„Branża od dawna praktykuje cyfryzację, a ostatnie zmiany sprawiły, że aplikacje te stały się wydajniejsze, sprawniejsze, przenośne, inteligentne i autonomiczne. Zmiana CPI jest stopniowa. Jest przyrostowa ze względu na nieodłączne obowiązki związane z prowadzeniem zakładu przemysłowego”. mówi Sergio Fernandes, dyrektor ds. rynków chemicznych, Yokogawa Electric Corporation, USA. To powiedziawszy, firmy CPI z powodzeniem wdrożyły technologie cyfrowe na dużą skalę, częściowo napędzane przejściem od oprogramowania działającego na laptopach użytkowników do-wydajnych aplikacji i narzędzi, do których można obecnie uzyskać dostęp praktycznie z dowolnego miejsca.
„Przetwarzanie w chmurze nie tylko zmniejsza budżety CAPEX, ale także ułatwia dostępność modeli procesów, zarówno w stanie stacjonarnym,-lub dynamicznym, niezależnie od lokalizacji użytkownika końcowego” – wyjaśnia Fernandes. Przestrzega jednak przed po prostu założeniem, że cyfrowe modele instalacji (niezależnie od tego, jak zaawansowane) będą całkowicie dokładne pod względem trwałości. „Procesy przemysłowe są jak żywe istoty; zmieniają się z biegiem czasu. Każda reprezentacja matematyczna, taka jak cyfrowy bliźniak, będzie musiała zostać dostosowana i zaktualizowana za pomocą jakiegoś mechanizmu. Poza tym ostatecznie zostaną odrzucone. Aktywa wymagają uwagi; wymagają budżetów, aby zachować ich zrównoważony rozwój”. Dodał. Patrząc w przyszłość, w miarę pojawiania się coraz większej liczby autonomicznych operacji, pilna potrzeba bezpieczeństwa i zrównoważonego rozwoju oznacza, że należy zachować inteligentną równowagę przy wdrażaniu zasobów ludzkich obok zasobów cyfrowych. „Niebezpieczne operacje w terenie, powtarzalne działania, rutynowe czynności, niepotrzebne wyjazdy w teren w celu zebrania danych i inspekcje w obszarach niebezpiecznych można inteligentnie rozwiązać za pomocą obecnych i przyszłych technologii” – powiedział Fernandes, dodając, że uznanie najnowocześniejszych-technologii cyfrowych za kluczowe elementy może umożliwić architekturę, która może inspirować więcej ludzkich innowacji. „Oznacza to ciągłe doskonalenie operacji, przewidywanie kolejnych zakłóceń i optymalizację całego łańcucha wartości”. Aktywa wymagają uwagi; wymagają budżetów, aby utrzymać ich zrównoważony charakter.” dodał.
Samo opracowanie modelu oprogramowania naśladującego proces lub zasób nie wystarczy, aby naprawdę wykorzystać cyfryzację, powtórzył Rajesh Ramachandran, dyrektor ds. cyfryzacji w ABB Industrial Automation). . „Obecnie panuje trend w kierunku przemysłowych bliźniaków sztucznej inteligencji dla cyfrowych fabryk. Bada on, jak przewidzieć i zoptymalizować zestaw wyników dla konkretnego scenariusza procesu, co daje możliwość-dostrojenia różnych parametry.” Ramachandran podkreśla, że czystej sztucznej inteligencji nie można stosować „tak jak jest” w środowiskach przemysłowych i że odpowiednia wiedza dziedzinowa jest niezbędna do uchwycenia złożoności operacji CPI, takich jak specyfikacje jakości produktu końcowego lub obecność zanieczyszczeń surowców. specjalistyczną wiedzę, której zwieńczeniem jest model kognitywny zbudowany na platformie oprogramowania ABB Umiejętność Genix. „Genix buduje coś, co nazywamy modelem poznawczym, opartym na danych z różnych systemów, takich jak konserwacja, oprzyrządowanie i laboratoria. Oznacza to, że pomaga w formułowaniu dokładniejszych przewidywań optymalizacyjnych”. dodał Ramachandran. Powołując się na badania branżowe, które pokazują, że zakład może wykorzystywać średnio tylko około 27 procent danych produkcyjnych, podczas gdy inżynierowie mogą spędzać aż 80 procent swojego czasu na agregowaniu danych, przewidział, że zaawansowane platformy oprogramowania pomogą złagodzić te dysproporcje.. . Mówi: „Zasadniczo zajmujemy się obszarami, w których musimy uwolnić wartość niewykorzystanych danych i zastosować przemysłową sztuczną inteligencję na dużą skalę, aby uzyskać maksymalną produktywność i zyski operacyjne, a jednocześnie uprościć dane integracja.”
