Plan uvođenja AI-a u proizvodnju: od podataka iz pogona do agenata

Vaš AI pilot proradio je na jednoj liniji. Godinu dana kasnije drugi pogon ga još nema, a prva linija ga je u tišini prestala koristiti.

Plan uvođenja AI-a u proizvodnju postoji upravo da to spriječi. Ima četiri faze. Povežite podatke iz pogona s podacima iz ERP-a, dodajte sloj inteligencije pod nadzorom, proširite AI agente, a zatim ugradite AI u način na koji tvornica radi.

Većina proizvođača pokušava početi od treće faze. Zato pilot projekti zapnu.

Implementirao sam ERP u proizvodnji plastike, čelika i za obrambenu industriju. Obrazac se ponavlja. Model je rijetko ono teško.

Teško je to što tri sustava isti nalog opisuju na tri načina.

Zamislite jedan nalog za 5.000 brizganih čepova. ERP vidi proizvodni nalog. MES (sustav koji upravlja proizvodnim pogonom) vidi posao na preši 14, a preša poznaje samo broj ciklusa.

Ovaj plan funkcionira bez obzira na to koji je Vaš temeljni sustav: SAP, Oracle, Microsoft, Infor ili nešto razvijeno interno.

Ovako bih rasporedio tri godine.

Tri godine, četiri faze

1. 01

   Sada: temelj podataka

   Podaci iz pogona, kvalitete i ERP-a na jednoj platformi pod nadzorom, s porijeklom podataka i samostalnim izvještavanjem.

2. 02

   1. godina: inteligencija pod nadzorom

   Jedan poslovni jezik za pogone, linije, materijale i naloge, upravljanje AI-em i prve brze pobjede.

3. 03

   2. godina: širenje AI agenata

   Agenti za održavanje, kvalitetu, planiranje i nabavu koji rade u svim pogonima.

4. 04

   3. godina: AI ugrađen u cijelo poslovanje

   AI u načinu na koji tvornica planira, radi i napreduje, a ljudi i agenti rade zajedno.

Rokove shvatite kao smjernicu. Grupi s deset pogona na četiri ERP-a trebat će više vremena u prvoj fazi.

Tvornički podaci žive u slojevima, a norma ISA-95 dobro ih opisuje. Na dnu su senzori i PLC-ovi, upravljački uređaji koji pokreću svaki stroj. Iznad njih su SCADA zasloni i historijske baze (baze očitanja strojeva), zatim MES, a na vrhu ERP koji sve to planira i obračunava.

AI treba da ti slojevi međusobno komuniciraju. U većini pogona to se ne događa.

Počeo bih s tri stvari.

1. Podatkovna platforma, obično lakehouse ili skladište podataka u oblaku, koja prima podatke iz ERP-a, zapise iz MES-a i očitanja iz historijskih baza. Većini slučajeva upotrebe trebaju sažeci, primjerice prosječna temperatura taline po šarži.
2. Upravljanje podacima od prvog dana: katalog podataka, porijeklo podataka koje pokazuje odakle dolazi svaki broj te pravila kvalitete. Ako nitko ne zna reći odakle dolazi podatak o škartu, nitko neće vjerovati modelu koji ga predviđa.
3. Samostalno izvještavanje. Voditelji pogona trebali bi vidjeti OEE (dobru proizvodnju u odnosu na moguću), škart i pridržavanje rasporeda iz jednog izvora prije nego što se uključi bilo kakav AI.

Najteži posao su matični podaci. Uzmimo grupu za preradu plastike s dva pogona.

Pogon A crni polipropilenski granulat naziva MAT-1001 i broji ga u kilogramima. Pogon B ga naziva PP-BLK-25 i broji ga u vrećama od 25 kg. Zatražite od modela prognozu potrošnje smole i on će vidjeti dva nepovezana materijala.

Rješenje je dosadno. Vlasnik materijala mapira šifre, dogovori jednu mjernu jedinicu, a platforma to pravilo primjenjuje svake noći.

Alat može predložiti podudaranje. Čovjek i dalje odlučuje koja šifra pobjeđuje i tko je od tada vlasnik pravila.

Satovi su druga stvar koju bih rano provjerio. Historijska baza valjaonice može bilježiti očitanja peći po lokalnom vremenu, dok ERP knjiži po UTC-u.

Želite povezati površinsku grešku na koluti 4471 s temperaturom peći u trenutku valjanja. Ako se satovi razlikuju za četiri sata, model uči iz pogrešne temperature. Ispravite to jednom, ovdje, i svaki kasniji slučaj upotrebe dobit će točne podatke.

