Přestěhovat čtyřicetimetrový stroj v úzkém výrobním prostoru, kde řešíte takřka každý milimetr, může být stejně nemožné jako stěhovat pračku do koupelny přes úzké dveře. To, co běžně trvalo tři až čtyři dny, ve frenštátském Innomotics zvládli, díky využití rozšířené reality, do tří až čtyř hodin. O digitálním dvojčeti, robotizaci nových linek, ale i o tom, jak překonávat u kolegů na pracovištích, kde se digitalizace anebo automatizace zavádí, obavy ze změn, a také o významu digitalizace a konceptu Digital Factory jsme mluvili s Jiřím Pospišilíkem, vedoucím útvaru Operational Excellence.
Digitalizaci ve frenštátském závodě řešíte v několika proudech a jedním z nich je robotizace. Jak dobře se hodí na výrobu motorů?
Ve frenštátském Innomotics čelíme v případě automatizace a robotizace značným výzvám, protože výroba nestojí na hromadných sériích, mnohdy jde o kusovou nebo malosériovou produkci a portfolio se tak ze dne na den mění ve výrobním spektru. Napasovat na to robotizaci je pro nás oříšek a často to ekonomicky nedává smysl. Máme pár vybraných oblastí, kde provádíme automatizaci. Co se týče robotizace, teď kupříkladu spouštíme robotickou linku na výrobu hřídelí, na které chceme vyrábět zhruba polovinu produkce, zbytek jsou menší série, které se vyrábí na dalších pracovištích. Ale v tomto případě nejde jen o robotizaci, protože před robotizací linky bylo potřeba digitalizovat náš výrobní proces.
Takže jste digitalizovali i řízení výroby? Jak daleko chcete jít se sledovatelností produktu?
Ano, digitalizovali jsme systém MOM, takzvaný Manufacturing Operation Management, a do samotných výrobních operací jsme integrovali naši interní logistiku. Vytvořili jsme tedy v podstatě virtuální sklady, kdy jednotlivé pohyby materiálu jsou svázány s pohybem palety. A protože palety mají své jedinečné identifikátory, víme tak, kde přesně by se měl materiál nacházet a jestli je třeba přívoz či odvoz. Neřešíme v tomto případě jen automatizaci, ale i digitalizaci celého procesu sledovatelnosti (traceability). Začínáme u komponent a postupně přecházíme k samotné kompletaci a díky postupnému rozšiřování záznamu různých dat (vázaných k produktu i jeho komponentám), máme přehled, na jakém stroji se prováděla jaká operace a kdo ji prováděl. Implementujeme funkce párování do jakého motoru se ta daná komponenta dostala. To je běžné v automotive anebo ve farmacii, ale u výroby elektromotorů je to poměrně vzácné. Na druhou stranu je třeba zmínit, že to je potřeba, protože po nás vyžadují čím dál tím více dat nejen zákazníci, ale i my víme, že v případě, kdy by se řešil nějaký technický problém, právě tohle nám pomůže rychle identifikovat příčinu a to, zda nastala u nás či až při provozu elektromotoru u zákazníka. Takže ke standardu, kterým pro nás dosud byl při provozu až stovky prioritních strojů status monitoring, jakási analýza stavů funkčnosti strojů, dnes přidáváme jako nadstavbu sledovatelnost ne produktů, ale každé jednotlivé komponenty elektromotoru. A samozřejmostí pro nás je i práce s digitálním dvojčetem anebo rozšířenou realitou, podobně jako když si dnes uděláte při stavbě budoucího domu podrobnou vizualizaci.
Váš závod jsem navštívil vloni při Business konferenci a viděl jsem simulaci, kdy jste digitální dvojče a rozšířenou realitu využili i při stěhování nového stroje v hale, kde se na místě řešil doslova každý milimetr. Co jste potřebovali ověřit a jak přesun nakonec proběhl?