Inteligentne platformy
Nie ma wątpliwości, że platformy oprogramowania przemysłowego stały się w ostatnich latach potężniejsze, ponieważ coraz więcej firm wdraża przemysłowe zastosowania sztucznej inteligencji i uczenia maszynowego (ML). „W CPI tego typu technologie są wszędzie integrowane, od monitorowania zasobów po drony napędzane sztuczną inteligencją-, które umożliwiają inspekcję wież pochodni” – wyjaśnia Michael Tworzydlo, menedżer produktu ds. analityki i uczenia maszynowego w firmie Emerson (St. Louis, Missouri; ). Tworzydlo ostrzega jednak przed-przesadnym przecenianiem wartości tych rozwiązań bez konieczności uznania wagi leżących u ich podstaw zasad inżynieryjnych. „Dla inżyniera chemika najlepiej zacząć od podstaw analityki, zaczynając od analizy opartej-na zasadach, na przykład opartej na działaniu wymiennika ciepła. Organizacja może następnie ewoluować w kierunku podejścia-opartego na danych, wykorzystującego sztuczną inteligencję lub uczenie maszynowe do rozwiązywania bardziej złożonych procesów lub problemów- obejmujących cały zakład”. Dodaje.
„Sztuczna inteligencja oferuje potężne możliwości dla CPI, ale niektóre firmy mają trudności z jej skutecznym zastosowaniem do wyzwań produkcyjnych” – wyjaśnia Paige Morse, dyrektor ds. przemysłu chemicznego w Aspen Technology, Inc.
W odpowiedzi firma AspenTech zaczęła włączać sztuczną inteligencję do swojej platformy oprogramowania, dzięki czemu jest ona bardziej dostępna dla szerszego grona użytkowników. Morse zauważa, że połączenie inżynierii-pierwszych zasad ze sztuczną inteligencją i wiedzą dziedzinową może pomóc użytkownikom w lepszym znajdowaniu rozwiązań złożonych problemów, które należy rozwiązać w CPI. Podejście do modelowania hybrydowego firmy AspenTech nie tylko pomaga optymalizować procesy, ale także umożliwia inżynierom tworzenie niestandardowych czujników miękkich, projektowanie nowych urządzeń i integruj procesy-obejmujące cały zasób. „Inżynierowie mogą teraz używać uczenia maszynowego do szybszego tworzenia rozbudowanych modeli, aby wykorzystać dane symulacyjne lub zakładowe, dodając wiedzę dziedzinową, zasady inżynieryjne i ograniczenia projektowe bez dogłębnej wiedzy na temat procesów lub sztucznej inteligencji”. powiedział Morse. Wiele firm CPI boryka się z uzasadnionymi brakami w kwalifikacjach.
Oprócz przezwyciężania luk na rynku pracy, kolejnym obszarem, na którym firmy CPI coraz bardziej koncentrują swoje wysiłki, są inicjatywy na rzecz zrównoważonego rozwoju. „Oszczędności kosztów przyczyniły się w dużej mierze do cyfryzacji, ale firmy w coraz większym stopniu skupiają się na odpadach i emisjach z jednostek produkcyjnych, a także na poprawie wydajności i niezawodności” – mówi Morse. Dodała: „Symulacja procesów pomaga opracowywać nowe produkty, aby sprostać wyzwaniom technicznym gospodarki o obiegu zamkniętym, takim jak recykling molekularny i projektowanie nowych tworzyw sztucznych, a dzięki sztucznej inteligencji działanie to jest jeszcze szybsze”.
