Trendy w obszarze oprogramowania przemysłowego w 2024 r.

Współczesne przedsiębiorstwa produkcyjne nie mogą funkcjonować bez oprogramowania przemysłowego. Najczęściej jednak stosowane rozwiązania skupiają się na monitorowaniu procesu produkcji i zbieraniu danych na jego temat. Do najpowszechniej używanych systemów należą SCADA, DCS, EAM, CMMS, MES.

Współczesny przemysł działający w warunkach stale zmieniającego się otoczenia biznesowego, fluktuacji w obszarze potrzeb klientów i rozwoju rozwiązań wpisujących się w nurt czwartej rewolucji przemysłowej musi jednak zdecydowanie odważniej wychodzić w przyszłość, stosować coraz bardziej innowacyjne systemy, także jeśli chodzi o oprogramowanie przemysłowe. Oto jakie rozwiązania i funkcje będą w tym obszarze zyskiwać na znaczeniu w roku 2024.

AI będzie częściej oferować wsparcie decyzyjne

Obecnie jednym z najważniejszych i stale powiększających się zasobów firm produkcyjnych są dane. Oprogramowanie przemysłowe, które w odpowiednio zaawansowany sposób podchodzi do zbierania i analizy danych może być znaczącym źródłem przewagi konkurencyjnej.  W najbliższym czasie będzie przybywać takich rozwiązań, zwłaszcza tych opartych na sztucznej inteligencji. Pozwolą one nie tylko gromadzić dane, ale też na podstawie automatycznie przeprowadzanej analizy podejmować decyzje o strategicznym znaczeniu dla przedsiębiorstw. Menedżerowie obecnie obciążeni dużą ilością zadań podejmowanych symultanicznie chętnie przerzucą część obowiązków na takie systemy.

Oprogramowanie ułatwi przekazywanie wiedzy procesowej

W wielu przedsiębiorstwach starzeje się kadra inżynierów procesu. To zresztą efekt procesów demograficznych dotyczących całych społeczeństw. W efekcie, z pracy odchodzą ludzie mający kompleksową wiedzę na temat funkcjonowania przedsiębiorstw i często nie są w stanie szybko przekazać tej wiedzy swoim następcom. Wykorzystanie oprogramowania, na przykład tzw. cyfrowych bliźniaków, czyli cyfrowych kopii poszczególnych maszyn, linii produkcyjnych czy całych fabryk w których zapisane są wszelkie procesy pozwoli zachować wiedzę w przedsiębiorstwach i zautomatyzować proces przekazywania jej następnym generacjom pracowników.

Analiza danych będzie jeszcze bardziej zaawansowana

Przemysł 4.0 mierzy się z wyzwaniami integracji danych z wielu różnych systemów (SCADA, DCS, EAM, CMMS, MES) ale też danych pochodzących bezpośrednio ze sterowników, czujników i baz danych różnych producentów. Nowoczesne oprogramowanie coraz częściej będzie pozwalało na zbieranie tych danych w ujednoliconym formacie i prowadzenie analiz w jednym miejscu. Dzięki niemu menedżerowie będą mogli generować zindywidualizowane raporty, podejmować decyzje z wykorzystaniem specjalnych dashbordów, a także sztucznej inteligencji. Pozwoli to na optymalizację produkcji.

Na znaczeniu zyskiwać będzie oprogramowanie predykcyjne

Obecnie w utrzymaniu ruchu standardem staje się tzw. condition based maintenence. To system, w którym działania utrzymaniowe, konserwacyjne czy serwisowe podejmuje się w odpowiedzi na wykryte zaburzenia regularnej pracy. Przyszłością są systemy bardziej wychylone w przyszłość. Takie, które przewidują przyszłe zdarzenia, by zapobiegać awariom i przestojom.

Systemy takie będą się rozwijać w trzech podstawowych wariantach:

Predictive maintenence (predykcyjne utrzymanie ruchu)

W rozwiązaniach tego typu oprogramowanie na podstawie anomalii pracy urządzeń czy danych historycznych przewiduje przyszłe awarie i interwencje serwisowe, dodatkowo daje sugestie dotyczące rozwiązania problemu, a także obsługuje proces radzenia sobie z awarią w tym przydziela zadania poszczególnym osobom.

