История фабрики: как кустарное производство превратилось в цифровые заводы
И зачем на производстве нужны искусственный интеллект, роботы и цифровые сенсоры
Современные промышленные предприятия — результат эволюции фабрик в течение почти 250 лет. Раньше перемены шли вслед за новыми устройствами, которые автоматизировали рабочие процессы. Но в основе четвертой промышленной революции, бушующей вокруг нас, лежат данные и их правильное использование. О том, что происходит сейчас в индустриях, как меняется производство и какое будущее его ждет, ПостНаука поговорила с Петром Прокофьевым, заместителем руководителя Центра компетенций НТИ на базе Сколтеха.
Этот материал — часть проекта «Индустрия будущего», который мы делаем совместно с Департаментом инвестиционной и промышленной политики города Москвы.
От прялки Дженни до киберфизических систем
История конвейеров, промышленных гигантов и массового производства началась с маленькой девочки Дженни. Однажды она нечаянно опрокинула прялку отца, английского ткача Джеймса Харгривса. Колесо прялки на полу продолжало вертеться, а веретено пряло пряжу, хотя находилось в вертикальном, а не горизонтальном положении. Заметив это, Харгривс усовершенствовал станок так, что вместо одного веретена к колесу крепилось восемь. Теперь прялка производила по меньшей мере в шесть раз больше пряжи, а значит, и лишала работы по крайней мере пяти ткачей. Станок так и назвали — прялка «Дженни». Она стала символом начала промышленного переворота.
Позже массовое производство вытеснило ручной труд, а в 1913 году промышленник Генри Форд установил движущиеся линии для отдельных частей производственного процесса автомобилей Ford T: рабочие строили двигатели и трансмиссии на тросовых конвейерных лентах. Инновация сократила время на сборку автомобиля с более чем 12 часов до 1 часа и 33 минут. Конвейер Генри Форда проложил дорогу к массовому выпуску сложных продуктов, а массовая компьютеризация во второй половине ХХ века сделала производство еще эффективнее.
Каждая из случившихся промышленных революций — переход от ручного труда к машинному, конвейерное производство, внедрение компьютеров в производство — была сопряжена с автоматизацией рабочих процессов. Автоматизация, как правило, связана с совершенствованием объекта производства (продукта), производственной цепи или технологического процесса. В феврале 2021 года российские ученые разработали компактный токарный станок с числовым программным управлением (ЧПУ), который потребляет электроэнергии на 40% меньше, чем аналоги, — чистой воды автоматизация.
Однако нынешние перемены на производстве носят принципиально другой характер. Сейчас промышленные предприятия собирают информацию из физического и цифрового мира, чтобы, объединив ее, сделать следующий шаг в производстве. Собрав большое количество данных, современная фабрика учится на их основе строить математические модели. Например, раньше автопроизводители должны были разрушить сотню-другую машин во время испытаний, прежде чем выпустить новую модель автомобиля на рынок. Виртуальный стенд может проводить неограниченное количество испытаний, имитируя разные условия (фронтальный или боковой удар, наезд на препятствие и другие). Или «цифровая ветряная электростанция»: GE с помощью математической модели оценивает эффективность каждой ветряной турбины еще на этапе проектирования. Компания не тратит деньги на строительство физического объекта, пока не проверит его эффективность в виртуальной среде.
Таким образом начинают свою жизнь киберфизические системы. Этот процесс, который объединяет реальные и виртуальные объекты и строится с помощью цифровых методов, называют цифровизацией, а современные фабрики, как следствие, цифровыми.
Как устроена цифровая фабрика: объясняем на примере Airbus
Цифровая фабрика — это предприятие, которое применяет технологии цифрового моделирования своей продукции, производственных процессов и эксплуатации во всем цикле производства. Весь жизненный цикл изделия от проектирования до утилизации существует не только в реальном, но и виртуальном пространстве.