Ta zdolność predykcyjna jest coraz bardziej cenna w osiąganiu konkretnych celów w zakresie zrównoważonego rozwoju, takich jak redukcja zanieczyszczenia powietrza za pomocą systemów predykcyjnego monitorowania emisji (PEMS), będącego funkcją platformy Plantweb Optics Analytics firmy Emerson, która wdraża systemy sterowania ML i AI za pośrednictwem cyfrowych bliźniaków i wdrażania rozproszonego. „W ramach Plantweb Optics Analytics możemy wdrożyć PEMS do monitorowania i szacowania emisji przy użyciu modeli i ML w celu dynamicznej optymalizacji produkcji. Dzięki PEMS możemy budować modele w oparciu o przechwycone zmienne procesowe i wykorzystywać je do szacowania i ostatecznie redukcji emisji”. Tworzydło powiedział.
Zaangażowanie oprogramowania w strategię zrównoważonego rozwoju wykracza poza redukcję emisji. „Wzrost liczby zrównoważonych produktów i technologii, które ponownie wykorzystują lub poddają recyklingowi odpady, to obszar wzrostu dla branży symulacji procesów, stwarzający nowe problemy i nowe możliwości. Najnowsze obszary wzrostu obejmują symulację procesów pochodnych konopi (np. CBD) i ulepszone kontrole w celu zmniejszenia emisji z odnawialnych źródeł energii. Bardziej ugruntowane obszary wzrostu dla przemysłu chemicznego obejmują biopaliwa, odzysk metanu, odzysk CO2 i dobór rozpuszczalników. mówi David Hill, kierownik wsparcia technicznego w Chemstations Inc. (Houston, Teksas).
Hill wierzy, że perspektywy dla symulatorów procesów można jeszcze bardziej zwiększyć poprzez tworzenie sojuszy produktowych z narzędziami pomocniczymi w CPI. Inżynierowie, którzy nie korzystają z symulatorów procesów, często dysponują narzędziami, które można ulepszyć, łącząc się z symulatorem procesu. W sektorach bezpieczeństwa, kontroli procesów i energii istnieje wiele możliwości łączenia-specjalistycznych narzędzi branżowych z podstawowymi zasadami symulatorów procesów”. Hill wyjaśnia. Hill wierzy, że motorami tej zmiany będą redukcja gazów cieplarnianych, efektywność energetyczna, optymalizacja oparta na modelach termodynamicznych, zwiększone bezpieczeństwo i możliwości zaawansowanej kontroli procesów przy użyciu rygorystycznej symulacji.
Rozszerzona rzeczywistość
Oprócz sztucznej inteligencji i uczenia maszynowego w zakładach przemysłowych rośnie także liczba platform oprogramowania rzeczywistości rozszerzonej (AR) i rzeczywistości wirtualnej (VR)-i nie postrzega się już tego typu technologii jako przedmiotu „luksusowego”, bardziej przydatnego niż kiedykolwiek wcześniej ze względu na rosnące zapotrzebowanie na pracę zdalną podczas pandemii. Ponieważ z powodu pandemii w fabrykach pracuje mniej osób, zakłady wdrażają nowe technologie. ar może nakładać informacje cyfrowe na świat rzeczywisty, co pomaga lepiej przygotować pracowników do dokładniejszego i łatwiejszego wykonywania zadań.” – powiedział Tworzydło z Emersona. Jeśli chodzi o przyszłość AI, ML i AR w oprogramowaniu przemysłowym, przypadki użycia z pewnością będą nadal rosnąć. „Wciąż istnieje ogromna ilość niewykorzystanego potencjału. W końcu zaczniemy ukierunkowywać pewne procesy na operacje autonomiczne.
