Ավտոմատացումն ու ռոբոտիկան չեն վերացնի աշխատուժի պակասը․ դրանք կվերաձևավորեն այն
Ավտոմատացումը հաճախ ներկայացվում է որպես արտադրության աշխատուժի պակասի լուծում։ Ինժեներական տեսանկյունից այդ ենթադրությունը թերի է։ Ռոբոտները, համագործակցային ռոբոտները, մեքենայական տեսողությունը, ինքնավար հարթակները և արհեստական բանականությամբ աջակցվող կառավարման համակարգերը կարող են վերացնել կրկնվող առաջադրանքները, սակայն նաև նոր պահանջներ են ստեղծում գործարկման, ծրագրավորման, սպասարկման, ախտորոշման, գործընթացի օպտիմալացման, կիբերանվտանգության և օպերատորների վերապատրաստման ոլորտներում։
Աշխատուժի խնդիրը չի վերանում, երբ ձեռքով կատարվող գործողությունը դառնում է ավտոմատացված։ Փոխարենը փոխվում է պահանջվող հմտությունների բնութագիրը։
Ավտոմատացումը վերացնում է առաջադրանքները, ոչ թե պատասխանատվությունը
Արդյունաբերական ավտոմատացումը տասնամյակներ շարունակ փոխակերպում է արտադրությունը։ 1961 թվականին General Motors-ի արտադրական գծում Unimate-ի ներդրումից ի վեր ռոբոտային համակարգերը աստիճանաբար ստանձնել են եռակցման, նյութերի տեղափոխման, հավաքման, փաթեթավորման, ստուգման և այլ կրկնվող գործողությունների իրականացումը։
Այսօրվա համակարգերը զգալիորեն ավելի բարդ են։ Ռոբոտները կարող են աշխատել տեսողական համակարգերի, ուժի զգայության, ինքնավար նավիգացիայի, մեքենայական ուսուցման և ավելի ու ավելի բարդ ծրագրային ճարտարապետությունների հետ։ Սակայն յուրաքանչյուր ավտոմատացված բջիջ դեռևս պահանջում է մարդկանց, ովքեր հասկանում են գործընթացը, կարգավորում են սարքավորումները, սպասարկում են ապարատային մասը, մեկնաբանում են ախտորոշիչ տեղեկությունները և վերականգնում համակարգը աննորմալ պայմաններից հետո։
Այս տարբերակումը կարևոր է։
Ռոբոտը կարող է արտադրական հաջորդականությունն իրականացնել առանց մարդու միջամտության, սակայն այդ ռոբոտը շրջապատող արտադրական համակարգը դեռևս կախված է ինժեներական գիտելիքներից։ PLC ծրագրերը, անվտանգության շղթաները, սերվո շարժիչները, արդյունաբերական ցանցերը, սենսորները, HMI-ները, ռոբոտները և գործընթացային սարքավորումները պետք է գործեն որպես միասնական համակարգ։
Աշխատուժի իրական bottleneck-ը տեղափոխվում է վերին հոսանք
Արտադրողները ավտոմատացման նախագծերը գնահատելիս հաճախ կենտրոնանում են օպերատորների պահանջարկը նվազեցնելու վրա։ Ավելի դժվար հարցն այն է, թե ինչ է տեղի ունենում տեղադրումից հետո։
Ավտոմատացված գիծը կարող է նվազեցնել կրկնվող գործողություններ կատարելու համար անհրաժեշտ մարդկանց թիվը՝ միաժամանակ մեծացնելով բազմաթիվ կառավարման շերտերում անսարքություններ ախտորոշելու ունակ տեխնիկների պահանջարկը։
Արտադրության դադարեցումը կարող է առաջանալ հարևանության անսարք սենսորից, PLC-ի սխալ վիճակից, կապի ժամանակի սպառումից, սերվոյի անսարքությունից, փոխկապակցման պայմանից, անվտանգության վերահսկիչի գործարկումից կամ մեխանիկական խնդրից։ Իրական արմատական պատճառի բացահայտումը պահանջում է համակարգային գիտելիքներ, ոչ թե պարզապես սարքավորումներ շահագործելու հմտություններ։
Ահա թե ինչու սպասարկման և կառավարման համակարգերի ինժեներիան դառնում են ավելի ու ավելի կարևոր։
