Industry 4.0 હવે માત્ર કોન્ફરન્સમાં વપરાતો શબ્દ નથી રહ્યો. કોઈપણ આધુનિક ફેક્ટરીના ફ્લોર પર જશો તો તમને તે કનેક્ટેડ સાધનોના ગુંજારવ, એજ-કમ્પ્યુટિંગ નોડ્સના પ્રકાશ અને ખંડોમાં આઉટપુટ ટ્રેક કરતા ક્લાઉડ ડેશબોર્ડ્સમાં જીવંત જોવા મળશે. ઉત્પાદકો પહેલેથી જ સાચા સ્માર્ટ ફેક્ટરીઓ બનાવવા માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ, ઇન્ડસ્ટ્રિયલ ઇન્ટરનેટ ઓફ થિંગ્સ અને ક્લાઉડ કમ્પ્યુટિંગનો ઉપયોગ કરી રહ્યા છે. વાતચીતનો વિષય બદલાઈ ગયો છે. આપણે એ નથી પૂછી રહ્યા કે ડિજિટલ ટ્રાન્સફોર્મેશન થશે કે નહીં, પરંતુ મશીનો કનેક્ટ થઈ ગયા પછી શું આવશે તે અમે સમજી રહ્યા છીએ.
જ્યારે મશીનો માત્ર રિપોર્ટ કરવાનું બંધ કરીને નિર્ણય લેવાનું શરૂ કરે છે
Industry 4.0 ની પ્રથમ લહેર વિઝિબિલિટી (દૃશ્યતા) વિશે હતી. એન્જિનિયરોએ મોટર્સ, પંપ અને કન્વેયર બેલ્ટ પર સેન્સર્સ લગાવ્યા જેથી તેઓ ક્લિપબોર્ડને બદલે ટેબ્લેટ પરથી કામગીરી જોઈ શકે. ક્લાઉડ પ્લેટફોર્મ્સ આ ટેલિમેટ્રીને હિસ્ટોરિકલ લોગ્સમાં એકત્રિત કરતા હતા. તે ઉપયોગી હતું, પરંતુ તે નિષ્ક્રિય હતું.
આગામી તબક્કો વધુની માંગ કરે છે. મશીનોએ હવે નિર્ણયો લેવા પડશે. તે તફાવત મહત્વનો છે. એ સેન્સર જે તમને જણાવે છે કે સ્પિન્ડલ ગરમ થઈ રહ્યું છે તે મદદરૂપ છે. પરંતુ એ સિસ્ટમ જે આપમેળે સ્પિન્ડલની ગતિ ધીમી કરે છે, ઓપરેટરને એલર્ટ કરે છે અને ગુણવત્તામાં ઘટાડો થાય તે પહેલાં ડાઉનસ્ટ્રીમ સ્ટેશનોનું શેડ્યૂલ ફરીથી નક્કી કરે છે, તે પરિવર્તનકારી છે. કનેક્ટેડ મેન્યુફેક્ચરિંગથી કોગ્નિટિવ (બોધપાત્ર) મેન્યુફેક્ચરિંગ તરફનું આ પરિવર્તન જ વહેલા અપનાવનારાઓને લીડર્સથી અલગ પાડે છે.
પ્રિડિક્ટિવ મેન્ટેનન્સ અને બ્રેકડાઉન કલ્ચરનો અંત
દાયકાઓથી, મેન્ટેનન્સ એટલે કંઈક તૂટી જાય તેની રાહ જોવી. કાં તો તમે કડક કેલેન્ડર મુજબ સાધનોનું સર્વિસિંગ કરતા હતા, જેમાં હજુ પણ ઉપયોગમાં લઈ શકાય તેવા ભાગોને પણ બદલી નાખવામાં આવતા હતા, અથવા તમે મોટી નિષ્ફળતાઓ આવવાની રાહ જોતા હતા જે આખી લાઇનને રોકી દેતી હતી. બંને અભિગમોમાં પૈસાનો બગાડ થાય છે.
AI રિયલ-ટાઇમમાં ઉત્પાદન ડેટાનું વિશ્લેષણ કરીને આ સમીકરણ બદલી નાખે છે. અલ્ગોરિધમ્સ વાઇબ્રેશન સિગ્નેચર, થર્મલ પેટર્ન, એક્યુસ્ટિક અનોમલીઝ અને ઓઇલ પાર્ટિક્યુલેટ કાઉન્ટ્સનું વિશ્લેષણ કરે છે. તેઓ ચોક્કસ મશીનનો સામાન્ય લય શીખે છે અને નિષ્ફળતાના કલાકો, દિવસો અથવા અઠવાડિયા પહેલાં થતા વિચલનોને ફ્લેગ કરે છે. હવે તમારે મશીનો બગડવાની રાહ જોવી પડતી નથી. તમે નિષ્ફળતા આવે તે પહેલાં તેનું અનુમાન લગાવી શકો છો.
આ વ્યવહારમાં પ્રિડિક્ટિવ મેન્ટેનન્સ છે. મોટર બેરિંગને સીઝ (seize) થઈને ગિયરબોક્સને બગાડવાની જરૂર નથી. મેન્ટેનન્સ ટીમોને યોગ્ય ભાગો સાથેના ટાર્ગેટેડ વર્ક ઓર્ડર મળે છે. અનપ્લાન્ડ ડાઉનટાઇમ ઘટે છે. એસેટનું આયુષ્ય વધે છે. ફેક્ટરી ચાલુ રહે છે.
AI ખરેખર ક્યાં કામ બદલી રહ્યું છે
મેન્ટેનન્સ ઉપરાંત, AI ઉત્પાદનને એવી નક્કર રીતે નવું સ્વરૂપ આપી રહ્યું છે જે બેલેન્સ શીટ પર દેખાય છે.
