Autonómny vs. automatizovaný

Autonómna výroba ide ešte o krok ďalej ako vysoko automatizované procesy. Autonómny systém by mal byť schopný sám identifikovať nepredvídané situácie, posúdiť ich a urobiť zmysluplné rozhodnutie. Ľudský zásah by nemal byť potrebný dlhý čas. Vďaka tomu sú autonómne výrobné systémy schopné plánovať a riadiť výrobu samy.

Na druhej strane, automatizované procesy sú skôr reflexom. Keď vám lekár poklepká reflexným kladivkom na šľachu pod kolenným jabĺčkom, noha sa odrazí nahor. To je aj prípad automatizovaných procesov. Sú navrhnuté pomocou logiky „Ak, potom…“. Keď snímač nameria a odošle vopred definovanú hodnotu, konkrétny pohon vykoná vopred definovanú akciu. Ide v podstate o časovo následné ovládanie, ktoré pokrýva množstvo definovaných scenárov.

Kto potrebuje autonómnu výrobu a prečo?

Autonómna výroba sa dostáva do centra pozornosti v momente, keď je systém taký veľký a zložitý, že nie je možné predvídať a automatizovať všetky relevantné konštelácie. V „inteligentnej továrni“ musia byť organizované logistické systémy a automatizované výrobné zariadenia, ako aj kybernetické fyzické systémy. Patria sem dopravné systémy bez vodiča, učiace sa stroje, snímače, kamery, drony a v neposlednom rade IT systémy, ktoré riadia všetky procesy. Ak má proces prebiehať autonómne, všetky tieto jednotky by sa mali učiť samy, prispôsobiť sa situácii a mali by byť navzájom komplexne prepojené. Následne možno dosiahnuť úplne zákaznícky riadenú výrobu.

Aké sú predpoklady pre autonómnu výrobu?

Umelá inteligencia a strojové učenie

Umelá inteligencia (UI) je všeobecný pojem pre algoritmy, ktoré umožňujú realizovať inteligentné rozhodnutia. Najmodernejšia forma UI využíva neurónové siete na vývoj samoučiacich sa systémov pre strojové učenie. Strojové učenie je kľúčovou technológiou UI a korene má v technológiách strojového spracovania obrazu na kontrolu kvality, kde ide o zisťovanie vzorcov (podobností) na identifikáciu odchýlok.

Takzvaná slabá UI dokáže presne vyriešiť len tie úlohy, pre ktoré bola vyvinutá a vyškolená. Silná UI je podobná ľudskej mysli, a preto môže byť podstatne samostatnejšia a strategicky plánovať. UI sa používa v priemyselnej výrobe, najmä pri monitorovaní a kontrole procesov a preventívnej údržbe. Existujú už produkty založené na UI, ktoré sú schopné predpovedať až 95 % prestojov vo výrobe súvisiacich so strojmi.

Strojové videnie a spracovanie údajov zo snímačov

Rovnako ako zber a spracovanie všetkých ostatných údajov zo snímačov, aj pokročilé strojové videnie je predpokladom pre autonómnu výrobu. Čím viac kvalitných alebo anotovaných údajov, t. j. doplnených o štruktúrované dodatočné informácie, je z výrobného procesu k dispozícii na využitie, tým presnejšie rozhodnutia dokáže UI robiť.

Simulácie aj pre veľkosť šarže 1

Na rozdiel od sériovej výroby, v ktorej sa procesy monitorujú pomocou predchádzajúcich procesných údajov, nie je možné použiť existujúce namerané hodnoty pre veľkosť šarže 1. Ak však chcete monitorovať prvú a jedinú inštanciu, musia softvérovo riadené simulácie procesov určiť pre takýto prípad referenčné hodnoty. To zase vyžaduje konzistentné prepojenie medzi vysokovýkonným IT spoločnosti a úrovňou výroby.

Konzistentné sieťovanie a decentralizované systémy

Všetci, ktorí sú zapojení do procesu, musia byť navzájom prepojení, t. j. v rámci celého reťazca od prichádzajúcich objednávok až po výrobu a dodávku. Výrobné rozhodnutia možno zároveň robiť v reálnom čase len vtedy, ak napríklad možno ovládať robot pomocou jeho vlastných decentralizovaných výpočtových kapacít.

Roboty a autonómne dopravné systémy

Prepravu a manipuláciu s dielmi, ktoré tvoria základ výroby, väčšinou zvládnu stroje. V súčasnosti sa pracuje na vývoji v oblasti simultánnej lokalizácie a mapovania (SLAM), vnímania robotov, plánovania a regulácie, ako aj simulácie a väčšej koordinácie robotov.

