ניו-טק מגזין | יוני 2019

SMART FACTORY מוסף מיוחד

ניתוחהביג דאטה וחילוץתובנותתפעוליות Presenso במפעלים על פי תפיסתהסטארט-אפ Presenso , איתן וסלי, מנכ"ל ודדי לביד (בן לולו), מייסד-שותף , מנהל טכנולוגיות ראשי

ה

מהייצור כל שנה בשל 5% מיליארד דולר או השבתות כאלו. תפישת המפעל החכם מבוססת, בין היתר, על העיקרון של שימוש בניתוח "ביג דאטה" ע"י אלגורתימי למידה חישובית. ניתוח זה מספק תובנות הן ביחס לייצור והן ביחס לתפעול ולתחזוקה של מכונות המפעל. במכונות שבמפעלים התעשייתיים, מוטמעים מראש, בזמן ייצורן, חיישנים שמנטרים את ביצועי המכונות והמשמשים לשליטה שוטפת בתהליך בזמן אמת. בקרי המכונה, וכן מהנדסי המפעל ואנשי הבקרה, מפקחים על החיישנים הללו – הכוללים מדי טמפרטורה, רעידות, לחץ ועוד – משום ששינויים מהותיים בקריאות שמספקים החיישנים מצביעים לעתים קרובות על כשל פוטנציאלי במכונה או בתהליך. ברוב המקרים, הפיקוח נעשה בעזרת מערכות מבוססות חוקים ומעקב אנושי בחדרי הבקרה. אחת הבעיות עם גישת ניטור מסורתית זו היא שבזמן שהמהנדסים כבר מבחינים בשינויים בהתנהגות החיישנים, במקרים הרבים, כבר מאוחר מדי והמכונה כבר התקלקלה והתהליך נפגע. המדידות והנתונים המיוצרים בחיישנים הללו

מהפיכה התעשייתית הרביעית ) כבר כאן ואותותיה Industry 4.0(

נשמרים בדרך כלל, מטעמים שונים, במאגרי מידע היסטורי במשך שנים רבות. יצרן המכונה מעוניין לעיתים לבצע ניתוח שלאחר המעשה של הדאטה, בעיקר לאחר כשל גדול, או שלעיתים הרגולטור דורש לשמור את הנתונים הללו במשך מספר שנים. כתוצאה מכך נצברים מאגרי דאטה היסטורי רבי ערך. במצבים אלו, בינה מלאכותית נכנסת לתמונה כזרז לשינוי. בתוך כמויות העתק של נתוני החיישנים שמופקים על ידי המכונות Micro תעשייתיות, מסתתרים דפוסים זעירים (- ) שיכולים להעיד על תקלה קרבה Patterns במכונה. ברוב המקרים, דפוסים אלו נפרשים על מספר רב של חיישנים והם כה קטנים שעין אנושית תתקשה מאוד להבחין בהם, על אחת כמה וכמה שמדובר לעיתים קרובות באלפי חיישנים. עד לאחרונה, כמעט ולא היו כלים שאיפשרו לנתח כמויות כה גדולות של נתוני חיישנים ולחלץ תובנות תפעוליות מתוכם ולעשות זאת בזמן אמת. עם התקדמות מחשוב הענן, הבינה המלאכותית וטכניקות הלמידה החישובית, כיום ניתן לאתר דפוסים של התנהגות חריגה של המכונות על פני חיישנים ומכונות רבות.

ניכרים בתעשייה. עם האימוץ ההולך וגובר של תפישת המפעל החכם, בעיקר בתעשייה התהליכית, מנהלים מבינים היום יותר ויותר כי שימוש בטכנולוגיות מעולם הבינה Machine המלאכותית והלמידה חישובית ( ) יכול להשפיע ולשפר באופן ישיר את Learning רווחיות החברה. אחד מהיישומים הראשונים של טכנולוגיות חדשניות אלו הוא ניטור פעילות המכונות במטרה להגביר את תפוקות הייצור וזאת מתוך הבנה כי הגורם המרכזי לפגיעה בתפוקות היא השבתה לא מתוכננת של מכונות – תקלות שבר. השבתה לא מתוכננת מתרחשת כאשר מכונות במפעלים מפסיקות לעבוד באמצע הליך הייצור ללא התראה מוקדמת. כתוצאה מכך ישנה האטה או הפסקה של הייצור עד לביצוע תיקונים. המשמעות יכולה להיות הפסדים כספים ישירים, איחורים באספקה ללקוחות, עלויות נוספות בכח אדם ומשאבים אחרים. יום 17 נתונים מראיםשמכונה מאבדת בממוצע מהייצור כל שנה בשל השבתות לא מתוכננות. 20- לפי מחקר שבוצע, התעשייה מאבדת כ

New-Tech Magazine l 56