Aktuální vydání

celé číslo

10

2017

Systémy pro řízení výroby, PLM, SCADA

celé číslo

Traceabilita: z faráře psychiatrem

Výrobní informační systémy, řízení výroby, simulace a počítačové rozvrhování výroby, efektivní nakládání s daty o výrobě a jejich ukládání, nutnost shromažďovat pouze použitelná data – to byla hlavní témata letošního Fóra automatizace na březnovém veletrhu Amper. Konkrétně traceabilita, česky jednoduše sledovatelnost, byla zmíněna hned několikrát. O své postřehy z praxe se podělil Vladislav Němec, výkonný ředitel společnosti DEIMOS, která se zabývá vývojem a výrobou automatizační techniky pro průmyslovou výrobu. 

Traceabilita (sledovatelnost či v současné implementaci lépe dohledatelnost) jako disciplína není novinkou. Již na zbraních pocházejících ze starověké Číny z období kolem roku 300 před naším letopočtem byly nalezeny rytiny umožňující identifikovat nejen datování, konkrétní zbrojnici, ale i úředníka, který zbrojnici řídil, nebo jméno kováře, který zodpovídal za výrobu konkrétního kusu.

Manuální značení bylo s rozvojem automatizace postupně zatlačeno do pozadí. Primární motivace pro vznik a rozvoj traceability ale zůstala zachována. Je jí možnost dohledat detaily o použitých dílech, parametrech výroby a o každé montážní operaci ke konkrétnímu kusu výrobku. 

Začalo se od alibi

Traceabilita se zdála být jednoduchým východiskem pro rychlé a účinné řešení případných problémů ve výrobním procesu. Do automatizovaných výrobních procesů se v první fázi začala traceabilita implementovat buď pod tlakem legislativních požadavků, anebo s cílem zvýšit konkurenceschopnost, zlepšit kvalitu a efektivitu výroby.

Společnosti se v této fázi uchylovaly k řešením z kategorie quick & dirty – tedy k takovým řešením, která co nejrychleji přinášela očekávaný výsledek, aniž by si dělala nárok na řešení všech dalších dopadů a souvislostí. Systematické podchycení problematiky si návazně vyžádalo další významné úsilí. „Zkrátka šlo o mohutný až překotný rozvoj automatizace výroby, ne vždy efektivně podchycený,“ upřesnil ve svém příspěvku Vladislav Němec.

Boom ve využívání traceability stále pokračuje a v dlouhodobém výhledu tomu nebude jinak z několika důvodů. Výrobní kapacity stále rostou, a to napříč průmyslovými odvětvími, téměř neustále se rozšiřuje sortiment produktů a s tím jde ruku v ruce vývoj technologií a touha firem mít přehled o každém šroubku. Pravdou zůstává, že i současná řešení pro sledování výrobků a jejich dílů se zaměřují zejména na zpětné dohledání informace v případě problému. Stále tedy nejde o informační základ pro ladění a zvyšování efektivity, ale spíše o svérázné alibi. 

Hledání smyslu

Současné moderní senzory poskytují nesmírně velké objemy dat (např. při testování) a pro nakládání s nimi se rozvíjí oblast, pro kterou se ujal název big data. Protože překotný rozvoj zmíněných systémů sledování se ve valné většině případů obešel bez komplexního a systematického hodnocení datového modelu, je možné s lehkou ironií data sbíraná v současnosti rozdělit na data zbytečná a data nedostatečná.

První z nich se evidují proto, že to zkrátka je možné. Data z druhé skupiny lidé ne­umějí dostatečně kvalitně a smysluplně spojit s výstupy, které by vedly ke konkrétním přínosům, nebo ještě lépe k realizované akci. Pouze velmi malá část shromažďovaných dat je doopravdy užitečná. Taková data se ale většinou jen zapisují, dál se s nimi v procesu pracuje pouze minimálně.

Vezměme to od začátku. Automatizační techniku dodává mnoho firem. Co dodavatel, to jiný přístup. Existující standardy, které je třeba naplňovat, jsou příliš obecně stanovené, a nejsou proto dostatečným vodítkem pro realizaci funkčního procesu sběru dat. Mezi další objektivní příčiny lze zařadit např. nedostupnost výrobních receptur na začátku implementace zařízení (a tedy nutnost definovat sběr i vyhodnocování dat „za běhu“), nedostupné laboratorní hodnoty nebo nesystematický přístup (skutečným příkladem je žádost zákazníka, aby byla spolu s reálnými daty zapisována i povolená maxima a minima, aby je následně bylo možné snadno zobrazit v grafu).