Kvůli stěhování nového stroje o rozměrech cca 20×40 m a likvidaci starého jsme tehdy potřebovali vědět, jestli ho úzkými uličkami ve výrobní hale dokážeme dostat do jejího středu a jestli ho na místě vůbec vytočíme. Je to jako stěhování ledničky z baráku, ale tady jsme opravdu řešili doslova každý milimetr a v tom nejužším místě jsme se pohybovali 2 cm od dalšího stroje. Díky rozšířené realitě jsme mohli provést kvalitní přípravu předem, stroj jsme v ní virtuálně stěhovali v jeho životní velikosti, na zem se značili markery, kudy povede trasa stroje, a to nám nejen zkrátilo čas stěhování na pouhé 3 až 4 hodiny namísto 3 až 4 dnů, ale navíc jsme při simulaci zjistili, že bude nutné odstranit jeden sloup v hale, což jsme díky rozšířené realitě pak zvládli nikoliv ve stresu v průběhu stěhování, ale v klidu s dostatečnou časovou rezervou ještě před samotným stěhováním.
Stěhování stroje byl jeden příklad. Jak jste s modelem pracovali ale třeba u nové hřídelové linky a jak ho vlastně udržujete aktuální?
Linka má zástavbu rozměrově asi kolem 500 m2 a potřebovali jsme ji umístit do prostoru, kde jsou podpůrné sloupy a část skladové plochy. Díky rozšířené realitě jsme měli linku z pohledu dispozičního uspořádání na 90 % prostorově i funkčně simulovanou asi tak tři měsíce předtím, než vůbec začala instalace, takže jsme neřešili žádné výrazné neshody při dodávkách tak jako v minulosti, kdy jsme dodavatelům dodávali jen 2D výkresy. Dnes také aktivně využíváme i technologii pro mračna bodů (point cloudu) a máme kompletně naskenovanou celou výrobu. Zhruba co tři až šest měsíců pak děláme opakované skenování. Naše digitální dvojče technologií a výroby je v našem prostředí Teamcenter s mračnem bodů propojené a dispozičně svázané.
Kdy jste vlastně poprvé v závodě začali s digitálním dvojčetem? A co bylo na začátcích tehdy nejtěžší?
Zpočátku, to bylo okolo roku 2018, jsme začali s modely malých pracovišť, které jsme připravovali pro jednotlivé malé nové projekty a s tím jsme začali vytvářet strukturu nejen strojů a zařízení, ale i budov, pracovišť výrobních celků. Postupně jsme doplňovali složitější technologie a rekonstruovali modely strojů k nimž nebyla žádná digitální dokumentace. S pomocí skenování mračna bodů, které jsme aplikovali asi před 4 lety se zpětné mapování technologií výrazně zrychlilo a dnes můžeme říct, že máme 90% technologie zmapované. Ale od začátku to nebylo moc jednoduché. Naráželi jsme na odlišné postoje kolegů ohledně práce s CAD systémy a určité míry přesvědčení, že to vlastně není potřeba a že se to ani nedá zvládnout a zajistit udržitelnost. V podstatě jsme došli k tomu, že nejde jen o změnu používané technologie, ale o celkovou proměnu myšlení nad celým pracovním procesem a koncepcí. Nejtěžší na tom bylo přesvědčit kolegy, aby opustili zažité postupy a otevřeli se novému způsobu práce.
Takže digitalizace vám obecně přinesla především změnu způsobu myšlení?
Byl to jeden z jejíche zásadních benefitů. Samozřejmě jsou stovky dalších. Abyste zvládl stovky projektů a změn, je nutné mít struktury, data, mapy, v kterých se orientujete a které vám vytvoří digitální dvojče. A to nejen závodu, ale produktu, procesu, infrastruktury a podobně. Za tím účelem bylo potřeba změnit i projektovou administrativu a zcela ji digitalizovat. Projekty seskupujeme podle oblastí a tvoříme tzv. projektové streamy. Stanovujeme si dlouholeté vize a cíle a snažíme se je řídit hybridním modelem projektového řízení. Zavedli jsme databázi projektů a databázi požadavků, věcem jsme dali ucelenější řád a kontinuálně jsme tak dnes schopni najednou řešit stále složitější projekty, a to se stejným či dokonce menším počtem lidí.
A jak ve Frenštátě pracujete s umělou inteligencí? Kde podle vás leží její hranice ve výrobě?
