Industry 4.0 ಎಂಬುದು ಈಗ ಕೇವಲ ಸಮ್ಮೇಳನಗಳಲ್ಲಿ ಬಳಸುವ ಒಂದು ಪದವಾಗಿ ಉಳಿದಿಲ್ಲ. ಯಾವುದೇ ಆಧುನಿಕ ಕಾರ್ಖಾನೆಯ ಒಳಗೆ ಹೋದರೆ, ಸಂಪರ್ಕಿತ ಉಪಕರಣಗಳ ಸದ್ದು, edge-computing nodes ಗಳ ಬೆಳಕು ಮತ್ತು ಖಂಡಾಂತರಗಳಲ್ಲಿ ಉತ್ಪಾದನೆಯನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವ cloud dashboards ಗಳ ಮೂಲಕ ಇದು ಜೀವಂತವಾಗಿರುವುದನ್ನು ನೀವು ಕಾಣಬಹುದು. ತಯಾರಿಕಾ ಸಂಸ್ಥೆಗಳು ಈಗಾಗಲೇ ನಿಜವಾದ ಸ್ಮಾರ್ಟ್ ಫ್ಯಾಕ್ಟರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI), Industrial Internet of Things ಮತ್ತು cloud computing ಅನ್ನು ಬಳಸುತ್ತಿವೆ. ಈಗ ಚರ್ಚೆಯ ದಿಕ್ಕು ಬದಲಾಗಿದೆ. ಡಿಜಿಟಲ್ ರೂಪಾಂತರವು (digital transformation) ಸಂಭವಿಸುತ್ತದೆಯೇ ಎಂದು ನಾವು ಕೇಳುತ್ತಿಲ್ಲ. ಬದಲಾಗಿ, ಯಂತ್ರಗಳನ್ನು ಸಂಪರ್ಕಿಸಿದ ನಂತರ ಏನಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ನಾವು ಕಂಡುಕೊಳ್ಳುತ್ತಿದ್ದೇವೆ.
ಯಂತ್ರಗಳು ಕೇವಲ ವರದಿ ಮಾಡುವುದನ್ನು ನಿಲ್ಲಿಸಿ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸಿದಾಗ
Industry 4.0 ನ ಮೊದಲ ಅಲೆ ದೃಶ್ಯೀಕರಣದ (visibility) ಬಗ್ಗೆ ಇತ್ತು. ಎಂಜಿನಿಯರ್ಗಳು ಮೋಟಾರ್ಗಳು, ಪಂಪ್ಗಳು ಮತ್ತು ಕನ್ವೇಯರ್ ಬೆಲ್ಟ್ಗಳಿಗೆ ಸೆನ್ಸರ್ಗಳನ್ನು ಅಳವಡಿಸಿದರು, ಇದರಿಂದ ಅವರು ಕ್ಲಿಪ್ಬೋರ್ಡ್ ಬದಲಿಗೆ ಟ್ಯಾಬ್ಲೆಟ್ನಿಂದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ವೀಕ್ಷಿಸಬಹುದು. ಕ್ಲೌಡ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಈ ಮಾಹಿತಿಯನ್ನು (telemetry) ಐತಿಹಾಸಿಕ ದಾಖಲೆಗಳಾಗಿ ಸಂಗ್ರಹಿಸಿದವು. ಇದು ಉಪಯುಕ್ತವಾಗಿತ್ತು, ಆದರೆ ಇದು ನಿಷ್ಕ್ರಿಯವಾಗಿತ್ತು (passive).