Kde je dnes autonómna výroba?

Na ceste k celoplošnému využívaniu autonómnej výroby stále existuje množstvo výziev.

Dostatočné množstvo kvalitných údajov

Jednou z výziev je dostupnosť a kvalita údajov potrebných pre UI a strojové učenie (SU). Autonómne systémy vyžadujú kvalitný fond údajov, na základe ktorého sú systémy trénované tak, aby dokázali rýchlo a jednoducho identifikovať anomálie počas prevádzky. Z pohľadu operátorov je často problémom to, že systémy sú navzájom slabo kompatibilné, takže nedochádza k prekrývaniu fondov údajov iných systémov.

Dodávatelia komponentov a systémov majú záujem získať čo najviac údajov zo svojich produktov používaných zákazníkmi na celom svete. Nedôvera a argument o ochrane know-how však často komplikuje združovanie údajov, ktoré sa prekrývajú medzi spoločnosťami. Na rozvoj a trénovanie UI sú na jednej strane potrebné dostatočne kvalitné dáta a na druhej strane treba brať do úvahy dátovú suverenitu používateľov. Tento v súčasnosti nevyriešený rozpor brzdí rýchly rozvoj aplikácií UI.

Strojová komunikácia v reálnom čase: 5G ako predpoklad

V továrni budúcnosti snímače, stroje, zariadenia a IT systémy navzájom spolupracujú prostredníctvom výmeny rôznych údajov a informácií. Štandard mobilnej siete 5G zvyšuje rýchlosť prenosu dát v mobilnej sieti desaťnásobne na viac ako desať gigabitov za sekundu. Vďaka výrazne nižšiemu času oneskorenia je možná komunikácia so strojmi v reálnom čase.

„Na prepojenie mobilných terminálov je vysokovýkonná bezdrôtová komunikácia absolútne nevyhnutná. Okrem autonómnych dopravných systémov a mobilných robotov sem patria aj mobilné prevádzkové zariadenia a nové rozhrania človek – stroj, ako napríklad aplikácie rozšírenej reality. Okrem toho 5G umožňuje aj úplne nové koncepty výroby prostredníctvom bezdrôtových, vysoko flexibilných výrobných modulov, ktoré sa dajú ľahko navzájom kombinovať bez akejkoľvek kabeláže,“ uviedol Dr. Andreas Müller, predseda iniciatívy Alianca 5G pre prepojený priemysel a automatizáciu.

Zložitosť nasadenia strojového učenia sa zvyšuje v prípade, keď sa na absenciu chýb kladú vysoké nároky. Ide napríklad o testovanie presných komponentov dôležitých z hľadiska bezpečnosti v automobilovom priemysle. Tam je povolená maximálna chybovosť 1 až 10 ppm (častíc na milión). Testovacie postupy založené na SU ako čiastkovej disciplíne priemyselného strojového videnia sú v súčasnosti ďaleko od dosiahnutia takejto chybovosti.

Kto dnes prevádzkuje autonómnu výrobu?

Podľa prieskumu nemeckého združenia VDI (Správa VDI o stave o umelej inteligencii, 2018) sa metódy UI už používajú na analýzu údajov; tie sa však vyznačujú tým, že konkrétny záver si zvyčajne musí urobiť používateľ. Priama spätná väzba na proces alebo na aplikáciu zatiaľ väčšinou neprebieha. Vo všeobecnosti sú veľké spoločnosti v tejto oblasti aktívnejšie ako malé a stredné podniky a tiež sa s väčšou pravdepodobnosťou domnievajú, že vďaka širšiemu využívaniu autonómnych systémov možno dosiahnuť výraznejší rast podnikania. Medzi podniky, ktoré svoju cestu k autonómnej výrobe už začali, patria Siemens, Porsche či Festo.

Akú úlohu zohrá človek v autonómnej výrobe?

Úplne autonómna výroba by mala fungovať bez zásahov a pomoci človeka. V dôsledku toho je pravdepodobné, že niektoré profesie budú v najbližších rokoch nahradené inými. Existuje široká škála prognóz, ako a do akej miery sa to stane. Vo všeobecnosti by automatizácia mala ľuďom umožniť riešiť úlohy vyššej hodnoty, ako je riešenie problémov alebo optimalizácia procesov. Roboty potom možno použiť na opakujúce sa úlohy s nízkou pridanou hodnotou. V budúcnosti však stále budú existovať určité automatizačné úlohy, ktoré sa zatiaľ nedajú vyriešiť, takže ľudia a stroje budú musieť spolupracovať.