První požadavky na implementaci AI jsme začali řešit ve spojitosti se zjednodušováním administrativních procesů. AI nejvíce pomáhá lidem, kteří ji přijmou jako asistenta – zrychlí si tak opakované nebo časově náročné činnosti jako formátování, překlady, vyhledávání či programování. Druhou oblastí je práce s velkými daty a predikčními modely přímo ve výrobních procesech. Tady je situace složitější – u analýz, které odhalují skryté chyby nebo hledají lepší nastavení procesu, je AI skvělou příležitostí. U přímého řízení procesu je to ale jinak: i 99% spolehlivost a opakovatelnost mohou být nedostatečné, pokud zbývající procento znamená riziko úrazu nebo havárie. Třetí oblastí je technologické know-how – cílem není nahradit experty, kterých je ostatně čím dál těžší najít, ale rozšiřovat jejich dovednosti, pomáhat s rešeršemi a novými nápady. AI totiž sama nenavrhne technologii ani nenakreslí schéma. K tomu všemu je potřeba budovat kulturu a postoje, aby ji lidé dokázali přijmout – a jednou z hranic je i velké věkové rozpětí zaměstnanců, které logicky přináší rozdílné postoje a očekávání.
A tady za mě může docházet i k oboustrannému propojení generací – nejde zde jen o přesun zkušeností od starších k mladším, ale i naopak. Vezměte si třeba technologa, který je expert na obrábění. Když se spektrum produktů neustále rozšiřuje a denně vznikají nové varianty, nedělá nic jiného než přípravu výrobních programů. PlýtváMarní tím 90 % svého času, nemá prostor věnovat se obrábění a inovacím, ve kterých má největší potenciál, a je v začarovaném kruhu. Do týmu dostane mladého kolegu, který zná nové SW nástroje, udělá datové srovnávání, připraví skripty a zautomatizuje tak přípravu programů. Starší kolega tak získá čas na to, v čem je skutečně expert, a zároveň mladšímu předává své know-how z obrábění. Vzájemně si tak mohou vypomoci. Ale tohle může fungovat jen, avšak pouze tehdy, , ať už jedním či druhým směrem, pokud je každý z nich v tomto mezigeneračním systému ochotný přijmout změnu a učit se z toho, co mu jiná generaceten druhý aktuálně nabízí.
Máte ve výrobě konkrétní případ, kde AI zkoušíte?
Obecně ji používáme nebo testujeme napříč firmou jak v každé oblasti, které jsem zmínil,ve všech již zmiňovaných oblastech, tak pro různé další účely. Máme definovánay pravidla, jak s ní zacházet v určitých procesech, jak pracovat s výstupy, jak posuzovat rizika a podobně. Například teď jsme Kdybych měl uvést konkrétní příklad, kdy bychom testovali nasazení umělé inteligence v údržbě. , tak se jedná o procesy údržby. Zde je proces velmi náročný na rychlost dohledání dat v dokumentaci ve spojení s analýzou a vyhodnocením příčin poruch. Strojů a zařízení jsou tisíce, počet variant provedení a výrobců roste, je-li dostupná dokumentace, (pokud je dostupná) je obsahově rozsáhlejší, funkce jsou komplikovanější. Udržet veškeré znalosti se stejnou skupinou pracovníků je už nyní téměř nemožné. Dnes běžně pracovník stráví 45 minut hledáním informací a pak někdy do 15 minut provede opravu.
Cílový stav je mít AI asistenta, který umí procházet dokumentaci, schémata, firmware, záznamy o poruchách, a který dokáže dohledat v minulých záznamechminulost, vyhodnotí potenciální příčiny poruchy, dohledá místa ve schématu a napomáhá technikovi identifikovat poruchu ve výrazně kratší době a s vyšší jistotou výsledku.
Jak tedy digitalizace může celkově změnit kompetence, které ve výrobním závodě potřebujete?
Pomůžu si příkladem z monitoringu energií. Celkově máme v závodě instalováno 500 měřidel spotřeby. Kdyby dva lidé dělali screening nad všemi stroji obchůzkami, celý rok by nedělali nic jiného a mohli by pracovat s tabulkou týdenních dat. Dnes se data, která zaznamenáváme do databáze co minutu, vyhodnocují automaticky. Nyní tito stejní technici potřebují umět pracovat s daty z databází, pokročilými nástroji na vizualizaci a datovou analýzou. Přitom samozřejmě stále musí mít znalosti z oblasti energetiky. Podobně potřebujeme, aby to fungovalo i u jiných profesí, například aby byl minulostí CNC obráběč, který píše a ladí program přímo na mašině, a naopak, aby nastoupil programátor CNC s dovedností simulace procesu, správy centrální databáze výrobních dat, tvorby hierarchických struktur a znalostí řídících technologií obráběcích strojů. Obecně lze říci, že v každém oboru jsou požadovány vyšší kompetence k digitalizaci jako součást portfolia dovedností.
