چشم‌انداز فناوری اتوماسیون: از تولید متصل تا تولید خودکار автоном

اتوماسیون وارد مرحله بهینه‌سازی شده است

اتوماسیون در سراسر صنعت چاپ و بسته‌بندی به فناوری عملی تولید تبدیل شده است، اما میزان پذیرش آن همچنان یکسان نیست. بیشتر کارخانه‌ها با بهره‌برداری کاملاً خودمختار فعالیت نمی‌کنند. در عوض، آن‌ها لایه‌های اتوماسیون متصل ایجاد می‌کنند که فرایندهای موجود را بهبود می‌دهند، مداخله دستی را کاهش می‌دهند و اطلاعات تولید بهتری در اختیار اپراتورها می‌گذارند.

از دیدگاه اتوماسیون صنعتی، این تحول قابل پیش‌بینی است. کارخانه‌ها به‌ندرت مستقیماً از تولید دستی به بهره‌برداری خودمختار می‌رسند. مسیر واقع‌بینانه‌تر، یکپارچه‌سازی تدریجی است: ابتدا اتوماسیون ماشین، سپس جمع‌آوری داده، بعد اتصال سیستم‌ها و در نهایت کنترل حلقه‌بسته، آن هم تنها زمانی که داده کافی از فرایند در دسترس باشد.

بالغ‌ترین کاربردها هم‌اکنون شامل اتوماسیون پیش‌ازچاپ، مدیریت رنگ، برآورد هزینه، زمان‌بندی، بازرسی درون‌خطی، چاپ تحت وب و یکپارچه‌سازی MIS/ERP هستند. چالش بعدی، اتصال این قابلیت‌های منفرد به یک معماری منسجم تولید است.

فرصت واقعی اتوماسیون میان ماشین‌هاست

بسیاری از محیط‌های تولیدی هم‌اکنون تجهیزات بسیار خودکاری دارند. دستگاه‌های چاپ، موتورهای دیجیتال، سیستم‌های بازرسی، تجهیزات تکمیلی و سیستم‌های جابه‌جایی مواد می‌توانند به‌طور مستقل وظایف پیچیده‌ای را انجام دهند.

مشکل این است که اتوماسیون در سطح ماشین، به‌طور خودکار اتوماسیون در سطح کارخانه را ایجاد نمی‌کند.

ممکن است یک دستگاه چاپ از وضعیت تولید خود اطلاع داشته باشد، در حالی که سیستم MIS اولویت سفارش را می‌داند و سیستم بازرسی از نرخ عیب آگاه است. اگر این سیستم‌ها نتوانند اطلاعات قابل‌استفاده را با یکدیگر مبادله کنند، اپراتورها همچنان به لایه یکپارچه‌سازی تبدیل می‌شوند.

این یکی از بزرگ‌ترین هزینه‌های پنهان اتوماسیون در صنعت است. اپراتورهای انسانی اغلب کمبود رابط‌ها، ساختارهای ناسازگار داده و پلتفرم‌های نرم‌افزاری منفصل را جبران می‌کنند.

بنابراین، نسل بعدی اتوماسیون باید کمتر بر افزودن قابلیت‌های مجزا و بیشتر بر رفع شکاف‌های اطلاعاتی میان سیستم‌های موجود تمرکز کند.

اتوماسیون تولید داده‌محور می‌شود

کاربردهای کنونی اتوماسیون، به‌طور فزاینده‌ای کنترل ماشین، داده‌های تاریخی تولید، تحلیل آماری و پشتیبانی تصمیم‌گیری مبتنی بر نرم‌افزار را با هم ترکیب می‌کنند.

نگهداری پیش‌بینانه می‌تواند رفتار غیرعادی تجهیزات را پیش از آنکه خرابی تولید را متوقف کند، شناسایی کند. بازرسی درون‌خطی می‌تواند هم‌زمان با ادامه تولید، عیوب را تشخیص دهد. کنترل خودکار رنگ می‌تواند انحراف فرایند را جبران کند. سیستم‌های زمان‌بندی می‌توانند در دسترس بودن ماشین‌آلات، مواد، مهلت‌ها و اولویت سفارش‌ها را ارزیابی کنند.

این کاربردها یک اصل مهم را نشان می‌دهند: اتوماسیون همیشه به کنترل خودمختار نیاز ندارد.

در بسیاری از موارد، ارزشمندترین کارکرد این است که تصمیم درست را در زمان مناسب در اختیار اپراتور قرار دهیم. این رویکرد ضمن حفظ نظارت انسانی بر شرایط غیرمعمول تولید، ریسک را کاهش می‌دهد.

