gépekbe, hogy a gép állapotáról szolgáltassanak információt. Ezek az adatok sokszor másra is felhasználhatók, de egyes gyártók esetleg nem is adnak ezekhez a rendszerekhez hozzáférést, vagy olyan eltérő megközelítésű szoftverekről beszélünk, amiket nagyon nehéz hatékonyan összekapcsolni. Sajnos ezeknek a hozzáférési és integrációs korlátoknak a feloldására helyben nem ismerik a lehetőséget a gyártó vállalatok, így nem tudják felhasználni adataikat a működésük jelentős mértékű fejlesztéséhez. Pedig ezekre vannak megoldások, ezeket kínáljuk mi is.

Milyen esetekben válasszunk méretezhető vagy azonnal használható megoldásokat?

Géró Péter: Jó ideje ismert tervezési szempont, hogy egy-egy megoldást skálázható és jól illeszthető platformra építsünk, de az elmúlt években ennek még növekedett is a jelentősége. Mi az ügyféligények alapján sokszor nyílt forráskódú alapokra építkezünk, amiknek előnye és célja pont a rugalmasság megteremtése. A digitalizálásban is hódítanak a plug-and-play rendszerek, sok ilyen MES rendszer, vagy éppen minőség-ellenőrző (AOI), raktárirányítási szoftver létezik. Mi is alkalmazunk hasonlókat, de mivel a legtöbb ezek közül szabályalapú, elég gyorsan el lehet jutni a lehetőségeik határáig. Nem a „polcról leemelhető” megoldások a mi fő erősségünk, a Stratis sokkal inkább egyedi, a vállalkozásra és a konkrét feladat megoldására szabott megoldásokat szállít, teljes felelősségvállalással.

Mi a fontosabb a döntésben: a bekerülési költség, vagy a megtérülési mutató?

Géró Péter: Ez már a vezetési kultúra függvénye, és ennek megfelelően elég vegyes a kép. Probléma, hogy a hazai ipari beruházások jelentős része a pályázati kiírásoktól függ, amik elsősorban a bekerülési költséget veszik alapul, a hosszú távú versenyképességet ezzel szemben a teljes birtoklási költség teremtené meg. A törekvés megvan arra, hogy a beruházásokat megtérülésalapon vizsgálják, de a digitalizációs fejlesztések esetében a hozadékok több területen is jelentkeznek, nehezebben ragadhatók meg, mint egy szerszámgép esetében. Ebből kifolyólag pedig a teljes birtoklási költség is nehezebben becsülhető meg. Az általunk szállított megoldások általában 1,5-2 éves megtérülést hoznak, ezért a projektek elején segítjük az ügyfeleket a gazdaságossági számításokban.

Mikor elkerülhetetlen a kudarc?

Géró Péter: Vissza kell utalnom a beszélgetésünk elejére. Ha valaki nem tudja megfogalmazni, hogy mi a cél, amit el akar érni, akkor jó eséllyel elkerülhetetlen a kudarc. Az első lépéseket tehát közösen tesszük meg, ahol a Stratis tanácsadóként lép fel. A közösen kidolgozott digitalizációs fejlesztési tervre épülő projektek már önállóan is jó eséllyel sikeresek lesznek, de mivel egymásra épülő projektek halmazáról beszélünk, ezért nem az első lépés után kell várni az igazán áttörést adó eredményeket. Sokan csak utólag szembesülnek azzal, hogy a digitalizáció a munkatársaktól, a vezetőktől is más képességeket feltételez.

Ha az érintett dolgozók félnek az új rendszer használatától, esetleg ragaszkodnak az úgynevezett „jól bevált” módszerekhez, és mintegy elszabotálják a változásokat, akkor megint csak borítékolható a kudarc. Nem lehet tehát sok lépcsőt egyszerre megugrani, a bevezetett rendszernek igazodni kell a szervezet érettségi fokához is. Mivel az iparban is jellemző a magas fluktuáció, nem hozza az elvárt hasznokat egy nehezen kezelhető rendszer.

A versenyképesség megtartásának versenyét éljük, és a környezet dinamikusan változik. Egy vállalkozás nagyon törékeny tud lenni, ha hátradől, nem fejlődik digitálisan, ezért egy idő után nem rendelkezik elég tényszerű információval sem saját magáról, sem az ügyfeleiről vagy a versenykörnyezetéről. Egy projekt véget érhet, de a vállalkozás fejlesztése sosem lesz készen. A digitalizációs fejlesztést befejezni sosem lehet, maximum időszakosan abbahagyni.

Mesterséges neurális hálózatokkal lehetővé tett gépi tanulásért ítélték oda a 2024-es fizikai Nobel-díjat
Az amerikai John J. Hopfieldnek és a kanadai Geoffrey E. Hintonnak ítélték oda 2024-ben a fizikai Nobel-díjat – jelentették be kedden Stockholmban a Svéd Királyi Akadémián. A két kutató a gépi tanulás mesterséges neurális hálózatokkal való lehetővé tételéhez járult hozzá úttörő jelentőségű eredményeivel.
Konferencia az okosvárosokról és a technológiai sokszínűségről
Összefogtak a jövőért az ipar, a tudomány és a művészetek képviselői a Kognitív Mobilitás 2024 konferencián Budapesten.
Teljes kultúraváltás – a Miller Industries beszámolója arról miként segítette a Birst megoldás üzlete átalakítását
Az Infor első blogsorozata az Infor Customer Excellence Awards nyerteseit állítja reflektorfénybe és osztja meg a sikertörténeteiket.
Új képzési program indul az adatközponti és kritikus infrastruktúra területén működőknek
Új képzésekkel egészítette ki EcoXpert Partner Program kezdeményezését a Schneider Electric. Az újonnan megszerezhető tudás hatékonyan támogatja a vállalat adatközponti és kritikus infrastruktúra területeken tevékenykedő értékesítési partnereit ügyfeleik még jobb kiszolgálásában.
Zsákutcába kerülhet az AI egy kutatás szerint
A nagy nyelvi modellek, mint például a ChatGPT elterjedése valójában egyre csökkenti a nyilvános tudásmegosztást az online kérdezz-felelek platformokon, s ezzel megnehezítheti a jövőbeli modellek képzését – erre jutott a Budapesti Corvinus Egyetem frissen publikált tanulmánya.