Predictive throughput (przewidywana przepustowość)

Systemy tego rodzaju prognozują wydajność lub przepustowość danego systemu, procesu produkcyjnego czy infrastruktury. W kontekście oprogramowania przemysłowego, predictive throughput może odnosić się do zdolności systemu do przewidywania, monitorowania i optymalizowania wydajności.

Rozwiązania z obszaru predictive throughput będą szczególnie istotne tam, gdzie efektywność produkcji, minimalizacja czasu przestoju oraz zwiększenie przepustowości mają kluczowe znaczenie dla osiągnięcia konkurencyjności. Oprogramowanie przewidujące przepustowość może być używane do optymalizacji planowania produkcji, zarządzania łańcuchem dostaw oraz dostosowywania się do zmieniających się warunków rynkowych.

Predictive quality (przewidywana jakość)

To grupa rozwiązań wykorzystujących dane, analizę statystyczną i technologię do prognozowania jakości produktów lub usług jeszcze przed ich produkcją lub dostarczeniem. Jeśli na przykład proces wymaga badań jakości na wielu etapach, można go przyspieszyć przyjmując pewne założenia dotyczące jakości, bez prowadzenia czasochłonnych testów. Wystarczy, że zostaną spełnione pewne warunki i pożądana jakość zostanie zapewniona na każdym etapie.

Oprogramowanie przemysłowe skoncentrowane na predictive quality może być stosowane w procesach produkcyjnych, kontroli jakości oraz zarządzaniu projektami.

Systemy przewidywana jakości mają zastosowanie w różnych branżach, takich jak przemysł, usługi, a także w produkcji oprogramowania. Tu predictive quality może obejmować prognozowanie i monitorowanie jakości kodu, identyfikowanie potencjalnych błędów przed ich pojawieniem się oraz optymalizację procesów testowania. Dzięki temu podejściu można minimalizować ryzyko wadliwych produktów lub usług, co przyczynia się do zwiększenia satysfakcji klientów.

Oprogramowanie coraz częściej będzie usługą, a nie produktem

Coraz więcej przedsiębiorstw będzie przerzucać się na model SaaS (Software as a Service), co umożliwi elastyczność w dostępie do oprogramowania, obniżenie kosztów i szybszą aktualizację. Zamiast kupować oprogramowanie firmy będą korzystać z elastycznych rozwiązań chmurowych, które przekładają się na wymierne korzyści także w dwóch innych kluczowych obszarach:

Skalowalność

Firma korzystająca z oprogramowania jako usługi może łatwiej rosnąć poszerzając zasób narzędzi cyfrowych w zależności od potrzeb. Oprogramowanie zbierające dane ułatwia skalowanie także dlatego, że pozwala nadzorować pracę poszczególnych maszyn, poszczególnych linii produkcyjnych i całych zakładów produkcyjnych czy wręcz regionalnych skupisk zakładów produkcyjnych. Jeśli do rozwoju firmy potrzebne jest wykorzystanie sztucznej inteligencji, rozwiązanie SaaS także jest wygodniejsze. AI wymaga dużej mocy obliczeniowej, ale w krótkim czasie. Kupowanie własnych rozwiązań, które przez większą część czasu pozostają bezczynne, w tym kontekście mija się z celem.

Cyberbezpieczeństwo

Z uwagi na wzrost liczby cyberataków, rozwój oprogramowania zabezpieczającego staje się priorytetem, z uwzględnieniem systemów monitorowania, detekcji i reakcji na zagrożenia. Rozwiązania Software as a Service najczęściej mają wbudowany komponent bezpieczeństwa. Użytkownik nie musi się więc już troszczyć o jego zapewnienie.

