česky english Vítejte, dnes je úterý 19. březen 2024

Transformace dodavatelského řetězce prostřednictvím IIoT

DPS 2/2022 | Články
Autor: Eric Wendt, Digi-Key Electronics

S nárůstem pokročilých technologií, jako jsou senzory a umělá inteligence (AI), se v průběhu let neustále vyvíjí i dodavatelský řetězec, s cílem zachovat jeho štíhlost. Zmenšení množství zásob v celém řetězci znamenalo, že se součástky a suroviny využívaly těmi nejefektivnějšími a cenově nejhospodárnějšími způsoby. Když však zasáhla pandemie COVID-19, způsobila takové narušení globálního dodavatelského řetězce, jakého jsme nikdy předtím nebyli svědky – od stavebního dřeva po kuřecí křidýlka a samozřejmě elektronické součástky.

Počáteční dramatický pokles v poptávce po konečných produktech otřásl celým systémem a později během pandemie jsme zažili přesně opačný problém v podobě náporu poptávky po produktech a dodávkách a nedostatku skladových zásob. Odhalily se tak hlavní nedostatky dodavatelského řetězce – především chybějící robustnost. Proces se stal tak centralizovaným, že když nějaká událost ovlivnila i jen jednoho výrobce, mělo to velký dopad po celém světě. Když se pak poptávka tak rychle obnovila, dodavatelský řetězec nebyl dostatečně robustní ani diverzifikovaný, aby byl schopen zajistit dodávání surovin do továren, a některé z nich musely zcela zavřít. K tomuto narušení přispěl i nedostatek pracovních sil – uzavření nebo nedostatečný počet pracovníků způsoboval zpoždění v krocích celého dodavatelského řetězce.

Technologie jako senzory IoT a umělá inteligence mohou pomoci vytvořit robustnější systém a zacelit mnoho mezer dodavatelského řetězce, které pandemie odhalila. Vliv, jaký měl průmyslový internet věcí (IIoT) na obor výroby a dodavatelský řetězec jako celek, nelze podceňovat, protože umožňuje nové funkce a inteligentnější, prediktivnější a proaktivnější procesy, které vedou k lepší efektivitě. Pojďme se hlouběji podívat nato, jak již tyto technologie transformují dodavatelský řetězec k lepšímu.

Vylepšené sledování zařízení

IIoT přenáší využívání senzorů na novou úroveň, zejména co se týče sledování zařízení ke zjištění, kde se v dané chvíli v dodavatelském řetězci nachází. Pokud je například kontejner vybaven zařízením ke sledování zařízení, může zákazník zjistit, zda je kontejner stále na lodi, nebo zda již dorazil do přístavu. Ale pouhá znalost polohy konkrétní položky není dostačující, když potřebujete řekněme 20 součástek, než začnete produkt skutečně vyrábět.

Vzhledem k tomu, že se výrobci často zabývají několika produkty, součástkami a surovinami, umožňují senzory IoT jednotný pohled na všechna data pocházející z těchto jednotlivých různých kontejnerů. Shromáždění všech těchto dat tak, aby byla smysluplnější jak pro firmy, tak často i pro spotřebitele, kteří sledují své objednávky z domova, je také zásadní. Kromě sledování polohy se mnoho různých senzorů používá pro řadu produktů, aby poskytovaly více dat v celém dodavatelském řetězci a zlepšily sledování zařízení – od environmentálních senzorů, které sledují teplotu, vlhkost a tlak, po senzory polohy, jako jsou akcelerometry a senzory gyroskopu, které sledují polohu a orientaci produktu. S tímto druhem dat dokážete přesně zjistit čas a místo, kde byl produkt na své cestě poškozen.

Zařízení ke sledování zařízení a senzory jsou stále levnější, takže se používají čím dál více. S větším počtem senzorů roste na důležitosti i management dat.

Management dat pomocí umělé inteligence

Pokud potřebuje manažer provozu zjistit, zda může továrna spustit v určitý čas výrobu, potřebuje vědět, zda budou všechny nezbytné součástky v továrně včas. V minulosti byla tato otázka poněkud „hádáním“ s nedostatečným přístupem k přesným informacím v reálném čase potřebným k plánování výrobních běhů.