ಮುಂದಿನ ಹಂತವು ಹೆಚ್ಚಿನದನ್ನು ಬಯಸುತ್ತದೆ. ಯಂತ್ರಗಳು ಈಗ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ಆ ವ್ಯತ್ಯಾಸ ಬಹಳ ಮುಖ್ಯವಾದುದು. ಒಂದು ಸ್ಪಿಂಡಲ್ (spindle) ಅತಿಯಾದ ಶಾಖ ಹೊಂದುತ್ತಿದೆ ಎಂದು ತಿಳಿಸುವ ಸೆನ್ಸರ್ ಸಹಾಯಕವಾಗುತ್ತದೆ. ಆದರೆ ಗುಣಮಟ್ಟ ಕುಸಿಯುವ ಮೊದಲೇ ಸ್ಪಿಂಡಲ್ನ ವೇಗವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಕಡಿಮೆ ಮಾಡುವ, ಆಪರೇಟರ್ಗೆ ಎಚ್ಚರಿಕೆ ನೀಡುವ ಮತ್ತು ಮುಂದಿನ ಹಂತದ ಸ್ಟೇಷನ್ಗಳನ್ನು ಮರು-ನಿಗದಿಪಡಿಸುವ ವ್ಯವಸ್ಥೆಯು ಕ್ರಾಂತಿಕಾರಕವಾಗಿದೆ. ಸಂಪರ್ಕಿತ ಉತ್ಪಾದನೆಯಿಂದ (connected manufacturing) ಸಂಜ್ಞಾನಾತ್ಮಕ ಉತ್ಪಾದನೆಗೆ (cognitive manufacturing) ಆಗುತ್ತಿರುವ ಈ ಬದಲಾವಣೆಯೇ ಆರಂಭಿಕ ಬಳಕೆದಾರರನ್ನು ಮತ್ತು ಮುನ್ನಡೆಗಾರರನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ.
ಮುನ್ಸೂಚನಾ ನಿರ್ವಹಣೆ (Predictive Maintenance) ಮತ್ತು ಯಂತ್ರದ ವೈಫಲ್ಯದ ಸಂಸ್ಕೃತಿಯ ಅಂತ್ಯ
ದಶಕಗಳಿಂದ, ನಿರ್ವಹಣೆ ಎಂದರೆ ಏನಾದರೂ ದೊಡ್ಡ ಸಮಸ್ಯೆ ಉಂಟಾಗುವವರೆಗೆ ಕಾಯುವುದು ಎಂದರ್ಥವಾಗಿತ್ತು. ಒಂದೋ ನೀವು ಉಪಕರಣಗಳಿಗೆ ನಿಗದಿತ ವೇಳಾಪಟ್ಟಿಯಂತೆ ಸೇವೆ ನೀಡುತ್ತಿದ್ದಿರಿ (ಅದರ ಜೀವಿತಾವಧಿ ಇನ್ನೂ ಇದ್ದರೂ ಭಾಗಗಳನ್ನು ಬದಲಾಯಿಸುತ್ತಿದ್ದಿರಿ), ಅಥವಾ ಇಡೀ ಉತ್ಪಾದನಾ ಲೈನ್ ಅನ್ನು ಸ್ಥಗಿತಗೊಳಿಸುವ ಭೀಕರ ವೈಫಲ್ಯಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತಿದ್ದಿರಿ. ಈ ಎರಡೂ ವಿಧಾನಗಳು ಹಣದ ನಷ್ಟವನ್ನು ಉಂಟುಮಾಡುತ್ತವೆ.
AI ಉತ್ಪಾದನಾ ದತ್ತತೆಯನ್ನು (production data) ನೈಜ ಸಮಯದಲ್ಲಿ ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಈ ಸಮೀಕರಣವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ. ಅಲ್ಗಾರಿದಮ್ಗಳು ಕಂಪನಗಳ ಲಕ್ಷಣಗಳು (vibration signatures), ಉಷ್ಣ ಮಾದರಿಗಳು (thermal patterns), ಧ್ವನಿ ಅಸಮತೋಲನಗಳು (acoustic anomalies) ಮತ್ತು ತೈಲದ ಕಣಗಳ ಸಂಖ್ಯೆಯನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತವೆ. ಅವು ನಿರ್ದಿಷ್ಟ ಯಂತ್ರದ ಸಾಮಾನ್ಯ ಲಯವನ್ನು ಕಲಿಯುತ್ತವೆ ಮತ್ತು ವೈಫಲ್ಯ ಉಂಟಾಗುವ ಗಂಟೆಗಳು, ದಿನಗಳು ಅಥವಾ ವಾರಗಳ ಮೊದಲೇ ಅದರ ಲಕ್ಷಣಗಳನ್ನು ಗುರುತಿಸುತ್ತವೆ. ನೀವು ಯಂತ್ರಗಳು ಕೆಟ್ಟುಹೋಗುವವರೆಗೆ ಕಾಯುವ ಅಗತ್ಯವಿಲ್ಲ. ವೈಫಲ್ಯಗಳು ಸಂಭವಿಸುವ ಮೊದಲೇ ನೀವು ಅವುಗಳನ್ನು ಮುನ್ಸೂಚಿಸಬಹುದು.