پلتفرم‌های گردش‌کار مانند Enfocus Switch، Callas pdfToolbox، HP Site Flow، Hybrid CLOUDFLOW و Esko Automation Engine نشان می‌دهند که اتوماسیون نرم‌افزاری چگونه می‌تواند وظایف تکراری آماده‌سازی را پیش از رسیدن سفارش به تولید حذف کند.

هوش مصنوعی از طریق زیرساخت‌های موجود اتوماسیون توسعه خواهد یافت

هوش مصنوعی توجه زیادی را به خود جلب کرده است، اما نباید با آن به‌عنوان جایگزینی برای مهندسی اتوماسیون برخورد کرد.

هوش مصنوعی به داده وابسته است. اگر داده‌های تولید ناقص، ناسازگار، به‌درستی دسته‌بندی‌نشده یا از رویدادهای ماشین جدا باشند، یک سیستم هوش مصنوعی نمی‌تواند تصمیم‌های عملیاتی مفید و قابل‌اعتمادی تولید کند.

این موضوع توضیح می‌دهد که چرا پذیرش هوش مصنوعی در عملیات چاپ و بسته‌بندی به‌صورت یکنواخت پیش نخواهد رفت.

کاربردهای فوری نسبتاً عملی‌اند: پیشنهادهای تولید، تحلیل کیفیت، کمک به زمان‌بندی، نگهداری پیش‌بینانه، پیش‌پرواز، اصلاح رنگ، دسته‌بندی عیب و بهینه‌سازی فرایند.

هدف بلندپروازانه‌تر، تولید خودمختارِ حلقه‌بسته است. بااین‌حال، این امر به‌مراتب فراتر از نصب یک برنامه هوش مصنوعی نیاز دارد. داده‌های استانداردشده، رابط‌های قطعی ماشین، منطق کنترلی اعتبارسنجی‌شده، امنیت سایبری، مدل‌های فرایند و پاسخ‌های شکستِ کاملاً تعریف‌شده ضروری هستند.

کنترل حلقه‌بسته جهت‌گیری مهم‌تر برای بلندمدت است

مهندسان اتوماسیون صنعتی عموماً بین پایش و کنترل تمایز قائل می‌شوند.

سیستم‌های پایش مشخص می‌کنند چه اتفاقی در حال رخ دادن است. سیستم‌های پشتیبان تصمیم توضیح می‌دهند که احتمالاً در ادامه چه اتفاقی رخ خواهد داد. کنترل حلقه‌بسته یک گام فراتر می‌رود و پارامترهای فرایند را بر اساس شرایط اندازه‌گیری‌شده به‌طور خودکار تغییر می‌دهد.

این تمایز برای آینده تولید چاپ اهمیت دارد.

اصلاح خودکار رنگ نمونه خوبی است. یک سیستم خروجی فرایند را اندازه‌گیری می‌کند، آن را با هدف مقایسه می‌کند، انحراف را محاسبه می‌کند و پارامترهای عملیاتی را تنظیم می‌کند. هرچه قابلیت اطمینان این حلقه بازخورد بیشتر باشد، نیاز به مداخله دستی کمتر می‌شود.

در نهایت می‌توان معماری‌های مشابهی را برای تنظیم رجیستر، جابه‌جایی زیرلایه، خشک‌کردن، مصرف مرکب، بازرسی، نگهداری و زمان‌بندی نیز به کار برد.

بنابراین، هدف بلندمدت نباید صرفاً «هوش مصنوعی بیشتر» باشد؛ بلکه باید ایجاد حلقه‌های تولیدی قابل‌اندازه‌گیری‌تر، کنترل‌شده‌تر و تکرارپذیرتر باشد.

اتوماسیون رنگ ارزش بازخورد را نشان می‌دهد

ثبات رنگ همچنان یکی از روشن‌ترین نمونه‌های ایجاد ارزش قابل‌اندازه‌گیری در تولید توسط اتوماسیون است.

سیستم‌های مدرن می‌توانند اسپکتروفتومتری درون‌خطی، دانسیتومتری، پروفایل‌های متمرکز، کالیبراسیون مدیا، خطی‌سازی خودکار و اهداف رنگی استاندارد را با یکدیگر ترکیب کنند. این فناوری‌ها وابستگی به اندازه‌گیری دستی را کاهش می‌دهند و به سیستم‌های تولید اجازه می‌دهند هنگام اجرای فرایند، به تغییرات آن واکنش نشان دهند.