Aveva Group plc (Cambridge, Wielka Brytania;) połączyła koncepcje AR i VR w swojej platformie Extended Reality (XR), a szczególnie istotnym zastosowaniem jest szkolenie personelu. „Immersyjny system szkoleniowy XR umożliwia firmom zdobycie i zachowanie wiedzy operacyjnej podczas zastępowania odchodzących na emeryturę doświadczonych operatorów, co ma kluczowe znaczenie dla bezpieczeństwa i wydajności zakładu. To szkolenie behawioralne może być stosowane nie tylko dla operatorów-linii pierwszej, ale także dla inżynierów, techników i osób udzielających pomocy w sytuacjach awaryjnych”. Wyjaśnia Ravi Gopinath, dyrektor ds. chmury i dyrektor ds. produktu w firmie Aeva.
W jednym z przykładów program szkolenia operatorów opracowany przez firmy Aveva i Shell (Haga, Holandia) koncentruje się na szkoleniu behawioralnym w celu poprawy kompetencji w zakresie bezpieczeństwa. Gopinath mówi: „Dzięki temu podejściu behawioralnemu operator może zostać przeszkolony i oceniony pod kątem tego, jak sobie radzi w obliczu przypadkowej lub epizodycznej sytuacji w zakładzie”. W ramach innego projektu Aveva i Adnoc (Abu Zabi;) stworzyli centrum wizualizacji danych w-czasie rzeczywistym, które skupia ponad 120 pulpitów nawigacyjnych i 200 000 punktów danych na ogromnym interaktywnym ekranie.
Szkolenia to tylko część potencjału XR. Do obsługi personelu terenowego wykorzystano aplikacje AR-na tablety. Wykorzystanie AR do łączenia modeli VR na tabletach z-informacjami w czasie rzeczywistym i sterowanymi procesami pozwala na lepszą realizację pracy, unikając w ten sposób kosztownych awarii i skracając przestoje. Patrząc w przyszłość, Aveva wierzy, że oprogramowanie XR może radykalnie ulepszyć projektowanie obiektów i inżynierię projektów inwestycyjnych poprzez automatyzację importowania tradycyjnych modeli 3D instalacji wykorzystywanych na etapie projektowania do wciągającego środowiska. Konwersja do VR umożliwi Ci sprawdzenie i udoskonalenie ergonomicznych projektów jeszcze przed zakupem jakiegokolwiek sprzętu. Wirtualne fabryki mogą istnieć całkowicie w chmurze, umożliwiając współpracę pomiędzy inżynierami zlokalizowanymi w różnych lokalizacjach
biurach, a nawet na różnych kontynentach.
Wraz z rozwojem możliwości przechwytywania i analizy danych na platformach oprogramowania potężne narzędzia analityczne stały się-samoobsługowymi, skalowalnymi-narzędziami do podejmowania decyzji dla inżynierów chemików, którzy mogą wbudować w nie własne funkcje, aby sprostać konkretnym potrzebom procesu. dzięki takim zdemokratyzowanym narzędziom inżynierowie mogą wykorzystywać dane z różnych źródeł - na przykład jakość partii itp.. - w celu poprawy jakości swoich procesów, mówi Edwin van Dijk, wiceprezes ds. marketingu w TrendMiner NV. dane z różnych źródeł-na przykład informacje laboratoryjne, takie jak jakość partii, można powiązać z danymi procesowymi z danymi dotyczącymi konserwacji. ). „Celem demokratyzacji analityki jest udostępnienie praktycznych spostrzeżeń każdemu operatorowi, od sterowni po salę posiedzeń, w celu podejmowania decyzji w oparciu-o dane. Umożliwiając użytkownikom tworzenie własnych pulpitów nawigacyjnych na podstawie odcisków palców, monitorów i widoków kontekstowych, wykracza to poza tradycyjne narzędzia pulpitów nawigacyjnych”. dodaje Van Dijk. Dzięki rozpoznawaniu wzorców inżynierowie mogą badać wydajność operacyjną i wykorzystywać dobre zachowania operacyjne do monitorowania procesu. Ponadto mogą tworzyć własne „miękkie” czujniki do monitorowania tego, czego czujniki fizyczne nie mogą zmierzyć, np. specyfikacji jakości produktu.