Příklady táhnou
Jak si pro takové změny získáváte lidi přímo ve výrobě?
V minulosti jsme s tím měli mnoho problémů. Nedůvěra v digitalizaci vznikla jako nechtěný produkt častých změn digitálních strategií, SW platforem a nástrojů a přístupů. Chyběl důraz na UX, udržitelnost, i malé detaily. Důvodů bych dokázal vyjmenovat desítky, ale příkladem mohou být několik let odkládané nízko-prioritní požadavky na malá zjednodušení pro mistry, které ale měly obrovský přesah přes všechny výrobní pracoviště a pracovníky dílen.
A když se jednoho dne rozhodnete, že tomu dáte vyšší prioritu, najednou zjistíte, že jste získali nejen „zákazníky“, ale i partnery, kteří s vámi začnou spolupracovat a přinášet podněty. A zde je pak cesta ke sdílení a přenosu dovedností. Tato spolupráce roste a kupodivu je to někdy docela nakažlivé. Důležité je rozhýbat proces s lidmi, kteří mají empatii, trpělivost, entusiasmus.
A co s člověkem, který prostě nechce?
Samozřejmě existují i takové případy. Je to někdy složitá otázka i pro nás. Jsme v době, kdy se všechny firmy snaží inovovat a digitalizovat tak rychle, jak se jen dá. Vzniká konkurenční tlak a vy jej buď zvládnete nebo ne. S tím ale souvisí, že změny požadavků na kompetence prostě budou na každé pracovní pozici. Někde méně, někde více. Odpovědí na otázku, proč to stále nejde, může být frustrace, vyhoření, obavy z neznalosti, špatná historická zkušenost. Někdy lze bariéru odstranit doplňujícím vzdělávacím programem s dostatečným časovým prostorem, někdy změnou procesu a n. Někdy bohužel i je to ale opravdu bohužel o změnězměnou pracovní pozice.
A je to otázka starší generace?
Nemyslím si. Máme v kolektivu mnoho pracovníků, kteří pracují v podniku i více než 30 let. Někteří žijí digitalizací celou dobu, programují, implementují změny. Někteří naopak byli ke koncepci Digital Factory rezervovaní a drželi si odstup. Ale když za vámi najednou přijde někdo z této skupiny a řekne vám, že tomu nevěřil, ale že mu to začalo dávat smysl a že mu to zase vrátilo pocit dobrých změn, pak víte, že jdete dobrou cestou.
Asi tou největší výzvou bylo změnit negativní přístup v pozitivní. Za mě je to hlavně o empatii, entusiasmu a postojích. Když máte nad sebou vedoucího, který vás podporuje, a tým úžasných kolegů specialistů, kteří umí naslouchat, umí pomáhat, mají odvahu zkusit nové věci a současně mají respekt ke svým dalším kolegům, dokážete spirálu skepse obrátit opačným směrem. A za mě je ideální, když ta změna směrem k digitalizaci začne lidi opět bavit a když v tom sami pro sebe najdou přínos a smysl.
Jiří Pospišilík vystudoval silnoproudou elektrotechniku na střední průmyslové a vysoké škole a ve stejném oboru pokračoval i v postgraduálním studiu se zaměřením na diagnostiku a měření. Navrhování a programování zkušebních zařízení pro elektrické stroje se věnuje už od dob studií – nejprve 14 let u dodavatele, který je od roku 2004 dodával i do frenštátského závodu, kam sám nastoupil v roce 2016. Digitalizaci a automatizaci v oboru se tak průběžně věnuje už 22 let a dnes s jeho původní odborností – silnoproudou elektrotechnikou – tvoří přirozenou synergii. Přes pozice projektového vedoucího a vedoucího Project Office se dostal k vedení útvaru Digital Factory, dnes Operational Excellence, který má zhruba 25 lidí včetně týmu datových analytiků.