Wodociągi Miasta Krakowa SA: Sztuczna inteligencja – realne oszczędności

Nadchodzi zima – motyw przewodni słynnej „Gry o Tron” (książki i serialu), powoli zaczyna dotyczyć nas wszystkich, zarówno w skali gospodarstw domowych, jak i przedsiębiorstw. W świecie, wykreowanym przez George’a R.R. Martina przypominał o trudnych okoliczności, które nieuchronnie nadchodzą. We współczesnej rzeczywistości przypomina, że uzależnienie rynków europejskich od energii z Rosji, w kontekście wojny w Ukrainie, może doprowadzić do niedoborów prądu i surowców oraz zwyżkujących cen, co dla przedsiębiorstw może oznaczać poważne utrudnienia. W tej sytuacji każda metoda pozwalająca generować oszczędności jest na wagę złota.

Jedną z takich metod udało się opracować i wdrożyć w Wodociągach Miasta Krakowa S.A. To największe w Małopolsce przedsiębiorstwo wodno-kanalizacyjne, zajmujące się dostarczaniem i uzdatnianiem wody na potrzeby ponad miliona odbiorców z aglomeracji krakowskiej. Zaimplementowane rozwiązanie oparte na sztucznej inteligencji (AI) optymalizuje pracę pomp w pompowni drugiego stopnia w Zakładzie Oczyszczania Ścieków Płaszów. Dzięki temu znacząco ogranicza zużycie energii elektrycznej. AI pozwala na dostosowanie intensywności pracy pomp do realnego zapotrzebowania przewidywanego na podstawie pomiarów czasu reakcji i bezwładności pomp, ciśnienia hydraulicznego w rurociągach, danych historycznych oraz informacji z innej, wcześniejszej przepompowni. W planach jest uwzględnienie danych z prognoz pogody. Ulewne deszcze sprawiają, że oczyszczalnia musi pracować na dużo wyższych obrotach, a wykorzystanie informacji z prognoz pozwoli się na taką ewentualność przygotować.

Zazwyczaj oczyszczalnie i działające w nich pompy, ale też inne systemy sterowane automatycznie, są sterowane z wykorzystaniem klasycznych metod regulacji, np. algorytmów PID. Nowe rozwiązanie pozwala nieco bardziej zniuansować ich pracę, . Koncentruje się nie tylko na podstawowym kryterium regulacji – poziomie ścieków w czerpni (jak w przypadku zwykłego algorytmu PID), ale również na efektywności energetycznej prowadzonego procesu. Czasem, aby osiągnąć pożądaną efektywność, pompy w pompowni powinny pracować parami, ale nie na tym samym rurociągu, bo wówczas tworzą się wiry obniżające efektywność ich pracy. Nowoczesny system sterowania pozwala unikać takich sytuacji i dzięki temu optymalizować zarówno wydajność, jak i koszty.

W efekcie nowe rozwiązanie zaimplementowane w Wodociągach Miasta Krakowa może generować oszczędności rzędu kilkuset tysięcy złotych rocznie, przy zachowaniu maksymalnego bezpieczeństwa wszelkich instalacji. Jest ono skalowalne, więc można spodziewać się kolejnych wdrożeń. Co więcej, choć system został stworzony specjalnie na potrzeby wodociągów, może być wykorzystywany także w innych zakładach i branżach –­­­­ wszędzie tam, gdzie sterowanie urządzeń takich jak pompy, ale też wentylatory, sprężarki czy piece, może zostać zoptymalizowane. Oznacza to, że wykorzystanie sztucznej inteligencji może przynieść realne oszczędności w szerokiej gamie przedsiębiorstw o różnych profilach działalności.