اصل مهندسی ساده است: خروجی را اندازه‌گیری کنید، آن را با یک مرجع تعریف‌شده مقایسه کنید، انحراف را محاسبه کنید و اصلاح مناسب را اعمال کنید.

همین معماری در سراسر اتوماسیون صنعتی دیده می‌شود. حسگرها بازخورد ارائه می‌کنند، الگوریتم‌های کنترل سیگنال را تفسیر می‌کنند، عملگرها فرایند را تغییر می‌دهند و سامانه‌های پایش نتیجه را راستی‌آزمایی می‌کنند.

بنابراین، تولید چاپ به‌سوی همان فلسفه حلقه‌بسته‌ای حرکت می‌کند که پیش‌تر در بسیاری از صنایع فرایندی تثبیت شده است.

اتوماسیون دفتر پیشخوان بخشی از معماری کنترل است

اتوماسیون نمی‌تواند در رابط ماشین متوقف شود.

برآورد هزینه، ثبت سفارش، زمان‌بندی، موجودی، برنامه‌ریزی تولید، گزارش‌دهی کیفیت و ارسال، همگی بر فرایند تولید فیزیکی تأثیر می‌گذارند. در نتیجه، پلتفرم‌های MIS و ERP به اجزای increasingly مهم معماری کلی اتوماسیون تبدیل می‌شوند.

یک ماشین چاپ خودکار نمی‌تواند اطلاعات نادرستی را که وارد سامانه تولید می‌شود جبران کند.

همین اصل درباره انتخاب زیرلایه، مشخصات رنگ، الزامات تکمیل‌کاری، مهلت‌های تحویل و معیارهای بازرسی نیز صدق می‌کند. اگر اطلاعات بالادستی نادرست باشد، اتوماسیون پایین‌دستی فقط دستورهای نادرست را با کارایی بیشتری اجرا می‌کند.

به همین دلیل، یکپارچه‌سازی گردش‌کار باید به‌عنوان مسئله‌ای در زنجیره کنترل در نظر گرفته شود که از سفارش مشتری تا ارسال نهایی امتداد دارد.

زنجیره تأمین به بستر بزرگ‌تر اتوماسیون تبدیل خواهد شد

تولید چاپ و بسته‌بندی تنها یکی از مراحل زنجیره ارزش صنعتی بسیار بزرگ‌تری است.

طراحی بسته‌بندی، تولید مواد، چاپ، تبدیل، انبارداری، لجستیک، خرده‌فروشی و تعامل با مصرف‌کننده، همگی به‌طور فزاینده اطلاعات دیجیتال تولید می‌کنند. کدهای QR سریال‌دار، GS1 Digital Link، RFID، NFC و تولید مبتنی بر داده‌های متغیر، نمونه‌هایی از فناوری‌هایی هستند که محصولات فیزیکی را به هویت‌های دیجیتال متصل می‌کنند.

این امر فرصت‌های جدیدی برای اتوماسیون ایجاد می‌کند.

تجهیزات تولید می‌توانند به‌طور فزاینده اطلاعات اختصاصی هر سفارش را دریافت کنند، شناسه‌های چاپ‌شده را راستی‌آزمایی کنند، داده‌های متغیر را بازرسی کنند و وضعیت تولید را به سامانه‌های بالادستی گزارش دهند.

نتیجه، گذار از اتوماسیون ماشین به اتوماسیون زنجیره تأمین است.

از دیدگاه من، این تغییر به یکی از مهم‌ترین تحولات صنعت تبدیل خواهد شد. مزیت رقابتی بیش‌ازپیش متعلق به تولیدکنندگانی خواهد بود که بتوانند داده‌های قابل‌اعتماد تولید را در میان مرزهای سازمانی مبادله کنند.

چاپ دیجیتال اتوماسیون گردش‌کار را شتاب می‌بخشد

چاپ دیجیتال در حال گسترش فراتر از کاربردهای سنتی تیراژ کوتاه و تخصصی است.

برچسب‌ها، بسته‌بندی‌های کنگره‌ای، کمپین‌های منطقه‌ای، محصولات شخصی‌سازی‌شده، بسته‌بندی‌های دارای شماره سریال، محصولات فصلی و آزمون بازار، همگی از چرخه‌های تولید کوتاه‌تر و کاهش ریسک موجودی بهره‌مند می‌شوند.

بااین‌حال، چاپ دیجیتال به‌طور خودکار بهره‌وری اقتصادی را تضمین نمی‌کند.

مزیت واقعی زمانی آشکار می‌شود که تجهیزات دیجیتال با پیش‌ازچاپ خودکار، زمان‌بندی سفارش‌ها، مدیریت رنگ، بازرسی، تکمیل‌کاری و انجام سفارش یکپارچه شوند.