Хороший пример — современное производство Airbus. Сборочное предприятие компании находится на юге Франции в городке Бланьяк, который располагается в окрестностях Тулузы. Но комплектующие делают не только во Франции, но и в Германии, Испании и Великобритании. Производство географически распределено по европейским странам, а проектирование ведется в виртуальных средах, таких как CAD/CAE/CAM-системы (компьютерная поддержка проектирования, изготовления и инженерных расчетов). Это пример элемента цифровой фабрики в чистом виде, когда в процессе проектирования геометрическая модель самолета, инженерный и сборочный чертежи формируются в виртуальном пространстве, а в дальнейшем все элементы, производство которых может быть даже разнесено по континентам, начинают постепенно собираться в одной точке и в итоге превращаются в самолет.
В Airbus пошли еще дальше. Сейчас они строят над всеми процессами — от создания самолета до его эксплуатации в авиакомпаниях — систему Skywise. Она собирает огромное количество данных: от поставщиков различного оборудования, узлов и деталей воздушного судна, от компаний, которые обеспечивают техническое обслуживание и ремонт, от самих авиакомпаний, которые эксплуатируют самолеты. То есть, помимо цифровых решений на самом производстве, компания планирует копить абсолютно всю информацию, которая связана с функционированием — жизненным циклом — их самолета.
Данные — основа цифровой фабрики
Это очевидная мысль, которую стоит в очередной раз проговорить: конвейер был основой второй промышленной революции, компьютеры запустили третью, а данные стали основой нынешних перемен. Уже вскоре производство, продукты и решения компаний будут в первую очередь основаны на собранных данных.
Если говорить об инфраструктуре, то возникает несколько вопросов: как собирать информацию, как долго ее хранить и хватит ли объемов? На часть вопросов отвечает технология edge computing — пограничные вычисления. Логика простая: вынести часть вычислений и преобразований данных ближе к объекту, который их производит. То есть не собирать сырую, необработанную информацию в огромное хранилище, чтобы потом с ней что-то делать, а сразу выстроить инфраструктуру, способную посылать с производственных процессов или конечных изделий агрегированные данные, которые структурированы, могут занимать меньший объем и удобнее для хранения.
Современная цифровая фабрика, планирующая строить инфраструктуру для сбора, передачи и обработки данных, неизбежно идет к edge computing. Это означает, что компании будут оснащать свои производственные цепочки и технологические процессы соответствующими элементами. Как правило, это более сложные датчики, чем те, которые стоят сейчас. И о датчиках на цифровой фабрике мы поговорим чуть подробнее.
Чтобы собирать информацию с производства, предприятие необходимо оснастить соответствующими сенсорами и датчиками. И совокупность этих датчиков чаще всего называют интернетом вещей (в нашем случае более точный термин — «промышленный интернет вещей»). С точки зрения промышленности интернет вещей выглядит следующим образом: сенсоры и датчики для сбора информации, некая среда передачи данных (например, беспроводные решения, такие как 5G и Wi-Fi) и конечное хранилище. Затем над ними надстраивают системы аналитики: BI-системы, инструменты для статистического анализа, OLAP-кубы (особая структура данных, которая позволяет быстрее их анализировать), возможности визуального представления для диспетчеризации и мониторинга информации. Отличный пример умного производства сегодня — сталелитейный завод Big River Steel, который ввели в эксплуатацию совместно с SMS group. Он производит 2 миллиона тонн стали ежегодно, а работает там всего 400 человек. Стоит отметить, что начальные инвестиции на строительство Big River Steel составили$1,6 млрд, а спустя год в завод инвестировали еще $1,2 млрд.
Всё это делают с одной целью: чтобы данные начали приносить пользу компании — либо в виде урезанных трат на производство продукции, либо в виде дополнительной прибыли. Компании Harley Davidson с MES-системы удалось сократить время производства мотоциклов с 21 дня до 6 часов. Все мотоциклы компания изготавливает под запрос клиента, а система пересчитывает план производства каждый раз, когда появляются новые входные данные: поступает новый заказ на мотоцикл, появляется сбой или простой. Каждые 89 секунд с конвейера сходит мотоцикл, и каждые 89 секунд план производства всех изготавливаемых мотоциклов пересчитывается из-за появления нового заказа.