Geneza wdrożenia

Wodociągi Miasta Krakowa od dawna poszukiwały sposobów na oszczędności energetyczne. Udało im się wdrożyć kilka rozwiązań, takich jak turbiny zasilane spadającą wodą, kogeneracja, turbiny gazowe wykorzystujące odpady oczyszczalni ścieków do produkcji biogazu, farmy fotowoltaiczne i pewną formę elektrowni szczytowych. Apetyt na oszczędności wciąż pozostał jednak na wysokim poziomie, zwłaszcza w kontekście kryzysu. Wybór kolejnego kroku uwarunkowany był między innymi tym, że od 2007 roku firma wykorzystuje Platformę Systemową AVEVA, która umożliwia zbieranie szerokiego spektrum danych. System ten daje wgląd w rzeczywiste wykorzystanie pomp i faktyczne zapotrzebowanie energetyczne każdej z nich. Dodatkowo w 2017 roku przeprowadzono gruntowną modernizację systemu sterowania oczyszczalnią. Projekt „Energetycznie Pasywna Oczyszczalnia Ścieków” został realizowany w ramach Programu Gekon (Generator Koncepcji Ekologicznych) przez Wodociągi Miasta Krakowa przy współpracy z Akademią Górniczo-Hutniczą im. Stanisława Staszica w Krakowie. Współfinansowany był przez Narodowe Centrum Badań i Rozwoju. Ta modernizacja sama w sobie przyniosła pierwsze oszczędności, a dodatkowo ułatwiła analizę danych, zwiększając szansę na wytropienie tych obszarów, które mogą zostać zoptymalizowane jeszcze bardziej. Potrzebne było tylko narzędzie, które realizowałoby optymalizację w sposób automatyczny. Sztuczna inteligencja była tu naturalnym wyborem.

Przebieg implementacji

Realizacja projektu tego kalibru co wdrożenie systemu sterującego wykorzystującego AI zawsze wymaga zaangażowania wielu podmiotów i zbudowania partnerstw. W tym przypadku, oprócz działu automatyki w Wodociągach Miasta Krakowa, do prac nad projektem włączyli się konsultanci z firmy ASTOR, inżynierowie z firmy Semako, która jest integratorem automatyki przemysłowej, oraz specjaliści z firmy wdrożeniowej eBigData.

Projekt składał się z kilkunastu etapów. Na początku, w ramach konsultacji Wodociągów Miasta Krakowa i firmy ASTOR, powstała ogólna koncepcja zmiany, uwzględniająca analizę opłacalności, technologię, która miałaby być wykorzystana, a także wstępne wskazanie partnerów. W kolejnym kroku powstała pełna analiza całego systemu sterowania ze wskazaniem stanu docelowego. Niezwykle istotnym etapem realizacji projektu było stworzenie szkieletu struktury sterowania nadrzędnego dla sieci neuronowych oraz precyzyjne określenie warunków, w jakich AI będzie mogła przejmować sterowanie od systemu PLC. Realizacja tego kroku wiązała się z wprowadzeniem zmian w obiektowym sterowniku PLC i systemie SCADA oraz z przygotowaniem modeli AI, tak by mogły sterować pompami przy zachowaniu maksymalnego poziomu bezpieczeństwa technologicznego, a jednocześnie generować oszczędności energetyczne.

Dzięki dokładnemu opomiarowaniu obiektu możliwe było obserwowanie w czasie rzeczywistym zmian wywoływanych przez pracę pomp, zależną od poziomu napływających ścieków. Dane te pozwoliły skalibrować sztuczną inteligencję w taki sposób by optymalizowała pracę całego zakładu. W przyszłości przy realizacji tego kroku w analogicznych projektach, rozważane jest wykorzystanie tzw. cyfrowego bliźniaka, dokładnej, cyfrowej kopii całej instalacji przemysłowej danego obiektu, co pozwoli testować i kalibrować system sterowania bez ryzyka zaburzenia pracy rzeczywistych urządzeń. W tym projekcje jednak cyfrowego bliźniaka jeszcze nie wykorzystano.

Proces budowy rozwiązania po stronie samego wdrożenia składał się z trzech kamieni milowych, a jego realizacja trwała 6 miesięcy. Każdy z kamieni milowych zajął około 2 miesiące, a były to:

1.  Odwzorowanie architektury przemysłowej w postaci ramowego cyfrowego modelu

2.  Budowa i testowanie sieci neuronowej stworzonej specjalnie na potrzeby Wodociągów Miasta Krakowa.

3. Testy na bliźniaku cyfrowym i wstępne testy przedwdrożeniowe.

Obecnie, po upływie kilku kolejnych miesięcy, rozwiązanie pracuje już w Wodociągach Miasta Krakowa.