یک ماشین چاپ پرسرعت که به گردش‌کارهای منفصل متصل باشد، همچنان می‌تواند گلوگاه‌های تولید ایجاد کند. برعکس، ماشینی با سرعت متوسط که درون یک گردش‌کار کاملاً یکپارچه کار می‌کند، می‌تواند توان عملیاتی کلی بیشتری ارائه دهد.

بنابراین، مشخصات تجهیزات باید به‌طور فزاینده‌ای در سطح سامانه، نه در سطح ماشین، ارزیابی شوند.

استانداردسازی داده‌ها بنیان هوش مصنوعی صنعتی است

استانداردسازی داده‌ها یکی از کم‌مشهودترین، اما مهم‌ترین الزامات اتوماسیون آینده است.

داده‌های ماشین، داده‌های سفارش، اطلاعات مواد، اطلاعات رنگ، رویدادهای تولید، نتایج بازرسی و سوابق نگهداری باید از تعاریف سازگار استفاده کنند، اگر سازمان‌ها می‌خواهند مدل‌های تحلیلی مفیدی بسازند.

این موضوع به‌ویژه برای یادگیری ماشین اهمیت دارد.

مدلی که با رده‌بندی‌های ناسازگار سفارش‌ها یا سوابق ناقص تولید آموزش دیده باشد، ممکن است همبستگی‌هایی را شناسایی کند که ارزش عملیاتی اندکی دارند. الگوریتم‌های بهتر نمی‌توانند برای همیشه ضعف داده‌های منبع را جبران کنند.

ابتکارهای صنعتی با مشارکت سازمان‌هایی مانند PRINTING United Alliance، GWG، CIP4 و UCP می‌توانند با بهبود تعامل‌پذیری و سازگاری داده‌های گردش‌کار، به ایجاد این بنیان کمک کنند.

گام بعدی باید یکپارچه‌سازی عملی باشد: سامانه‌ها باید بتوانند اطلاعات تولید را بخوانند، مقایسه کنند، اعتبارسنجی کنند و با یکدیگر تبادل کنند، بدون آنکه اپراتورها مجبور باشند به‌صورت دستی میان پلتفرم‌ها ترجمه کنند.

اتوماسیون شغل اپراتور را تغییر می‌دهد

اتوماسیون در آینده قابل پیش‌بینی، کارکنان ماهر تولید را حذف نخواهد کرد؛ بلکه محل به‌کارگیری تخصص آن‌ها را تغییر می‌دهد.

اپراتورها زمان کمتری را صرف انجام تنظیمات تکراری و زمان بیشتری را صرف مدیریت موارد استثنا، تحلیل رفتار فرایند، اعتبارسنجی کیفیت، عیب‌یابی تجهیزات، نظارت بر گردش‌کارها و حفظ استانداردهای فرایند خواهند کرد.

این گذار به آموزش متفاوتی نیاز دارد.

تکنسینی که با حسگرها، شبکه‌ها، منطق PLC، ارتباطات صنعتی، ساختارهای داده و کنترل فرایند آشنا باشد، با متصل‌تر شدن سامانه‌های تولید می‌تواند ارزشمندتر شود.

بنابراین، چالش نیروی کار صرفاً کمبود نیروی انسانی نیست؛ بلکه گذار مهارتی از اجرای دستی به سمت نظارت فنی و مدیریت موارد استثناست.

امنیت سایبری باید بخشی از اتوماسیون تولید شود

اتصال بیشتر، سطح حمله را نیز افزایش می‌دهد.

وقتی ماشین‌های چاپ، سامانه‌های بازرسی، پلتفرم‌های MIS، خدمات ابری، سامانه‌های نگهداری و شبکه‌های سازمانی با یکدیگر تبادل اطلاعات می‌کنند، اتوماسیون تولید به زیرساخت ارتباطی وابسته می‌شود.

دیگر نمی‌توان امنیت سایبری را صرفاً مسئولیتی در حوزه فناوری اطلاعات دانست.

شبکه‌های صنعتی به بخش‌بندی، دسترسی کنترل‌شده، نگهداری امن از راه دور، احراز هویت، مدیریت چرخه عمر نرم‌افزار، راهکارهای پشتیبان‌گیری و رویه‌های مشخص بازیابی نیاز دارند. تداوم تولید باید در کنار محرمانگی داده‌ها مورد توجه قرار گیرد.

هرچه تجهیزات بیشتری به‌صورت از راه دور پایش و توسط نرم‌افزار تعریف شوند، امنیت سایبری به یک الزام اساسی مهندسی برای سامانه‌های تولید متصل تبدیل خواهد شد.