1. 01Strojevi i historijske bazeOčitanja senzora, sažeta po šarži
2. 02MESPoslovi, zastoji i škart
3. 03ERPNalozi, materijali i troškovi
4. 04Zona prihvataSirove kopije, čuvane onakve kakve su stigle
5. 05Očišćeno i mapiranoJedna šifra materijala, jedna jedinica, jedan sat
6. 06Samostalni izvještajiOEE, škart i pridržavanje rasporeda

Jedna pouzdana verzija svakog naloga, od stroja do glavne knjige

Prva godina pretvara te podatke u nešto što AI može sigurno koristiti. Srž je semantički sloj: jedan zajednički poslovni jezik za pogone, linije, radna mjesta, materijale, naloge i greške.

Pitate li agenta o „zastoju linije 3“, on mora znati o kojoj je liniji 3 riječ. I pogon A i pogon B mogu imati liniju 3, a zastoj mogu brojati različito.

Jedan pogon pokreće sat kad se stroj zaustavi. Drugi ga pokreće kad operater evidentira zaustavljanje. Semantički sloj zapisuje jednu definiciju i svaki izvještaj i agent koriste nju.

Iste godine uspostavite upravljanje AI-em. Vodite registar svakog AI slučaja upotrebe, svakog s imenovanim vlasnikom, ocjenom rizika i točkom u kojoj čovjek provjerava rezultat.

Ako AI sustav postane sigurnosna komponenta stroja, EU AI Act ga tretira kao visokorizičan. Rano uključite svoje inženjere zaštite na radu. Želim ih na prvoj radionici.

Zatim isporučite dvije ili tri brze pobjede koje će ljudi u pogonu primijetiti. Evo kopilota za održavanje u noćnoj smjeni.

1. Tehničarka stoji pred hidrauličkom prešom koja stalno javlja grešku niskog tlaka. Na tabletu u kopilota upisuje šifru greške i broj preše.
2. Kopilot pretražuje priručnik preše i prošle radne naloge za tu prešu.
3. Odgovara da se ista greška pojavila dvaput i da je oba puta uzrok bila istrošena brtva na glavnom cilindru.
4. Daje broj dijela brtve i poveznicu na stranicu priručnika s postupkom zamjene.

Ona i dalje odlučuje hoće li zaustaviti prešu i sama provodi blokadu. Kopilot joj je samo uštedio kopanje po staroj dokumentaciji.

Druga brza pobjeda su sažeci primopredaje smjene. U 6 ujutro nadzornik koji preuzima smjenu dobiva jednu stranicu sastavljenu iz MES događaja, evidencije zastoja i blokada zbog kvalitete. Preša 9 izgubila je 40 minuta zbog spore zamjene kalupa, a šarža 2207 blokirana je zbog nedovoljno ispunjenih otpresaka.

Nadzornik provjerava blokadu i odlučuje što će prvo pokrenuti.

Treća opcija je provjera dokumentacije dobavljača. Ako certifikat čeličane za kolut navodi S275, a Vi ste naručili S355, AI to označi prije zaprimanja robe. Netko iz kvalitete i dalje prihvaća ili odbija kolut.

Ovako bih rangirao prve kandidate.

1. 01Nadzornik pitaZašto je linija 3 sinoć izgubila vrijeme?
2. 02Semantički slojKoji pogon, koja linija, koje pravilo za zastoj
3. 03Podaci pod nadzoromEvidencija zastoja, MES događaji, radni nalozi
4. 04Kopilot odgovaraUz izvor svakog podatka
5. 05Nadzornik provjeravaPrihvaća, ispravlja ili eskalira

Odgovor oko kojeg se slažu voditelj pogona i izvještaj za upravu

Poslovna vrijednostVisokaSrednjaNiska

• Autonomno planiranje rasporeda

• Vizualna kontrola kvalitete

• Kopilot za održavanje

• Provjera dokumentacije dobavljača

• Sažeci primopredaje smjene

• Generički chatbot

NiskaSrednjaVisokaSpremnost podataka

• Kasnije
• Planirajte
• Počnite sada

Druga godina prelazi s asistenata na agente. Asistent odgovara na pitanje. Agent prati signal, odlučuje što učiniti unutar granica koje ste postavili i djeluje u Vašim sustavima.

Ovo su agenti za koje vidim da se u proizvodnji prvi isplate.

1. Prediktivno održavanje. Očitanja strojeva pokreću radni nalog u ERP-u prije kvara, uz rezervirane rezervne dijelove.
2. Kvaliteta. Vizualna kontrola označi grešku, a agent blokira šaržu, povezuje je s postavkama procesa i otvara odstupanje.
3. Planiranje. Agent preraspoređuje raspored kad stroj stane ili materijal kasni i traži od planera odobrenje.
4. Nabava. Požuruje zakašnjele isporuke i priprema nacrt zahtjeva za ubrzanje.