Ավտոմատացված արտադրական գիծը աշխատունակ պահող անձը կարող է անհրաժեշտություն ունենալ հասկանալու էլեկտրական գծագրերը, PLC տրամաբանությունը, արդյունաբերական Ethernet-ը, շարժման կառավարումը, չափիչ սարքավորումները, անվտանգության համակարգերը, ռոբոտաշինությունը և մեխանիկական ինտերֆեյսները։ Այս հմտությունների համակցությունը շատ ավելի դժվար է գտնել, քան ավանդական արտադրական օպերատորին։
Ավելի շատ ավտոմատացումը կարող է ստեղծել ավելի շատ մասնագիտացված աշխատատեղեր
Տարածված ենթադրությունն այն է, որ ավտոմատացումը ուղղակիորեն նվազեցնում է զբաղվածությունը։ Գործնականում ազդեցությունը մեծապես կախված է նրանից, թե արտադրողներն ինչպես են ներդնում տեխնոլոգիան։
Բարձր աստիճանի ավտոմատացում ունեցող արտադրամասը կարող է պահանջել ավելի քիչ մարդկանց կրկնվող ձեռքով գործողությունների համար՝ միաժամանակ ստեղծելով լրացուցիչ հաստիքներ կառավարման համակարգերի ինժեներիայի, ռոբոտաշինության, մեքենաների սպասարկման, գործընթացների ինժեներիայի, համակարգերի ինտեգրման, տվյալների վերլուծության և տեխնիկական ուսուցման ոլորտներում։
Ինժեներական տեսանկյունից սա հակասություն չէ։
Ավտոմատացումը փոխում է մարդկային աշխատանքի բաշխումը։ Ձեռքով միջամտությունը նվազում է, մինչդեռ տեխնիկական պատասխանատվությունն աճում է։
Խնդիրն այն է, որ այս նոր հաստիքները միշտ չէ, որ հնարավոր է համալրել՝ պարզապես օպերատորին մի քանի ժամ վերապատրաստելով։ Արդյունաբերական կառավարման համակարգի անսարքությունների հայտնաբերումն ու վերացումը պահանջում է գործնական փորձ, կառուցակարգված ախտորոշիչ մեթոդներ և ապարատային ու ծրագրային ապահովման փոխազդեցությանը ծանոթություն։
Սպասարկման հնարավորությունը պետք է նախագծվի ավտոմատացման համակարգում
Արտադրողները պետք է սպասարկելիությանը վերաբերվեն որպես ինժեներական պահանջի, այլ ոչ թե որպես երկրորդական նկատառման։
Տեխնիկապես բարդ ավտոմատացման համակարգը պարտադիր չէ, որ լավ արտադրական համակարգ լինի, եթե սպասարկման անձնակազմը չի կարող այն արդյունավետորեն ախտորոշել։
Համակարգի նախագծման ընթացքում ինժեներները պետք է հաշվի առնեն ախտորոշման տեսանելիությունը, անսարքությունների նույնականացումը, պահեստամասերի պահանջները, էլեկտրական բաղադրիչներին հասանելիությունը, ցանցի մոնիթորինգը, ահազանգերի կառավարումը, պահուստավորման ընթացակարգերը և սպասարկման փաստաթղթավորումը։
PLC ծրագրերը պետք է պարունակեն իմաստալից թեգեր և կառուցակարգված ախտորոշիչ տրամաբանություն։ HMI-ները պետք է տրամադրեն անսարքությունների մասին օգտակար տեղեկություններ՝ ընդհանուր բնույթի ահազանգերի հաղորդագրությունների փոխարեն։ Ցանցային ճարտարապետությունները պետք է հնարավորություն տան նույնականացնելու կապի խափանումները։ Անվտանգության համակարգերը պետք է տրամադրեն համապատասխան ախտորոշիչ տեղեկություններ՝ առանց անապահով շրջանցման գործելակերպերը խրախուսելու։
Այս որոշումներն ուղղակիորեն ազդում են պարապուրդի վրա։
Համակարգը, որը յուրաքանչյուր անսարքության վերացման ընթացքում խնայում է մի քանի վայրկյան, կարող է զգալի գործառնական առավելություններ ապահովել արտադրության հազարավոր ցիկլերի ընթացքում։ Հետևաբար, ախտորոշման և սպասարկելիության վրա ծախսված ինժեներական ջանքերը կարող են նույնքան արժեքավոր լինել, որքան ավտոմատացման լրացուցիչ գործառույթները։
Ուսուցումը չի կարելի տարանջատել ավտոմատացման ինժեներիայից
