Digitální přerod firmy začíná u kvalitního poznání firemních procesů a jejich osekání o zbytečné činnosti a vyladění na co nejplynulejší chod.
Po čtyřech letech obecných diskusí nyní nastupuje druhá vlna Průmysl 4.0. Praktická vlna, kdy si firmy už zkoušejí konkrétní aplikace a investují do své digitální proměny. „České podniky si konečně začínají uvědomovat nutnost své digitální transformace, a to nejen kvůli plnohodnotnému začlenění do hodnototvorného řetězce, ale i podstatnému zefektivnění veškerých vnitropodnikových procesů,“ říká Jiří Holoubek, člen představenstva Svazu průmyslu a dopravy ČR.
Cesta od prvních úvah o přechodu na koncept Průmysl 4.0 ke konkrétním krokům a investicím může zabrat téměř rok. A to i u firem, jako je německý koncern Siemens, který na digitalizaci průmyslu postavil část svého byznysu. „Když jsme vstupovali do první fáze digitální transformace našeho závodu v Erlangenu, jen sedm měsíců nám trvala interní diskuse, co vše to pro nás bude znamenat. Teprve pak jsme se začali strategicky zabývat tím, kde digitální proměna vytváří hodnotu pro nás a kde pro zákazníky. Dnes pracujeme běžně nejen s digitálními dvojčaty,“ popisuje německou zkušenost Wolfgang Heuring, výkonný ředitel divize řízení pohybu Siemens.
DIGITÁLNÍ DVOJČE ZRYCHLÍ DODÁNÍ STROJŮDigitální dvojče je virtuální obraz reálného stroje v digitálním prostředí. Umožňuje jeho vylepšování a zapojení do celého výrobního systému, v němž má fungovat. Digitální dvojče dovoluje provádět vývoj a vyladění stroje nejdříve ve virtuálním prostředí a až následně vše přenést do reálného světa stavbou konkrétního stroje. „U nových strojů, které vyvíjíme, dokážeme díky použití digitálního dvojčete zkrátit termín dodání o měsíce. U strojů, které dodáváme zákazníkům, se termín dodání zkrátí v řádu týdnů,“ popisuje zkušenosti s digitálním dvojčetem Lukáš Mašek, obchodní ředitel strojírenské firmy Viking Mašek. |
České firmy nyní musí především poznat svou digitální zralost. „To znamená, jak firma získává data, jak je zpracovává a jakým způsobem tato data používá pro tvorbu informací relevantních pro zaměstnance, obchodní partnery nebo koncové uživatele vyráběných produktů. Firmy si musí ujasnit, jestli mají nejen digitálně gramotné tvůrce dat, ale také jejich digitálně gramotné konzumenty,“ dodává Jiří Holoubek.
Samotná digitální transformace úzce souvisí s konceptem štíhlé výroby. Ta spočívá v odbourávání zbytečných procesů, odstraňování úzkých míst ve výrobě, likvidace prostojů a plýtvání materiálem, aby výroba běžela co nejplynuleji. Bez předchozí optimalizace výrobních procesů nemá příliš smysl je podle expertů digitalizovat. Zároveň ale prostředky Průmyslu 4.0, jako je sběr a následné zpracování dat z výrobních strojů a linek a jejich simulace v digitálních modelech, pomůžou firmě štíhlou výrobu ještě zlepšit.
PREDIKTIVNÍ KONTROLA KVALITY POUŽÍVÁ UMĚLOU INTELIGENCIV typické digitalizované továrně vznikají každou hodinu terabyty dat, například o teplotách, rychlostech, tlacích nebo vibracích ve strojích. Na nich lze vycvičit umělou inteligenci, aby dokázala předpovědět, zda hotový výrobek nemá vady. Umělá inteligence běží na počítačích, které jsou přímo u strojů a zpracovávají přímo jejich data. Tento postup se nazývá edge computing. „V naší továrně v Ambergu jsme díky takovému algoritmu snížili potřebu rentgenového testování hotových desek plošných spojů o třicet procent. Netestujeme jen desky, u nichž zjištěný vzorec dat na sto procent prokázal, že výroba proběhla správně,“ říká Ralf-Michael Franke, výkonný ředitel společnosti Siemens pro automatizaci výroby. |
Od poznání a popisu firemních procesů je ale třeba začít. „České firmy mají právě v oblasti procesů a lidí, kteří o těchto procesech rozhodují, největší rezervy,“ tvrdí Holoubek. Vidět je to například při pořizování robotů. Ty jsou stále cenově dostupnější. Například malé roboty určené pro manipulaci jsou ve srovnání s velkými průmyslovými roboty zhruba pětkrát až desetkrát levnější. „Velmi často ale firmám, které se o investice do robotů zajímají, uniká, jak robota optimálně včlenit do stávajícího technologického vybavení a do vnitrofiremních procesů, aby přinesly očekávané výsledky,“ dodává Holoubek.Typickým příkladem jsou systémy pro prediktivní údržbu. Z terabytů dat, které popisují chod strojů, algoritmy na bázi umělé inteligence dokážou vyčíst, kdy se klíčové součástky mohou pokazit a včas upozorní na nutnost jejich výměny. Výroba se pak nezastaví kvůli poruše. Podobné je to i s dynamickým přestavováním výrobních linek, které firmě dovolí na jednom zařízení vyrábět více druhů a variant výrobků.
Článek vyšel v časopisu Spektrum. Celé číslo čtěte zde.
-
kategorie Z hospodářské politiky