Evo kako agent za održavanje postupa s ležajem koji popušta na preši za štancanje.

1. Vibracije na glavnom ležaju dva tjedna polako rastu, a temperatura ih prati.
2. Agent uspoređuje uzorak s prošlim kvarovima na istom tipu preše i pronalazi podudaranje.
3. U ERP-u otvara obavijest o održavanju, provjerava ima li rezervnog ležaja na zalihi i rezervira ga.
4. Predlaže termin u planiranom subotnjem zastoju i šalje zahtjev planeru održavanja.

Planer odobrava termin ili ga pomiče. Agent može samostalno otvarati obavijesti i rezervirati dijelove, ali ne može zaustaviti liniju, a za to ograničenje odgovara imenovana osoba.

Sada uzmimo agenta za planiranje. U utorak poslijepodne ekstruder stane do četvrtka, a kontejner smole zapeo je u luci.

Agent provjerava otvorene naloge, rokove i koje linije mogu proizvoditi koje proizvode. Sastavlja dvije opcije. Prebaciti tri naloga na liniju 2 uz prekovremeni rad u srijedu ili jednom kupcu odgoditi nalog za dva dana.

Planer bira jednu ili najprije nazove kupca. Nikad ne bih dopustio agentu da kupcu potiho pomakne datum.

Veća promjena u drugoj godini je vlasništvo. Netko mora biti vlasnik svakog agenta, njegovih granica i njegovih rezultata. Agente tretiram kao nove članove tima, s opisom posla i redovitom ocjenom.

1. 01PratiVibracije, temperatura i struja na svakoj preši
2. 02OtkrivaOčitanje ležaja izlazi iz raspona
3. 03PripremaNacrt radnog naloga, rezerviran rezervni dio
4. 04OdobrenjePlaner održavanja rezervira termin
5. 05DjelujeNalog pušten, tehničar upućen
6. 06UčiIshod se koristi za sljedeće predviđanje

Jedan vlasnik po agentu, s postavljenim granicama

Do treće godine AI više nije zaseban projekt. Nalazi se unutar planiranja, proizvodnje, kvalitete, održavanja i obračuna troškova.

Evo kako to izgleda u mjesečnom S&OP ciklusu, u kojem se prodaja, proizvodnja i financije dogovaraju oko jednog plana.

1. Kupci dijele prognoze, a agent označava one koje se u odnosu na povijest narudžbi čine previsokima.
2. Dobavljači dijele kapacitete, pa agent vidi da je Vaš dobavljač premaza u ožujku popunjen.
3. Agent izrađuje nacrt plana koji odgovara i jednima i drugima te ga obračunava u ERP-u.
4. Sastanak svoj sat posvećuje onih nekoliko stvarnih kompromisa.

Ljudi su i dalje vlasnici plana. Direktor operacija ga potpisuje, a financije provjeravaju maržu.

Obračun troškova je drugo mjesto na koje bih pogledao. Recimo da stroj za brizganje stalno radi sporije od standardnog vremena ciklusa. Agent uočava razliku, izračunava učinak na troškove i pita troškovnog računovođu treba li ažurirati standard.

Odluku donosi računovođa, jer promjena standardnog troška utječe na vrednovanje zaliha i marže.

1. Direktor pogonaVlasnik ciljeva pogona i portfelja agenata
   Upravljanje AI-emRegistar, testiranje i prekidač za gašenje svakog agenta
2. Voditelj proizvodnjeOdobrava promjene rasporeda koje predlažu agenti

• Agent za održavanjeVlasnik je voditelj održavanja
• Agent za kvalitetuVlasnik je voditelj kvalitete
• Agent za planiranjeVlasnik je voditelj planiranja
• Agent za nabavuVlasnik je nabavljač

1. 04AI agenti i kopilotiAgenti za održavanje, kvalitetu, planiranje i nabavu, s točkama ljudskog odobrenja
2. 03Sloj inteligencije pod nadzoromSemantički model pogona, linija, materijala i naloga te AI registar
3. 02Temelj podatakaLakehouse s podacima iz ERP-a, MES-a i historijskih baza, katalogom i porijeklom podataka
4. 01Sustavi pogona i poduzećaSenzori, SCADA, historijske baze, MES i ERP

Četiri stvari ne pripadaju jednoj godini. Provlače se kroz sve.