V strednodobom horizonte preto ľudia zostanú súčasťou výrobného prostredia – aj keď čoraz viac za iných podmienok: budú menej zapojení do samotnej výroby, ale viac do jej kontroly a monitorovania. Presne tu budú vytvorené nové pozície pre pracovníkov. Vďaka prístupu na priemyselný internet vecí (IIoT), ktorý zahŕňa nepretržité sieťovanie všetkých účastníkov procesu, sa generujú enormné množstvá dát. Na ich štruktúrovanie, analýzu a hodnotenie sa vyžaduje dobre vyškolený odborný personál. Spoločnosti musia svojich zamestnancov pravidelne školiť, aby mohli naplno využívať výhody automatizácie.

Okrem toho ľudia zostávajú pánmi procesu a budú dávať strojom pracovné pokyny a nie naopak. Už teraz si môžeme nastaviť všeobecné podmienky, ako chceme v budúcnosti fungovať, pretože Priemysel 4.0 nie je hotový produkt, ale vývojový proces. V tomto kontexte je potrebný široký spoločenský konsenzus aj v etických otázkach vyplývajúcich z používania autonómnych systémov.

Podľa Ariane Sutor, vedúcej inovačného akcelerátora Zero Engineering v spoločnosti Siemens a autorky publikácie Autonómna továreň, je táto výroba postavená na dvoch kľúčových vlastnostiach:

Optimálna správa a riadenie autonómnych strojov

Autonómne stroje sa nezávisle rozhodujú, ako splniť konkrétnu výrobnú úlohu. Nepotrebujú podrobné programovanie zhora nadol, ale aby konali autonómne, radšej používajú digitálne dvojča. Na úrovni závodu je najvyššia produktivita zabezpečená optimalizáciou spolupráce a interakcie medzi jednotlivými strojmi, čo vedie k najproduktívnejšej postupnosti výrobných úloh.

Jednoduchý inžiniering

Vysoká flexibilita znamená časté zmeny výrobných požiadaviek. Aby bola personalizovaná výroba vo veľkom meradle životaschopná, výsledné zmeny na linkách a zariadeniach musia byť čo najnižšie. Uvedená modularita poskytuje podmienku pre aplikáciu dvojdielneho cloudového riešenia pozostávajúceho z dvoch produktov spoločnosti Siemens – „autonómneho výrobného inžiniera“ a „autonómneho výrobného dispečera“ (obr. 1). Táto kombinácia umožňuje flexibilné prispôsobenie plánovania výroby špecifickým požiadavkám na produkt pri minimalizácii potrebného času a úsilia. Siemens to nazýva Engineering to Zero.

Je dôležité mať na pamäti, že čím personalizovanejšie a flexibilnejšie chcú spoločnosti slúžiť svojim zákazníkom na trhu, tým zložitejšia bude ich výroba. Medzi hlavné dôvody patrí obrovské množstvo rôznych systémov, ktoré spolu interagujú a komunikujú, ako aj obrovské objemy výsledných údajov, ktoré treba spracovať. Zvládnutie tejto zložitosti vyžaduje riadenie niekoľkých kľúčových technológií, ktoré sú srdcom autonómnej továrne:

  • umelá inteligencia (neurónové siete, znalostné grafy),
  • IIoT (Cloud a Edge Computing),
  • robotika,
  • digitálne dvojča („svetový model“),
  • blockchain.

Keďže simultánna implementácia a bezproblémová súhra týchto technológií trvá mnoho rokov, plne autonómne továrne sú stále víziou budúcnosti. Mnoho spoločností však už podniká progresívne kroky na uvedenie tejto vízie do života.

Úrovne autonómnosti – prechod, ktorý treba urobiť v krokoch

Autonómnosť sa rozšíri do viacerých funkčných oblastí vrátane riadenia procesov a prevádzok, plánovania a rozvrhovania, riadenia dodávateľského reťazca, prevádzky v teréne, údržby a inžinieringu. Preskočiť priamo na autonómnu prevádzku je veľmi ťažké. Spoločnosť Yokogawa preto vyvinula model zrelosti (obr. 2), aby zistila, kde sú spoločnosti dnes a kde by mali byť v budúcnosti.