Obr. 2 (jpg)

Dobrou zprávou je, že díky IIoT může nyní tento manažer využívat umělou inteligenci ke snadnému shromáždění a analýze všech dat sledování zařízení dostupných pro různé součástky, které jsou potřebné k výrobě. Systém AI může používat data ze senzorů a zároveň stahovat data třetích stran, jako jsou informace o počasí a informace z přístavů, k predikci zpoždění a toho, kdy všechny nezbytné součástky dorazí. Efektivitu dat také výrazně zvyšuje edge computing – zpracovávání dat shromážděných ze senzorů blíže zdroji namísto jejich odesílání zpět do cloudu.

Vzhledem k velkému množství datových bodů ze senzorů a od externích stran může AI obvykle provádět tuto analýzu rychleji a přesněji než člověk. Tento inteligentní, automatizovaný systém umožňuje, aby pracovníci trávili méně času ve své práci běžnými ručními úkony. Namísto toho mají více prostoru k větší kreativitě, ke které je potřeba více znalostí, jako je ovládání systému a interních zákazníků a v případě potřeby plnění požadavků na posouzení lidmi.

Je důležité poznamenat, že tento systém managementu dat nepřebírá úlohu pracovníků. Namísto toho zásobuje jednotlivce spravujícího systém smysluplnějšími informacemi. V neposlední řadě management dat pomocí AI přináší obecně novou hodnotu pomocí vyšší účinnosti a přesnosti.

Obr. 1 (jpg)

Využívání senzorů k predikci narušení

Senzory IoT se staly kritickými při zlepšování provozní účinnosti a zlepšování bezpečnosti pracovníků – a platí to zejména v případě monitorování životního prostředí a dopravy. Například s nedávným rozmachem ničivých požárů v USA bylo postiženo mnoho oblastí, které měly dopad na dodavatelský řetězec, včetně nebezpečných jízdních podmínek a uzavřených silnic. Avšak společnosti, které ve svém plánování využívaly environmentální data, byly schopny se otočit a vzít narušení počasí v potaz. Počasí a doprava jsou často vnímány jako vnější faktory, ale mohou představovat nepředvídatelná narušení dodavatelského řetězce bez tohoto druhu inteligence na dosah ruky.

Vzestup společnosti Digi-Key v softwarovém vesmíru

Role společnosti Digi-Key v této transformaci dodavatelského řetězce je z velké části v dodávání hardwaru, ale jako společnost se zaměřujeme také na softwarové funkce, a to jak interní, tak pro zákazníky. Největší nedávné pokroky společnosti Digi-Key vycházejí z nástrojů pro lepší sledování, stanovení cen a nákup. Se zavedením těchto systémů můžeme rychle a snadno vyměňovat a analyzovat data po celém skladu i mimo něj. Tento nový software a data zvýší produktivitu obsluhy, sníží defekty kvality a dosáhnou vylepšení v reálném čase.

Firma Digi-Key zvýšila své soustředění kromě hardwarových produktů i na prodej softwaru pro rychlejší nasazování řešení IoT, jako je první privátní řešení LoRaWAN-in-a-Box, které bylo představeno spolu se společnostmi Seeed Studio a Machinechat.

Co může dodavatelský řetězec očekávat

Průnik dat v reálném čase a technologií AI, včetně aplikace nových senzorů, vytvořil četné nové cesty pro porozumění dodavatelskému řetězci a bude nadále pokračovat v pohánění budoucnosti v tom, jak ve výrobě, dodávání a všech oblastech dodavatelského řetězce pracujeme.

Obr. 3 a 4  (jpg)

Tato nová technologie IIoT v sobě skrývá mnoho nových funkcí a velká část z nich je stále levnější na implementování, jako jsou například nízkonákladové procesory. Z pohledu nákladů je integrace senzorů do různých typů produktů k monitorování dat, která dříve nebyla finančně možná, nyní nejsnazší, co kdy byla. K rychlému pokroku dochází na příkladu senzorů vidění, které jsou z principu kamerami. Umělá inteligence dokáže analyzovat všechna data pocházející z jednotlivých pixelů kamery pomocí vylepšeného softwaru.

Všechna zařízení v našem životě – od vozidel přes sledování zdraví až po průmyslovou automatizaci – jsou čím dál chytřejší a propojenější díky používání senzorů ve spojení s AI, strojovým učením a edge computingem. S tím, jak se z těchto senzorů shromažďuje stále více dat, jsou tyto systémy stále komplexnější a používání umělé inteligence a strojového učení bude kriticky důležité při provádění analýz vyšší úrovně ze všech informací, které byly shromážděny. Tyto inovace nám budou i nadále poskytovat ucelenější pohled na dodavatelský řetězec a kontrolu nad ním a snad pomohou předcházet narušení globálního dodavatelského řetězce, jako tomu bylo v posledních několika letech.