Цифровые двойники: их ненавидят, но они неизбежны
Цифровые двойники агрегируют данные, собранные с датчиков, и системы, способные эту информацию обрабатывать. Фактически они превращают обычную фабрику в цифровое, умное производство. Впервые о них задумались, когда стало понятно, что математическое моделирование может заменить натурный эксперимент. В современности цифровые двойники — это целый стек технологий, куда входят несколько уровней, от железа до системного программного обеспечения. А еще прямо сейчас большинство технических директоров промышленных предприятий ненавидят это понятие, и вот почему.
Американские аналитики из компании Gartner считают, что большинство технологий после своего появления проходят пять стандартных этапов: запуск, пик завышенных ожиданий (запомните его!), пропасть разочарования, склон просвещения и плато продуктивности. Эта схема называется хайп-цикл Gartner, с ней согласны далеко не все, но в этом случае она отлично объясняет, что же случилось с цифровыми двойниками в России. Несколько лет назад цифровой двойник был некой фантазией, которую предприятия себе рисовали. Были завышенные ожидания — помните второй этап хайп-цикла? — которые быстро скатились в пропасть разочарования.
На самом деле цифровой двойник объединяет робототехнику, сенсорику, AR/VR, ИИ и машинное обучение, технологии связи, блокчейн и еще пару десятков решений. В результате его работы должна получиться виртуальная модель процесса или продукта, которая описывает весь путь — от формирования до производства и эксплуатации. Цифровой двойник становится той самой киберфизической системой, в которой непрерывно связаны реальное изделие и его цифровая копия. Они обогащают друг друга данными: цифровой двойник позволяет компании проверять свои гипотезы на виртуальной модели, а реальное изделие поставляет информацию, которая корректирует цифровую копию.
И несмотря на то, что большинство отечественных ИТ-директоров сейчас не любят цифровые двойники, все так или иначе двигаются в этом направлении. Они внедряют виртуальные испытания своих продуктов, переводят в «цифру» весь жизненный цикл, создают виртуальную среду для ее модернизации. Например, цифровой двойник рудника, который разработал «Уралкалий», в прошлом году назвали лучшим цифровым проектом России и стран СНГ.
Автор концепции «Фабрика будущего» Алексей Боровков выделяет шесть основных типов цифровых двойников — по мере обогащения данными и охвата все большего числа количества источников, из которых черпают информацию.
- Цифровой двойник статуса. С помощью нескольких источников в одном месте собирают отражение процесса или устройства, формируют так называемую цифровую тень. Цифровая тень давно используется в разных индустриях по всему миру, обычно для мониторинга технического состояния эксплуатируемого объекта. В этом случае компания собирает информацию о производственных ресурсах: станки, грузоподъемные системы, сварочные аппараты, сборочные линии, человеческие ресурсы. Boeing с помощью интернета вещей повышает производительность на заводах и в цепочках поставок.
- Операционный двойник. Здесь уже не просто собирают данные — их начинают обрабатывать и использовать для улучшения промышленных процессов. АО «Волгабурмаш» — предприятие по производству породоразрушающего инструмента — перенесло ряд технологических операций в виртуальную среду, где они теперь и отрабатываются перед запуском на реальный станок. В результате компания тратит меньше времени на разработку, и сейчас одно долото для бурения (его очень важно кастомизировать под конкретного заказчика) делают за 10 недель, а раньше 4 месяца уходило только на разработку и технологическую подготовку.
- Операционный цифровой двойник с событиями. Помимо данных самого изделия или процесса, появляется информация из реального мира. То есть в систему добавляют события, которые связаны с эксплуатацией или функционированием изделия, как в примере с фабрикой Airbus в Тулузе. В России «Автоваз» использует цифровой двойник для проведения виртуальных испытаний своих автомобилей.
- Киберфизический цифровой двойник. Цифровой двойник, в котором оба вида математического моделирования — основанное на физико-химических процессах и основанное на данных — начинают объединяться. Этот этап сейчас пытаются реализовать, но пока в мире нет готовых решений.