  • Úroveň 0 – 1 MANUÁLNA/POLOAUTOMATIZOVANÁ
    V prevádzke sa nachádza len minimum prístrojov a automatizovaných systémov. Veľa činností sa vykonáva manuálne pomocou papierových pokynov a uchovávania záznamov. Automatizačný systém vykonáva niektoré výrobné procesy, aby eliminoval operácie náchylné na chyby a zvýšil produktivitu.
  • Úroveň 2 AUTOMATIZOVANÁ
    Ľudia sú zodpovední za bezpečnú prevádzku, pričom im pomáhajú tradičné automatizačné systémy. Automatizačný systém vykonáva väčšinu výrobných procesov a pomáha pri pracovných tokoch a úlohách údržby, ale vyžaduje ľudský dohľad a zásah, aby sa správne vyrovnal so všetkým, čo je mimo bežných postupov.
  • Úroveň 3 POLOAUTONÓMNA
    Je charakterizovaná zmesou autonómnych komponentov a automatizovaných prostriedkov organizovaných človekom. Autonómny komponent sa líši od automatizácie vďaka svojim schopnostiam učiť sa, prispôsobovať sa a samočinne optimalizovať situácie, ktoré nie sú vopred naprogramované. Spoločnosti na tejto úrovni nasadzujú celý rad selektívnych autonómnych komponentov alebo aplikácií riadených ľuďmi.
  • Úroveň 4 AUTONÓMNA SPRÁVA A KOORDINÁCIA
    Väčšina technických prostriedkov funguje autonómne a je synchronizovaná s cieľom optimalizovať výrobu, bezpečnosť a údržbu za určitých okolností alebo podmienok. Spája autonómne komponenty s vhodnou funkčnosťou, aby fungovali ako systém. Stále však existuje potreba, aby ľudia vykonávali mnohé úlohy, pretože nie všetky disciplíny sú integrované na tejto úrovni. Okrem toho, ak nie sú splnené špecifické okolnosti, operátori musia prevziať kontrolu nad prevádzkou.
  • Úroveň 5 AUTONÓMNE PREVÁDZKY
    Vysoko idealizovaný stav, kde zariadenia fungujú autonómne a sú prepojené s viacerými disciplínami, ktoré tiež fungujú autonómne a rozširujú sa na partnerov dodávateľského reťazca. Prevádzkové činnosti sú úplne autonómne a nevyžadujú vôbec žiadnu ľudskú interakciu.

Odmena za autonómiu prichádza s veľkými výzvami, ktoré treba prekonať

Výhody prechodu od automatizácie k autonómii sú rozsiahle, bohaté a významné v rôznych odvetviach. Napríklad zámerom samoriadiacich áut je výrazne znížiť nehodovosť vozidiel a zlepšiť bezpečnosť na cestách. Podobný cieľ majú aj samopilotujúce lietadlá.

Hoci výhody autonómnosti sú pôsobivé a zdanlivo nekonečné, jej výzvy sú rovnako veľké a rovnako dôležité ako jej prínosy. Zahŕňajú úlohy odstraňovania zaujatosti, riešenie otázok dôvery, bezpečnosti a ochrany, dodržiavanie súkromia údajov a zabezpečenia etiky – dokonca môže vstúpiť do hry právna zodpovednosť, napríklad kto je vlastníkom autonómneho systému/zariadenia.

To sú obrovské výzvy, na ktorých riešení intenzívne pracujú globálne organizácie, akademické inštitúcie a vlády. Jedným príkladom, ktorý stojí za zmienku, je program Explainable AI od organizácie DARPA, ktorého cieľom je vybudovať dôveru pomocou modelov strojového učenia. Ide o skupinu techník strojového učenia, ktoré ľuďom umožňujú porozumieť modelom strojového učenia, primerane im dôverovať a spravovať ich.

Treba zdôrazniť, že modely strojového učenia sa môžu učiť, rozhodovať a konať samy bez ľudského zásahu. Modely Explainable AI od DARPA budú schopné ľuďom vysvetliť svoje činy a rozhodnutia, odhaliť ich silné a slabé stránky a zverejniť, ako sa im bude dariť v budúcnosti. Tieto systémy sú určené na získanie dôvery ľudí v strojové učenie, ktorá je potrebná na dosiahnutie úplnej autonómnosti.

Je zrejmé, že sme na začiatku éry, kde budú mať autonómne vozidlá, roboty, drony a ďalšie stroje významný vplyv na náš každodenný život a pracovné zvyky. Najbližšie roky budú vzrušujúce, pretože naša blízkosť k autonómnym systémom sa neustále posilňuje a naopak, s tým spojené prekážky – ako je ľudská dôvera – sa zmenšujú.

Literatúra

[1] The Path to Autonomous Production. [online]. Publikované máj 2022. 

[2] Ohr, R-Ch.: The Autonomous Factory: Innovation through Personalized Production at Scale. Siemens AG, Ingenuity. [online]. Publikované 6. 7. 2021. 

[3] IA2IA, What it means? Yokogawa. [online]. 

[4] McClean, T.: The Path From Automation To Autonomy Is Swarming With Activity. Forbes. [online]. Publikované 1. 4. 2021. 

-tog-