ಇದು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಮುನ್ಸೂಚನಾ ನಿರ್ವಹಣೆಯಾಗಿದೆ. ಮೋಟಾರ್ ಬೆರಿಂಗ್ ಕೆಟ್ಟು ಹೋಗಿ ಗೇರ್ಬಾಕ್ಸ್ ಅನ್ನು ಹಾಳುಮಾಡಬೇಕಾಗಿಲ್ಲ. ನಿರ್ವಹಣಾ ಸಿಬ್ಬಂದಿಗೆ ಅಗತ್ಯವಿರುವ ಭಾಗಗಳೊಂದಿಗೆ ನಿಖರವಾದ ಕೆಲಸದ ಆದೇಶಗಳು (work orders) ತಲುಪುತ್ತವೆ. ಯೋಜಿತವಲ್ಲದ ಸ್ಥಗಿತವು (unplanned downtime) ಕಡಿಮೆಯಾಗುತ್ತದೆ. ಆಸ್ತಿಯ ಜೀವಿತಾವಧಿ ವಿಸ್ತರಿಸುತ್ತದೆ. ಕಾರ್ಖಾನೆಯು ನಿರಂತರವಾಗಿ ಚಲಿಸುತ್ತಿರುತ್ತದೆ.
AI ವಾಸ್ತವವಾಗಿ ಕೆಲಸವನ್ನು ಎಲ್ಲಿ ಬದಲಾಯಿಸುತ್ತಿದೆ
ನಿರ್ವಹಣೆಯ ಹೊರತಾಗಿ, AI ಉತ್ಪಾದಿಕೆಯಲ್ಲಿನ ಲಾಭದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವ ರೀತಿಯಲ್ಲಿ ಬದಲಾವಣೆಗಳನ್ನು ತರುತ್ತಿದೆ.
Predictive maintenance: ಉಪಕರಣಗಳ ಕ್ಷೀಣತೆಯನ್ನು ಮುನ್ಸೂಚಿಸಲು IoT ಸೆನ್ಸರ್ಗಳು ಮತ್ತು machine learning ಮಾಡೆಲ್ಗಳನ್ನು ಬಳಸುವ ಪರಿಸ್ಥಿತಿ ಆಧಾರಿತ ಮೇಲ್ವಿಚಾರಣೆ. ವೇಳಾಪಟ್ಟಿಯ ಆಧಾರಿತ ತಪಾಸಣೆಗಳ ಬದಲಿಗೆ, ತಂಡಗಳು ನೈಜ ಅಗತ್ಯಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.