- Объединенный цифровой двойник. К имеющимся математическим и физическим данным добавляют простую экономику и бизнес-модели. Теперь это не просто киберфизический двойник — он самостоятельно просчитывает, какое решение позволит компании сэкономить, но при этом не повлияет на качество продукта.
- Автономный цифровой двойник. Вершина нашей типологии, когнитивный цифровой двойник, который может самостоятельно реагировать на некоторые процессы, сам себя корректировать и учитывать, к каким эффектам приведут эти перемены. Идеал, к которому сейчас стремятся все фабрики в мире.
Сейчас элементы цифровых двойников можно найти практически повсюду. Столь ненавидимый стек технологий используют в нефтегазовой отрасли, активно подключаются горнорудное производство и металлургия. Он есть в энергетическом секторе, в производстве товаров массового потребления, в том числе в автомобильном производстве: помимо упомянутого «Автоваза», созданием цифровых двойников занялись в КАМАЗе.
Уже в обозримом будущем цифровой двойник станет обыденностью, гигиенической нормой для предприятия, которое планирует быть конкурентоспособным. И все идет к тому, что двойники достигнут шестого уровня развития, то есть станут автономными. В этой ситуации решающую роль будет играть искусственный интеллект — ключевой способ обработки и работы с информацией.
Искусственный интеллект и роботы (мы знаем, вы этого ждали)
Промышленность — одна из тех областей, где уже накоплен и продолжает собираться большой объем данных. Они бывают разных типов, более тысячи различных параметров, причем чаще всего эти данные плохо структурированы или не структурированы вовсе. Человеческий мозг подобные массивы информации не в силах проанализировать, поэтому на помощь приходит искусственный интеллект — совокупность технологий, находящихся на разных этапах зрелости. Например, к ним относят машинное обучение, роботизацию и автоматизацию процессов (RPA — Robotic Process Automation), чат-ботов и ассистентов.
Есть четыре ключевых фактора, благодаря которым мы можем говорить, что искусственный интеллект — это тренд, меняющий мир. Растет количество вычислительных мощностей, а себестоимость решений снижается и из-за удешевления «железа»: теперь не приходится ждать окупаемости проекта на производстве по десять лет. Развиваются соответствующие области математики. Накапливается бизнес-практика, появляются специалисты с проектным опытом в этой области. И конечно же, становится больше данных: если раньше на производстве были лишь бумажные записи, то теперь на станках стоят собирающие информацию датчики.
Пару слов о роботизации производства. За 2019 год инвестиции в промышленных роботов достигли рекордных $16,5 млрд. Сейчас роботизированы многие элементы, которые раньше делались вручную: сварка, покраска, установка отдельных блоков и элементов вне зависимости от производства (это могут быть как мобильные телефоны, так и автомобили). Идет роботизация складов и систем поддержки массового обслуживания в супермаркетах (например, автоматизированная инвентаризация). Современные луддиты уже бьют тревогу: человеку нет места на производстве будущего. Но это не так.
Будущее людей и фабрик
Люди на фабриках будущего нужны: кто-то должен эксплуатировать даже самые современные решения, кто-то должен за ними наблюдать и ремонтировать. Согласно отчету Всемирного экономического форума, в ближайшие пять лет исчезнут 85 миллионов рабочих мест, но при этом появится 97 миллионов новых рабочих мест. Произойдет своего рода переход, который мы уже не раз проходили в истории человечества.
Появятся новые профессии, которых раньше не было. Из уже существующего можно назвать аналитику данных. Еще 15 лет назад это словосочетание было редкостью, а сейчас это огромный перегретый рынок с высокими доходами: средняя зарплата аналитика данных в Москве осенью 2020 года составляла 134 тысячи рублей.
Любое конкурентоспособное предприятие, которое будет через 15 лет существовать на рынке, совершенно точно будет цифровым и умным. А может быть и полноценной виртуальной фабрикой. Сложные и тяжелые производства сосредоточатся на развитии цифровых двойников, которые позволят качественнее и смелее применять новые технологии, поскольку при неудаче будет страдать виртуальная модель, а не физическое производство.
Источник: postnauka.ru