Jedna z historii sukcesu w zakresie analizy danych opisana przez firmę TrendMiner dotyczyła zakładu chemicznego, w którym wystąpiły „lepkie” zawory, co powodowało opóźnienia między zmianami wydajności zaworu a rzeczywistą reakcją procesu. Zakład chciał dokładnie określić, kiedy zawory zaczęły się zacinać, dlatego musiał monitorować wszelkie odchylenia od oczekiwanego zachowania zaworów, a następnie znaleźć parametry, które pozwoliłyby rozróżnić pomiędzy „normalnymi” i „złymi” okresami zachowania zaworów. Parametry te są przekształcane w alerty dotyczące zachowania-nie-fazy, które nie tylko powiadamia personel o sytuacji, ale także sugeruje możliwe działania naprawcze. „Korzystając z samoobsługowego rozwiązania analitycznego-eksperci ds. procesów mogą korzystać z wbudowanych funkcji sztucznej inteligencji i uczenia maszynowego w celu wyszukiwania i weryfikowania problemów produkcyjnych za pomocą-szybkiej analizy trendów.
Nawet przy szerokiej gamie dostępnych narzędzi programowych i aplikacji mobilnych niektórzy użytkownicy nadal wymagają wysoce spersonalizowanych rozwiązań, aby spełnić ich potrzeby biznesowe. W tym miejscu może się przydać-wewnętrzne programowanie. JourneyApps (Denver, Kolorado.;) oferuje platformę do tworzenia aplikacji o-wydajnej wydajności, za pomocą której użytkownicy mogą pisać własny kod, co skutkuje bardziej wyrafinowanymi aplikacjami niż-programy do tworzenia aplikacji niekodowanych, które są przeznaczone dla-nieprogramistów i ograniczone przez ich prostota. Dyrektor generalny JourneyApps, Conrad Hofmeyr, wyjaśnia: „Oznacza to, że zaawansowaną logikę biznesową, obliczenia inżynieryjne i wysoce spersonalizowane integracje można wdrożyć w ciągu kilku dni, bez większych tradycyjnych nakładów związanych z tworzeniem oprogramowania”. Zauważa, że większość inżynierów chemików ma podstawowe doświadczenie w kodowaniu lub pisaniu skryptów za pomocą narzędzi takich jak Microsoft Excel Macros lub Matlab, dzięki czemu mogą szybko zdobyć umiejętności programowania niezbędne do korzystania z JourneyApps do tworzenia złożonych aplikacji, które automatyzują i usprawniają krytyczne funkcje biznesowe.
Na przykład Hofmeyr przytacza przykład firmy CPI, która zbudowała dedykowaną aplikację dla standardowych procedur operacyjnych (SOP), umożliwiając jej przejście z ręcznych SOP-opartych na arkuszach kalkulacyjnych do centralnie-kontrolowanej aplikacji z pełną ścieżką audytu. Dodaje: „Możliwość dostosowywania oferowana przez JourneyApps oznacza, że poszczególne aplikacje globalne można dostosować do lokalnych potrzeb i integracji systemów”. W innym przykładzie producent środków chemicznych na polach naftowych opracował własną aplikację do wykonywania kluczowych obliczeń wykorzystywanych w codziennym procesie raportowania w terenie i generowania dokumentacji raportowej, a wszystko to w czasie, gdy użytkownicy byli w trybie offline w witrynie offline.
Patrząc w przyszłość do końca użytkowania
Zaawansowane oprogramowanie i narzędzia do modelowania umożliwiają także tworzenie bezpieczniejszych i wydajniejszych produktów końcowych w wielu gałęziach przemysłu, od części samochodowych po farmaceutykę. Jednym z przykładów jest narzędzie inżynierii wspomaganej komputerowo (CAE) firmy BASF SE (Ludwigshafen, Niemcy)-Ultrasim do modelowania właściwości materiałów, które zostało niedawno zaktualizowane w celu modelowania szeregu termoplastycznych materiałów elastomerowych od wstępnego przetwarzania po cały łańcuch przetwarzania. produkty końcowe-używane. Krótsze cykle rozwojowe i napięte harmonogramy wywierają coraz większą presję na inżynierów, aby już za pierwszym razem uzyskali właściwą wydajność produktu. Dokładność przewidywania to ogromna zaleta” – mówi Marios Lambi, lider zespołu CAE ds. inżynierii symulacyjnej w firmie BASF w Ameryce Północnej. Ultrasim może symulować początkowe i cykliczne obciążenie komponentów, co okazało się szczególnie ważne w przypadku części samochodowych wykonanych z materiałów elastomerowych. „Od obciążeń pełzających po symulacje zderzeń, obciążenia termiczne i zachowanie wibracyjne, wraz z symulacjami przetwarzania opisującymi materiał-indukowany procesem właściwości, a także narzędzia do optymalizacji numerycznej, które pozwalają na szybkie zmiany geometrii, Ultrasim kładzie podwaliny pod projektowanie lepszych części”, podkreśla Andreas Wüst, lider zespołu dynamicznej analizy strukturalnej BASF Europe.
