A Schneider Electric szerint az ipari autonómia az operátori tudásra épül

Az ipari autonóm működés alapja a Schneider Electric szerint az operátorok tapasztalatának digitális rögzítése és összekapcsolása az eszközökből, folyamatokból származó adatokkal. A vállalat egy finomítói hidrokezelő példáján mutatja be, hogyan vezethetnek a célzott ajánlások fokozatosan önállóbb döntésekhez.
- A Schneider Electric szerint az autonóm ipari működés az operátori tapasztalatra épül.
- A jelentés 400 energiaszektorbeli vezető válaszai alapján készült.
- A vizsgált szervezetek átlagos autonómiaérettsége 3,52 az 5-ből.
- Egy hidrokezelési projektben 1-3%-kal csökkent a hidrogénfelhasználás.
- A vállalat szerint az eszközadatok és a mesterséges intelligencia fokozatosan önállóbb döntéseket tehet lehetővé.
Az autonómia az operátorok tapasztalatából indul
A Schneider Electric október 15-én közzétett elemzése szerint az ipari üzemek működését naponta több száz, esetenként több ezer döntés tartja biztonságos, megbízható és hatékony keretek között. Ezekben fontos szerepe van azoknak az operátoroknak, akik felismerik egy szivattyú hangjának megváltozását, értik a folyamatok reakcióit eltérő körülmények között, és tudják, milyen beavatkozással előzhető meg egy kisebb eltérésből kialakuló termelési probléma.
A vállalat szerint ez a több éves tapasztalat az autonóm működés alapja. A rendszernek először azt kell megértenie, hogyan értékelik a tapasztalt dolgozók a változó körülményeket, hogyan rangsorolják a célokat, és miként reagálnak az eseményekre. A technológia ezt a tudást hozzáférhetőbbé, következetesebbé és nagyobb léptékben alkalmazhatóvá teheti.
A Schneider Electric Global Autonomous Maturity Report című jelentése 400, az energiaszektorban dolgozó vezető döntéshozó válaszaira épül. A szervezetek átlagos érettségi pontszáma 3,52 volt az 5-ből, ami a vállalat besorolása szerint az Advanced Regulatory és a Select Autonomy szint közé helyezi őket. A jelentés szerint ez az érték 2030-ra 4,02-re emelkedhet, többek között a termelékenységnövekedés, a költségcsökkentés és a versenyelőny miatt.
Az eszközök adatai a karbantartáson túl is hasznosíthatók
Egy motor, szivattyú vagy hajtás folyamatosan termel adatokat a működéséről. A mechanikai változások finom nyomokat hagyhatnak az áramerősségben, a feszültségben és a frekvenciában. A Schneider Electric szerint ezeknek az elektromos adatoknak a forgó berendezésekkel kapcsolatos szakértelemmel és fejlett elemzéssel való kombinálása betekintést adhat az eszköz állapotába és viselkedésébe.
Az így létrejövő eszközszintű ipari intelligencia a vállalat értelmezésében nem csak a karbantartás számára lehet hasznos. Ha az eszközökről származó információ eljut a teljes működéshez, az a termelési döntéseket is támogathatja, később pedig hozzájárulhat ahhoz, hogy a rendszerek automatikusan reagáljanak a változó feltételekre.
Egy meg nem nevezett nagy finomítóvállalatnál a Schneider Electric korábban operátorképző szimulátort és digitális iker környezetet alakított ki. A következő lépésben nem az egész finomítót próbálták autonómmá tenni, hanem egy konkrét hidrokezelési felhasználási esetre összpontosítottak. Műhelymunkák, működési áttekintések és adatelemzés alapján azonosították azokat a pontokat, ahol a szakértői döntés értéket teremthet.
A Schneider által kidolgozott, folyamatos tanulásra tervezett algoritmusok kritikus időpontokban ajánlásokat adtak az operátoroknak. A vállalat szerint ez 1-3%-kal csökkentette a hidrogénfelhasználást, 75%-kal mérsékelte a termék kéntartalmával kapcsolatos kilengéseket, és 3-5%-kal csökkentette az operátori terhelést.
A bevezetés akadályai és a felhasználók szempontjai
A digitális iker ebben a projektben második feladatot is kapott: ellenőrzött környezetben kapcsolta össze az operátori tapasztalatot, a folyamatismeretet és az ipari mesterséges intelligenciát, még az éles bevezetés előtt. A kezdeti cél a jobb döntéstámogatás volt. A Schneider Electric szerint a validált eredmények és a növekvő bizalom után egyes ajánlások fokozatosan önállóbb műveletekké alakíthatók.
A jelentés alapján a technológia önmagában nem oldja meg az átállás nehézségeit. A vezetők 49%-a a mesterséges intelligenciát és a gépi tanulást az autonómia kritikus támogatójaként azonosította. A legnagyobb akadályok között a beruházási költséget 34%, az örökölt infrastruktúrát 30%, a szervezeti változással szembeni ellenállást pedig 27% említette.
A Schneider Electric megközelítése az operatív kiválóságot, az eszközmenedzsmentet, az ipari adatokat és mesterséges intelligenciát, az energiagazdálkodást, valamint a kiberbiztonságot kapcsolja össze. A vállalat szerint a késlekedés növekvő működési költségekkel, súlyosbodó szakemberhiánnyal és csökkenő versenyképességgel járhat. A jelentésben a vezetők 59%-a a működési költségek növekedését, 52%-a a készséghiány romlását, 48%-a pedig a versenyképesség csökkenését társította a késedelmes bevezetéssel. Közel tízből hat vezető szerint a nettó zéró cél elérése autonóm működés nélkül lehetetlen vagy jelentősen nehezebb lenne.
Schneider Electric: From operator expertise to autonomous operations: Connecting intelligence across assets, processes, and operations