Dodavatelé automatizační techniky se tudíž pohybují na tenkém ledě, aby splnili přání klienta sledovat „každý šroubek“ a zároveň dodali funkční a efektivní systém traceability. Důsledkem jsou často izolovaná „hnízda“, která sbírají informace, ale ty jen velmi stěží někdo dokáže integrovat a vyhodnotit. Získání relevantních analýz je pak obtížné, ne-li nemožné.

V praxi se dá říct, že výrobní hala se principiálně přesouvá od centrálně řízené skupiny k paradigmatu multiagentního distribuo­vaného systému,“ podotkl Vladislav Němec. „ERP systém, který je v architektuře umístěný nad MES, je ovšem většinou velmi kvalitně nastavený a implementovaný s veškerou podpůrnou metodikou. Motivací pro úpravy ERP systému jsou mimo jiné i legislativní změny například v oblasti účetnictví, dále k nutnosti pravidelné údržby přispívají sama výrobní zařízení, neboť se mění v poměrně krátkém cyklu kvůli častým změnám výrobních řad a zavádění nových typů výrobků. Mezivrstva, kterou tvoří právě MES, však na úkor ERP spíše živoří,“ okomentoval situaci Vladislav Němec. 

Zpověď, nebo léčba?

Na výrobních linkách vzniká obrovské množství dat (a to i velmi komplexních – např. obrazová data nebo záznamy spojitých veličin, jako jsou hluk nebo vibrace), se kterými nikdo nepracuje ve prospěch budoucích analýz, resp. se k nim vrací pouze v případě, že vznikne nějaký problém či závada výrobku.

V praxi se také zatím příliš nevyužívají pokročilé metody pro automatickou analýzu, strojové učení aj. – tedy procesy, které by výrazně zjednodušily interpretaci dat a pomohly k tomu, aby byl sběr dat skutečně přínosný. Pro ukládání dat se používají dost primitivní prostředky – buď jednoduché databáze, nebo dokonce Excel (v případě, že uživatel má negativní historickou zkušenost s databází), anebo prostě a jednoduše hierarchická struktura souborového systému na sdíleném disku. To vůbec neurychluje a nezjednodušuje práci dodavatelům linek ani jejich uživatelům.

Prvním krokem k nápravě současného stavu musí být tvorba reálně využitelného standardu pro ukládání dat, integraci pro různé systémy MES atd. „Jakmile bude existovat model, vzor či referenční implementace, něco, na čem bude možné stavět a rozšiřovat, pak přestaneme jen naslouchat a poskytovat rozhřešení. Naučíme se i řešit problém. Staneme se z faráře psychiatrem,“ glosoval Vladislav Němec.

Bude tedy možné se konečně i jako psychiatr chovat – tj. rozpoznat „vzory chování“ a vědět, na co se zaměřit při další analýze. „V praxi to znamená, že pokud bude MES dobře nastavený (a postavený), navede uživatele, určí rozsah a definuje (přesně stanoví) mantinely. Budeme spolehlivě vědět, co se má zjišťovat a hledat. A právě takový datový model by měl být součástí návrhu produktu,“ popsal ideální stav Vladislav Němec.

Nezbytnou součástí dodávky systémů traceability bude i vývoj takového řešení, které vyhovuje každému klientovi, protože každá společnost má svá specifika a zaběhlé postupy (byť si to často v počáteční fázi nepřipouští). Nastaví-li se systém podle těchto specifik, začne být pro danou společnost prokazatelně přínosný a povede k zefektivnění výrobního procesu a ve finále také ke snížení přímých a nepřímých nákladů. 

(DEIMOS, s. r. o.)

Obr. 1. Data pořizovaná ve výrobních procesech musí po zpracování poskytnout užitečnou informaci

Traceabilita je schopnost ověřit historii, umístění nebo aplikaci položky pomocí standardizovaných identifikátorů. Jedná se o schopnost sledování dané množiny nebo typu informací nebo o schopnost chronologicky propojovat jednoznačně identifikovatelné entity způsobem, který je ověřitelný. Získanou informaci lze využít pro mnoho účelů, včetně zlepšení výrobního procesu, sledování závad, důkladnějšího dodržování procesů a v neposlední řadě také pro úsporu přímých a nepřímých nákladů. 

Zdroj: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2001– [cit. 2017-04-21].