Ուսուցումը հաճախ դիտարկվում է որպես ավտոմատացման նախագծի վերջնական փուլ։ Այդ մոտեցումը ստեղծում է ավելորդ խնդիրներ։
Օպերատորներն ու տեխնիկները պետք է նախագծի հենց սկզբից դիտարկվեն որպես համակարգի օգտվողներ։ Նրանց ուսուցման պահանջները պետք է ազդեն HMI-ի նախագծման, ահազանգերի կառուցվածքների, սպասարկման ընթացակարգերի, փաստաթղթավորման և գործարկման աշխատանքների վրա։
Արդյունավետ ուսուցումը պետք է պատասխանի գործնական հարցերին։
Ինչպիսի՞ն է մեքենայի նորմալ վիճակը։ Ինչպե՞ս կարող է օպերատորը տարբերել գործընթացի խնդիրը սարքավորման անսարքությունից։ Ո՞ր ահազանգերն են պահանջում անհապաղ միջամտություն։ Ե՞րբ պետք է կանչել սպասարկման անձնակազմին։ Ինչպե՞ս կարող են տեխնիկները որոշել՝ խնդիրը ծագում է սենսորից, PLC-ից, ցանցից, շարժաբերից, թե մեխանիկական սարքավորումից։
Այս հարցերն ավելի արժեքավոր են, քան աշխատակիցներին պարզապես կոճակները որտեղ սեղմել սովորեցնելը։
Լավագույն տեխնիկը միշտ չէ, որ լավագույն դասավանդողն է
Արտադրողները հաճախ ուսուցման պատասխանատվությունը հանձնարարում են ամենափորձառու աշխատակցին։ Դա կարող է աշխատել, սակայն տեխնիկական հմտությունն ու դասավանդելու ունակությունը տարբեր կարողություններ են։
Փորձառու տեխնիկը կարող է ինտուիտիվ կերպով ախտորոշել անսարքությունը՝ որոշակի մեքենայի հետ տարիների աշխատանքի շնորհիվ։ Սակայն նոր տեխնիկին անհրաժեշտ է կրկնելի մեթոդ, որը բացատրում է, թե ինչու է կատարվում ախտորոշման յուրաքանչյուր քայլ։
Հետևաբար, արդյունավետ արդյունաբերական ուսուցումը պետք է անհատական փորձը վերածի փաստաթղթավորված ընթացակարգերի։
Անսարքությունների վերացման ծառերը, էլեկտրական սխեմաները, PLC-ի ախտորոշման օրինակները, ահազանգերի պատմությունը, սպասարկման ստուգաթերթերը, սիմուլյացիոն վարժությունները և վերահսկվող անսարքությունների սցենարները կարող են օգնել չփաստաթղթավորված գիտելիքը վերածել փոխանցելի գիտելիքի։
Սա հատկապես կարևոր է, երբ փորձառու աշխատակիցները թոշակի են անցնում կամ անցնում են այլ դերերի։ Եթե անսարքությունների վերացման կարևոր գիտելիքը գոյություն ունի միայն ինչ-որ մեկի հիշողության մեջ, արտադրողը ենթարկվում է գործառնական զգալի ռիսկի։
Ավտոմատացման նախագծերը պետք է ներառեն հմտությունների ճարտարապետություն
Աշխատուժի զարգացումը կազմակերպելու արդյունավետ եղանակներից մեկն է տեխնիկական հմտություններն անմիջականորեն համապատասխանեցնել ավտոմատացման ճարտարապետությանը։
Օրինակ՝ օպերատորին կարող են անհրաժեշտ լինել HMI-ի հիմնական操作ումը, ազդանշանների մեկնաբանումը և անվտանգ վերականգնման ընթացակարգերը։ Սպասարկման տեխնիկին կարող են անհրաժեշտ լինել էլեկտրական անսարքությունների հայտնաբերման, սենսորների ախտորոշման, շարժիչների կառավարման և դրայվների կազմաձևման հմտություններ։ Կառավարման համակարգերի տեխնիկին կարող են անհրաժեշտ լինել PLC-ի ծրագրավորման, արդյունաբերական ցանցերի, շարժման կառավարման և կառուցակարգված անսարքությունների հայտնաբերման կարողություններ։
Ավելի բարձր մակարդակի ինժեներներին կարող են լրացուցիչ անհրաժեշտ լինել համակարգի ճարտարապետության, կիբեռանվտանգության, տվյալների ինտեգրման, գործընթացի օպտիմալացման և կենսացիկլի կառավարման հմտություններ։
Այս մոտեցումը ուսուցումը դարձնում է չափելի։