પ્રિડિક્ટિવ મેન્ટેનન્સ: સાધનોના ઘસારાનું અનુમાન લગાવવા માટે IoT સેન્સર્સ અને મશીન લર્નિંગ મોડલ્સનો ઉપયોગ કરીને કન્ડિશન-આધારિત મોનિટરિંગ. કેલેન્ડર-આધારિત ચેકને બદલે, ટીમો વાસ્તવિક જરૂરિયાત મુજબ કામ કરે છે.
AI ક્વોલિટી ઇન્સ્પેક્શન: કેમેરા અને કમ્પ્યુટર વિઝન સિસ્ટમ્સ એવી ઝડપે સપાટીઓ, વેલ્ડ્સ અને એસેમ્બલીનું નિરીક્ષણ કરે છે જે માનવ આંખ માટે અશક્ય છે. આ સિસ્ટમ્સ માઇક્રોન-લેવલની ખામીઓ, કોસ્મેટિક અનિયમિતતાઓ અથવા ખોટી રીતે ગોઠવાયેલા ઘટકોને શોધી કાઢે છે અને તરત જ વસ્તુઓને રિજેક્ટ કરે છે. આનાથી સ્ક્રેપ રેટ ઘટે છે અને બ્રાન્ડની પ્રતિષ્ઠા જળવાય છે.
પ્રોડક્શન પ્લાનિંગ: સ્માર્ટ શેડ્યુલિંગ અલ્ગોરિધમ્સ મશીનની ઉપલબ્ધતા, વર્કફોર્સ શિફ્ટ, મટિરિયલ સપ્લાય અને ઓર્ડરની પ્રાથમિકતાને ધ્યાનમાં લે છે. જ્યારે લાઇન બંધ થાય અથવા તાત્કાલિક ઓર્ડર આવે, ત્યારે સિસ્ટમ પ્લાનર્સને મેન્યુઅલી સ્પ્રેડશીટ્સ ફરીથી બનાવવાની ફરજ પાડવાને બદલે સેકન્ડોમાં આખી પ્રક્રિયાનું ફરીથી ગણતરી કરે છે.
ડિમાન્ડ ફોરકાસ્ટિંગ: AI જૂના ઓર્ડર્સ, માર્કેટ સિગ્નલ્સ, મોસમી વલણો અને શિપિંગ ઇન્ડેક્સ અથવા હવામાનની પેટર્ન જેવા બાહ્ય ડેટાનું વિશ્લેષણ કરે છે. ઉત્પાદકો અંદાજ લગાવવાને બદલે વાસ્તવિક આગામી માંગ મુજબ ઉત્પાદનનું આયોજન કરે છે.
સપ્લાય ચેઇન ઇન્ટેલિજન્સ: સપ્લાયરની સ્થિતિ, લોજિસ્ટિક્સ વિક્ષેપો, પોર્ટ કન્જેશન અને ઇન્વેન્ટરી લેવલમાં રિયલ-ટાઇમ વિઝિબિલિટી સપ્લાય ચેઇન ટીમને અછત સર્જાય તે પહેલાં પ્રતિક્રિયા આપવા દે છે. સિસ્ટમ જોખમોને ફ્લેગ કરે છે અને વૈકલ્પિક સોર્સિંગ વિકલ્પો સૂચવે છે.
એનર્જી ઓપ્ટિમાઇઝેશન: અલ્ગોરિધમ્સ પ્લાન્ટ-વાઈડ વપરાશનું મોનિટરિંગ કરે છે અને રિયલ-ટાઇમ લોડ અને યુટિલિટી પ્રાઇસિંગના આધારે HVAC, કોમ્પ્રેસ્ડ એર અને મશીન સાયકલને એડજસ્ટ કરે છે. ફેક્ટરીઓ ઉત્પાદકતા સાથે બાંધછોડ કર્યા વિના ઊર્જાનો બગાડ ઘટાડે છે.
આ સાધનો ઉત્પાદકતા વધારે છે અને ખર્ચ ઘટાડે છે કારણ કે તેઓ એવા નિર્ણયોમાંથી અવરોધો દૂર કરે છે જે માણસો અગાઉ અધૂરી માહિતી સાથે લેતા હતા.
ડેટાને કાચા માલ તરીકે ગણવો
આધુનિક પ્લાન્ટમાં ડેટા એ સૌથી મહત્વપૂર્ણ સંપત્તિ છે. દરેક મશીન માહિતી બનાવે છે. મોટર્સ કરંટ ડ્રો રિપોર્ટ કરે છે. PLCs સાયકલ સમય લોગ કરે છે. ક્વોલિટી સ્ટેશન્સ માપણી રેકોર્ડ કરે છે. ડેટાનું આટલું મોટું પ્રમાણ એવા ટીમોને અતિશય કરી શકે છે જેઓ તેને પ્રોસેસ કરવા માટે જરૂરી ઇન્ફ્રાસ્ટ્રક્ચર ધરાવતા નથી.
ડેટાને પરિણામોમાં રૂપાંતરિત કરવાનો ધ્યેય છે. તેના માટે માત્ર સ્ટોરેજ પૂરતું નથી. તે ચોખ્ખી પાઇપલાઇન્સ, સંદર્ભિત મોડલ્સ અને એવા ઇન્ટરફેસની માંગ કરે છે જે જે લોકોને તેની જરૂર છે તેમને અમલીકરણ કરી શકાય તેવી આંતરદૃષ્ટિ રજૂ કરે. સફળ ઉત્પાદકો ઉપયોગ કરે છે