AI quality inspection: ಕ್ಯಾಮೆರಾಗಳು ಮತ್ತು computer vision ವ್ಯವಸ್ಥೆಗಳು ಮಾನವ ಕಣ್ಣುಗಳಿಗೆ ಅಸಾಧ್ಯವಾದ ವೇಗದಲ್ಲಿ ಮೇಲ್ಮೈಗಳು, ವೆಲ್ಡಿಂಗ್ ಮತ್ತು ಅಸೆಂಬ್ಲಿಗಳನ್ನು ಪರೀಕ್ಷಿಸುತ್ತವೆ. ಈ ವ್ಯವಸ್ಥೆಗಳು ಮೈಕ್ರೋನ್ ಮಟ್ಟದ ದೋಷಗಳು, ಸಣ್ಣ ಅಸಮತೋಲನಗಳು ಅಥವಾ ತಪ್ಪಾಗಿ ಜೋಡಿಸಲಾದ ಘಟಕಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಿ ತಕ್ಷಣವೇ ತಿರಸ್ಕರಿಸುತ್ತವೆ. ಇದು ವ್ಯರ್ಥ ವಸ್ತುಗಳ ಪ್ರಮಾಣವನ್ನು (scrap rates) ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಬ್ರ್ಯಾಂಡ್ನ ಘನತೆಯನ್ನು ಕಾಪಾಡುತ್ತದೆ.
Production planning: ಸ್ಮಾರ್ಟ್ ಶೆಡ್ಯೂಲಿಂಗ್ ಅಲ್ಗಾರಿದಮ್ಗಳು ಯಂತ್ರಗಳ ಲಭ್ಯತೆ, ಕೆಲಸಗಾರರ ಶಿಫ್ಟ್ಗಳು, ಸಾಮಗ್ರಿ ಪೂರೈಕೆ ಮತ್ತು ಆರ್ಡರ್ ಆದ್ಯತೆಗಳನ್ನು ಪರಿಗಣಿಸುತ್ತವೆ. ಒಂದು ಲೈನ್ ಸ್ಥಗಿತಗೊಂಡಾಗ ಅಥವಾ ತುರ್ತು ಆರ್ಡರ್ ಬಂದಾಗ, ಪ್ಲಾನರ್ಗಳು ಮ್ಯಾನುಯಲ್ ಆಗಿ ಸ್ಪ್ರೆಡ್ಶೀಟ್ಗಳನ್ನು ತಯಾರಿಸುವ ಬದಲು, ಈ ವ್ಯವಸ್ಥೆಯು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಇಡೀ ಕ್ರಮವನ್ನು ಮರು-ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ.
Demand forecasting: AI ಹಿಂದಿನ ಆರ್ಡರ್ಗಳು, ಮಾರುಕಟ್ಟೆಯ ಸಂಕೇತಗಳು, ಕಾಲೋಚಿತ ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ಶಿಪ್ಪಿಂಗ್ ಸೂಚ್ಯಂಕಗಳು ಅಥವಾ ಹವಾಮಾನ ಮಾದರಿಗಳಂತಹ ಬಾಹ್ಯ ದತ್ತಾಂಶಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ. ತಯಾರಕರು ಕೇವಲ ಊಹೆಯ ಮೇಲೆ ಉತ್ಪಾದಿಸುವ ಬದಲು, ಮುಂಬರುವ ನೈಜ ಬೇಡಿಕೆಗೆ ಅನುಗುಣವಾಗಿ ಉತ್ಪಾದನೆಯನ್ನು ಹೊಂದಿಸಿಕೊಳ್ಳುತ್ತಾರೆ.
Supply chain intelligence: ಪೂರೈಕೆದಾರರ ಸ್ಥಿತಿ, ಲಾಜಿಸ್ಟಿಕ್ಸ್ ಅಡಚಣೆಗಳು, ಬಂದರು ದಟ್ಟಣೆ ಮತ್ತು ದಾಸ್ತಾನು ಮಟ್ಟಗಳ ಬಗ್ಗೆ ನೈಜ ಸಮಯದ ಮಾಹಿತಿ ಪಡೆಯುವುದರಿಂದ ಖರೀದಿ ತಂಡಗಳು ಕೊರತೆ ಉಂಟಾಗುವ ಮೊದಲೇ ಪ್ರತಿಕ್ರಿಯಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ವ್ಯವಸ್ಥೆಯು ಅಪಾಯಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ ಮತ್ತು ಪರ್ಯಾಯ ಮೂಲಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ.