„Proces charakteryzacji materiałów generuje niezbędne dane, które są niezbędne do dokładności przewidywania zachowania rzeczywistych części. Opracowane w tym celu teoretyczne modele materiałowe są kalibrowane na podstawie informacji z testów, dzięki czemu mamy pewność, że zachowanie odzwierciedla rzeczywiste warunki produkcyjne, a nie arbitralną sytuację odległą od rzeczywistości”. „Istnieje wiele przykładów złożonych zespołów, takich jak siedzenia samochodowe, które poddano testom zderzeniowym, a w testach tych wykorzystuje się predykcyjną dokładność Ultrasim do tworzenia części, które przechodzą testy walidacyjne. To radykalnie skraca cykl rozwoju i minimalizuje, jeśli nie eliminuje, zmiany projektowe” – dodał.
W przypadku-precyzyjnych procesów w laboratoriach badawczo-rozwojowych i analiz jakości składników biofarmaceutycznych i innych-produktów o wysokiej wartości, narzędzie programowe może być wykorzystywane do różnych celów, w tym do ułatwiania organizacji planu ciągłości działania (BCP). „Wydajne oprogramowanie może złagodzić lub zmniejszyć liczbę zagrożeń podczas inspekcji laboratoryjnych, uprościć testowanie zdarzeń, a zautomatyzowane procedury można wykorzystać do przywrócenia systemów po zdarzeniu lub nawet utrzymania ich działania podczas zdarzenia, co upraszcza BCP” – powiedziała Barbara van Cann, menedżer ds. marketingu produktów oprogramowania do chromatografii w Thermo Fisher Scientific w Enterprise Chromeleon Data Systems Organisation. Ponadto laboratoria mogą jeszcze bardziej uprościć BCP, wybierając zintegrowane oprogramowanie obejmujące system danych chromatograficznych (CDS), system zarządzania informacjami laboratoryjnymi (LIMS) i system wykonawczy laboratorium (LES). van Cann wyjaśnia: „Zarówno oprogramowanie LIMS, jak i CDS powinno zapewniać narzędzia do monitorowania kwalifikacji, kalibracji i konserwacji przyrządów, nawet w przypadku poszczególnych części”. Oprogramowanie CDS powinno także pomagać użytkownikom w radzeniu sobie z nieprawidłowościami analitycznymi i mieć wbudowane-funkcje zabezpieczające sieć przed awarią, zapewniające kontynuację działania bez interwencji człowieka w przypadku awarii sieci. Aby uniknąć zakłóceń spowodowanych atakami cybernetycznymi, Van Cann zaleca, aby laboratoria uruchamiały CDS i inne oprogramowanie w domenie innej niż główny system biurowy, aby uniknąć potencjalnych zagrożeń cybernetycznych z-poczty e-mail. Wreszcie, jak w przypadku każdej zautomatyzowanej platformy oprogramowania, należy wziąć pod uwagę czynnik ludzki. „Błąd ludzki można zminimalizować, kontrolując, co użytkownicy mogą, a czego nie mogą zrobić oraz do tego, do czego mogą, a do czego nie mogą uzyskać dostępu. Ponadto powinny być dostępne narzędzia umożliwiające automatyzację jak największej liczby działań. Mniejsza interakcja użytkownika oznacza mniej błędów”. Dodała.