1. OT sigurnost. OT su upravljački uređaji i mreže koji pokreću strojeve. Njihovo povezivanje s AI-em u oblaku širi površinu napada, zato vezu projektirajte prema IEC 62443 i držite upravljačke mreže segmentiranima. Agent čita kopiju podataka iz historijske baze i nikad ne piše u PLC.
2. Suverenitet. Obrambena industrija, državna uprava i dio poslova pod izvoznim nadzorom trebaju AI opcije u zemlji ili na vlastitoj infrastrukturi. Odlučite koji podaci smiju napustiti pogon prije nego što odaberete model. Nacrt dijela za obrambenu industriju možda nikad ne smije ni blizu javnog modela, dok prognoza potrošnje smole vjerojatno smije.
3. Otvoren sustav više dobavljača. Koristite otvorene formate i standardna sučelja poput OPC UA, uobičajenog standarda za čitanje podataka sa strojeva. Tada možete zamijeniti model bez ponovne izgradnje.
4. Vaši ljudi. Osposobite planere, inženjere i tehničare za rad s agentima. Planer koji vjeruje opcijama agenta koristi ih. Onaj koji im ne vjeruje plan ponovno slaže u Excelu.

Najčešći neuspjeh je pilot koji se ne može proširiti. Model vizualne kontrole istreniran na jednoj liniji, s ručno izvučenim podacima, dokazuje ideju i ništa više.

Odnesite ga u drugi pogon. Kamere su drugačije, brojevi dijelova se ne podudaraju i nitko nije vlasnik modela.

Drugi neuspjeh je tretiranje AI-a kao IT projekta. Ako voditelji proizvodnje, kvalitete i održavanja nisu vlasnici slučajeva upotrebe, agenti se izgrade i zatim zanemare.

Moj je savjet da počnete od procesa. Mapirajte kako se radni nalog ili blokada zbog kvalitete danas kreće, a zatim odaberite sustav. Svakom slučaju upotrebe dodijelite poslovnog vlasnika prije nego što itko napiše kod.

Gdje zapneŠto funkcionira

1. 01Gdje zapne: Pilot na jednoj liniji s ručno izvučenim podacima→Što funkcionira: Temelj podataka izgrađen za svaki pogon
2. 02Gdje zapne: IT ga izgradi, a pogon nikad ne preuzme vlasništvo→Što funkcionira: Vlasnik iz proizvodnje, kvalitete ili održavanja za svaki slučaj upotrebe
3. 03Gdje zapne: Šifre, jedinice i satovi ispravljaju se iznova u svakom projektu→Što funkcionira: Matični podaci ispravljeni jednom, centralno
4. 04Gdje zapne: Agenti bez vlasnika, granica i ocjene→Što funkcionira: Svaki agent s vlasnikom, granicama i redovitom ocjenom

Želite li ovo isprobati na vlastitim pogonima? Rezervirajte razgovor i donesite jedan slučaj upotrebe te grubu skicu svojeg ERP-a i MES-a. Reći ću Vam u kojoj ste fazi zapravo i što bih prvo napravio.

Što je plan uvođenja AI-a u proizvodnju?

To je plan uvođenja AI-a u proizvodno poduzeće u fazama. Počinje temeljem podataka koji povezuje podatke iz pogona i ERP-a. Zatim slijede sloj inteligencije pod nadzorom, AI agenti i AI ugrađen u način na koji tvornica radi.

Odakle proizvođač treba početi s AI-em?

Počnite od podataka. Povežite podatke iz ERP-a, MES-a i sa strojeva na jednoj platformi pod nadzorom, uredite matične podatke i voditeljima pogona omogućite samostalno izvještavanje. Prvi AI slučajevi upotrebe dolaze u prvoj godini, na tom temelju.

Koji se AI slučajevi upotrebe u proizvodnji prvi isplate?

Kopiloti za održavanje, sažeci primopredaje smjene i provjera dokumentacije dobavljača brzo se isporučuju. Prediktivno održavanje, vizualna kontrola i preraspodjela rasporeda donose više, ali trebaju bolje podatke, pa obično dolaze u drugoj godini.

Koliko traje plan uvođenja AI-a u proizvodnju?

Planiram ga na tri godine od trenutka kad izgradnja temelja podataka krene. Prva godina dodaje sloj inteligencije, druga širi agente, a treća ugrađuje AI u ključne procese. Brze pobjede trebale bi pokazati vrijednost unutar prve godine.

Moramo li zamijeniti ERP ili MES prije nego što počnemo koristiti AI?

Ne. AI se preko temelja podataka nalazi iznad Vaših postojećih sustava. Važno je da su podaci u ERP-u i MES-u čisti i povezani, bez obzira na to koje dobavljače koristite.