Aby dodatkowo zadbać o bezpieczeństwo rozwiązania, Wodociągi Miasta Krakowa jasno określiły warunki brzegowe implementacji. Zgodnie z nimi system AI przejmuje sterowanie pompami w warunkach stałego, niskiego i średniego poziomu napływu ścieków do pompowni. Korzystając danych na temat poziomu ścieków napływających do pompowni pierwszego stopnia „wie” kiedy poziom ścieków w pompowni drugiego stopnia będzie zdecydowanie wyższy. Wówczas dezaktywuje sterowanie przy pomocy AI i przechodzi na tradycyjne sterowanie z wykorzystaniem systemu PLC. Taki schemat działania zapewnia bezpieczeństwo procesu, a jednocześnie w stabilnych warunkach pozwala generować ogromne oszczędności.

Największe wyzwania

Realizacja zaawansowanych projektów informatycznych, takich jak implementacja sztucznej inteligencji, musi wiązać się z pewnymi wyzwaniami. W tym przypadku największym z nich było wprowadzenie technologii, która w swojej naturze na początku jest zawodna, ponieważ musi uczyć się na błędach. W procesach technologicznych, realizujących usługi dla ponad miliona odbiorców, takie ryzyko było niedopuszczalne. Konieczne więc było testowanie nowego systemu sterowania na małą skalę, w krótkich odcinkach czasowych. Szczególnie trudnym wyzwaniem było precyzyjne nauczenie systemu AI sterowania obiektem. Zagadnienie okazało się o tyle trudne, że ze względu na bezwładność pomp, wynoszącą nawet powyżej minuty, utrudnione było szybkie podejmowanie decyzji przez system. Po licznych próbach i cyklach uczenia, algorytm sztucznej inteligencji nauczył się przewidywać niektóre zachowania pomp, a tym samym z wyprzedzeniem podejmować pewne decyzje.

Korzyści z wdrożenia

Zasadnicza korzyść z wdrożenia ma oczywiście wymiar finansowy. Rozwiązanie przynosi oszczędności sięgające 8%. Biorąc pod uwagę aktualne ceny energii elektrycznej (które w przypadku odbiorców przemysłowych wzrosły w ciągu kilku ostatnich lat pięciokrotnie), opisywane rozwiązanie już obecnie zmniejsza koszty o kwotę rzędu 200 000 złotych rocznie. Poza kwestiami finansowymi, wdrożenie systemu pozwoliło podnieść poziom bezpieczeństwa technologicznego pompowni, a dodatkowo optymalizacja pracy urządzeń przełożyła się na wolniejsze ich zużycie, a zatem rzadszą konieczność dokonywania interwencji serwisowych. Implementacja sztucznej inteligencji pokazała ponadto, że można relatywnie prosto i przy niewielkich nakładach finansowych znacząco podnieść poziom bezpieczeństwa przy sterowaniu złożonymi procesami. Udana implementacja pokazuje też kierunek dla przyszłych działań optymalizacyjnych. Wywołała pewną zmianę mentalności, która może skutkować tym, że wkrótce będą się pojawiać kolejne inicjatywy.

Plany na przyszłość

Funkcjonujący model sztucznej inteligencji, standard tworzenia tego typu rozwiązań, metodyka wdrażania takich projektów, udane partnerstwo – wszystkie te elementy sprawiają, że potencjał implementacji podobnych rozwiązań w Wodociągach Miasta Krakowa jest duży. Dodatkowo wzmacnia go fakt, że pompownia drugiego stopnia, w której zaimplentowano system AI, zużywa zaledwie 8% energii pobieranej przez oczyszczalnię Płaszów. Pompownia pierwszego stopnia pochłania 17%, utylizacja odpadów 10%, inne urządzenia 10%, a urządzenia napowietrzające aż 55%. Wdrożenie analogicznych rozwiązań we wszystkich tych obszarach mogłoby znacząco obniżyć koszty utrzymania oczyszczalni jako całości, a także zwiększyć trwałość i bezpieczeństwo urządzeń. Fakt, że pierwszy etap wdrożenia okazał się sukcesem sprawi, że kolejne implementacje będą już tylko kwestią czasu.