Energy optimization: ಅಲ್ಗಾರಿದಮ್ಗಳು ಇಡೀ ಪ್ಲಾಂಟ್ನ ಬಳಕೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುತ್ತವೆ ಮತ್ತು ನೈಜ ಸಮಯದ ಲೋಡ್ ಮತ್ತು ಯುಟಿಲಿಟಿ ಬೆಲೆಗಳ ಆಧಾರದ ಮೇಲೆ HVAC, ಕಾಂಪ್ರೆಸ್ಡ್ ಏರ್ ಮತ್ತು ಯಂತ್ರಗಳ ಚಕ್ರಗಳನ್ನು ಹೊಂದಿಸುತ್ತವೆ. ಕಾರ್ಖಾನೆಗಳು ಉತ್ಪಾದನಾ ಸಾಮರ್ಥ್ಯವನ್ನು ಬಲಿಕೊಡದೆ ಇಂಧನ ವ್ಯರ್ಥವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತವೆ.
ಈ ಪರಿಕರಗಳು ಉತ್ಪಾದಕತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತವೆ ಮತ್ತು ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತವೆ ಏಕೆಂದರೆ ಇವು ಮಾನವರು ಅಪೂರ್ಣ ಮಾಹಿತಿಯೊಂದಿಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತಿದ್ದ ನಿರ್ಧಾರಗಳಲ್ಲಿನ ಅಡೆತಡೆಗಳನ್ನು ನಿವಾರಿಸುತ್ತವೆ.
ದತ್ತತೆಯನ್ನು (Data) ಕಚ್ಚಾ ವಸ್ತುವಿನಂತೆ ಪರಿಗಣಿಸುವುದು
ಆಧುನಿಕ ಪ್ಲಾಂಟ್ನಲ್ಲಿ ದತ್ತತೆಯನ್ನು (Data) ಅತ್ಯಂತ ಪ್ರಮುಖ ಆಸ್ತಿಯಾಗಿ ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಯಂತ್ರವು ಮಾಹಿತಿಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಮೋಟಾರ್ಗಳು ವಿದ್ಯುತ್ ಬಳಕೆಯನ್ನು ವರದಿ ಮಾಡುತ್ತವೆ. PLCs ಚಕ್ರದ ಸಮಯವನ್ನು (cycle times) ದಾಖಲಿಸುತ್ತವೆ. ಗುಣಮಟ್ಟ ತಪಾಸಣಾ ಕೇಂದ್ರಗಳು ಅಳತೆಗಳನ್ನು ದಾಖಲಿಸುತ್ತವೆ. ಈ ಮಾಹಿತಿಯ ಅಗಾಧ ಪ್ರಮಾಣವು ಅದನ್ನು ಸಂಸ್ಕರಿಸಲು ಮೂಲಸೌಕರ್ಯವಿಲ್ಲದ ತಂಡಗಳನ್ನು ದಂಗುಬಡಿಸಬಹುದು.
ದತ್ತಾಂಶವನ್ನು ಫಲಿತಾಂಶಗಳನ್ನಾಗಿ ಪರಿವರ್ತಿಸುವುದು ಇದರ ಗುರಿಯಾಗಿದೆ. ಅದಕ್ಕೆ ಕೇವಲ ಸಂಗ್ರಹಣೆಯಷ್ಟೇ ಸಾಕಾಗುವುದಿಲ್ಲ. ಇದು ಸ್ವಚ್ಛವಾದ ಪೈಪ್ಲೈನ್ಗಳು, ಸಂದರ್ಭೋಚಿತ ಮಾದರಿಗಳು ಮತ್ತು ಅಗತ್ಯವಿರುವ ಜನರಿಗೆ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಒಳನೋಟಗಳನ್ನು ನೀಡುವ ಅಂತರಮುಖಗಳನ್ನು ಬಯಸುತ್ತದೆ. ಯಶಸ್ವಿ ತಯಾರಿಕಾ ಕಂಪನಿಗಳು ಬಳಸುತ್ತವೆ