تولید بدون اپراتور همچنان به کاربرد خاص وابسته خواهد بود

کارخانه‌های کاملاً خودمختار به این دلیل توجه زیادی جلب خواهند کرد که چشم‌انداز نهایی اتوماسیون را نمایندگی می‌کنند. بااین‌حال، تولید کامل بدون اپراتور همچنان در محیط‌هایی که با محصولات بسیار متنوع، تعویض‌های مکرر، مواد غیرقابل‌پیش‌بینی و نیازهای سفارشی مشتریان مشخص می‌شوند، دشوار خواهد بود.

تولید به‌شدت استانداردشده گزینه مناسب‌تری برای عملیات خودمختار است.

برای محیط‌های تولید ترکیبی، یک مدل هیبریدی عملی‌تر است. ماشین‌ها عملیات تکرارشونده را انجام می‌دهند، نرم‌افزار جریان‌های کاری را هماهنگ می‌کند، حسگرها نتایج را بررسی می‌کنند، هوش مصنوعی از تصمیم‌گیری پشتیبانی می‌کند و متخصصان انسانی زمانی مداخله می‌کنند که شرایط از حدود ازپیش‌تعیین‌شده خارج شود.

این مدل مسیر واقع‌بینانه‌تری به‌سوی تولید خودمختار فراهم می‌کند.

مزیت رقابتی بعدی، معماری جریان کاری است

این صنعت از اتوماسیون ماشین‌محور به‌سوی اتوماسیون سیستم‌محور در حال حرکت است.

رقابتی‌ترین تولیدکنندگان لزوماً مالک سریع‌ترین ماشین چاپ یا پیشرفته‌ترین ماشین منفرد نخواهند بود. آن‌ها شرکت‌هایی خواهند بود که تجهیزات، نرم‌افزار، داده‌ها، حسگرها، بازرسی، زمان‌بندی، نگهداری و تخصص انسانی را در یک معماری منسجم تولید یکپارچه می‌کنند.

این معماری باید چند نتیجه قابل‌اندازه‌گیری فراهم کند: کاهش دفعات دخالت دستی، کوتاه‌تر شدن زمان‌های آماده‌سازی، کاهش ضایعات مواد، پایبندی بهتر به برنامه زمان‌بندی، ثبات رنگ، شناسایی سریع‌تر خطاها و دید بهتر نسبت به تولید.

از دیدگاه اتوماسیون صنعتی، این‌ها شاخص‌های واقعی عملکرد هستند.

مسیر حرکت به‌سوی تولید خودمختار

صنعت چاپ و بسته‌بندی در حال حاضر در مرحله اتوماسیون متصل قرار دارد، نه مرحله تولید کاملاً خودمختار.

این روند احتمالاً از توالی قابل‌تشخیصی پیروی خواهد کرد:

1. ماشین‌آلات منفرد و وظایف تکراری را خودکار کنید.
2. تجهیزات تولید و سامانه‌های نرم‌افزاری را به یکدیگر متصل کنید.
3. داده‌های تولید و ماشین‌آلات را استاندارد کنید.
4. تحلیل داده و پشتیبانی تصمیم‌گیری مبتنی بر هوش مصنوعی را معرفی کنید.
5. بازخورد و کنترل حلقه‌بسته فرایند را اجرا کنید.
6. مدیریت استثناها را در جایی خودکار کنید که شرایط فرایند قابل پیش‌بینی هستند.
7. گسترش به‌سوی تولید خودمختار هماهنگ.

مرحله نهایی صرفاً با توانمندتر شدن هوش مصنوعی محقق نخواهد شد. این مرحله به این بستگی دارد که آیا معماری زیربنایی تولید می‌تواند داده‌های دقیق، رابط‌های کنترلی قابل‌اعتماد، فرایندهای استاندارد و حدود عملیاتی کاملاً تعریف‌شده را فراهم کند یا نه.

بنابراین درس اصلی ساده است: اتوماسیون باید به‌صورت یک معماری طراحی شود، نه اینکه به شکل مجموعه‌ای از فناوری‌های مجزا خریداری شود.

کارخانه‌هایی که این معماری را زودتر ایجاد می‌کنند، آمادگی بیشتری خواهند داشت تا هوش مصنوعی، رباتیک، پلتفرم‌های ابری، بازرسی پیشرفته و فناوری‌های تولید آینده را جذب کنند، بدون آنکه مجبور شوند جریان‌های کاری خود را بارها بازسازی کنند.