Աշխատակիցների դասընթացն ավարտած լինելը հարցնելու փոխարեն՝ արտադրողները կարող են գնահատել, թե արդյոք անձնակազմը կարող է ինքնուրույն կատարել սահմանված տեխնիկական առաջադրանքները՝ ընդունելի ժամանակում և սխալների մակարդակով։
Բազմատեսականի արտադրությունը փոխում է ավտոմատացման հավասարակշռությունը
Աշխատուժի մարտահրավերն ավելի է բարդանում բազմատեսականի, փոքրածավալ արտադրության պայմաններում։
Մեծածավալ արտադրությունը կարող է արդարացնել խիստ մասնագիտացված ավտոմատացումը, քանի որ նույն հաջորդականությունը կարող է գործարկվել հազարավոր կամ միլիոնավոր անգամներ։ Պատվերով արտադրությունը ենթադրում է արտադրանքի, գործիքավորման, բաղադրատոմսերի հաճախակի փոփոխություններ, ստուգման պահանջներ և գործընթացի ճշգրտումներ։
Այս միջավայրերում ճկունությունը կարող է ավելի արժեքավոր լինել, քան առավելագույն ավտոմատացումը։
Բարձր ավտոմատացված համակարգը, որը արտադրանքի փոփոխության դեպքում պահանջում է ինժեներական լայն միջամտություն, կարող է ավելի քիչ գործնական արժեք ունենալ, քան կիսաավտոմատացված համակարգը, որը տեխնիկները կարող են արագ վերակարգավորել։
Հենց այստեղ է, որ մարդկային փորձառությունը շարունակում է հատկապես արժեքավոր մնալ։
Հետևաբար, արտադրողները պետք է ավտոմատացումը գնահատեն՝ ելնելով գործընթացի ընդհանուր տնտեսագիտությունից, այլ ոչ թե ռոբոտների քանակից։ Վերակարգավորման ժամանակը, ինժեներական աշխատանքը, սպասարկման պահանջները, ծրագրավորման բարդությունը, որակի պահանջները և օպերատորի ճկունությունը պետք է ներառվեն հաշվարկում։
AI-ն կավելացնի ինժեներական դատողության անհրաժեշտությունը
AI-ի աջակցությամբ ավտոմատացումը հետագայում ևս կփոխի այս հավասարակշռությունը։
AI-ն կարող է օգնել բացահայտել մեքենաների տվյալների օրինաչափությունները, հայտնաբերել աննորմալ վարքագիծը, աջակցել կանխատեսող սպասարկմանը, օպտիմալացնել արտադրության պարամետրերը և օգնել տեխնիկներին անսարքությունների հայտնաբերման գործում։ Սակայն AI-ն չի վերացնում ինժեներական դատողության անհրաժեշտությունը։
Աննորմալ թրթռման ազդանշանը դեռևս պահանջում է, որ ինչ-որ մեկը հասկանա մեքենան։ Գործընթացի անսպասելի շեղումը դեռևս պահանջում է, որ ինչ-որ մեկը որոշի՝ պատճառը գործիքավորումն է, կառավարման տրամաբանությունը, մեխանիկական սարքավորումը, նյութի տատանումը, թե գործընթացի պայմանները։
AI-ն կարող է կրճատել տեղեկատվություն գտնելու համար անհրաժեշտ ժամանակը, սակայն այն ինքնաբերաբար չի ստանձնում վերջնական ինժեներական որոշման պատասխանատվությունը։
Այդ պատճառով ապագայի արտադրական կազմակերպություններին անհրաժեշտ կլինեն մարդիկ, ովքեր կհասկանան և՛ արդյունաբերական համակարգերը, և՛ թվային տեխնոլոգիաները։
Աշխատուժի ռազմավարությունը պետք է փոխվի կառավարման ռազմավարությանը զուգահեռ
Արտադրողները պետք է դադարեն ավտոմատացման ներդրումները և աշխատուժի զարգացումը դիտարկել որպես առանձին ծրագրեր։
Երբ գործարանը ներդնում է ռոբոտներ, PLC-ով կառավարվող սարքավորումներ, տեսողական ստուգում, նյութերի ավտոմատացված տեղափոխում կամ շարժման առաջադեմ համակարգեր, աշխատուժի պահանջները անմիջապես փոխվում են։ Հետևաբար, ուսուցման ծրագրերը պետք է մշակվեն ավտոմատացման ճարտարապետությանը զուգահեռ։
Ամենաարդյունավետ գործարանները, հավանաբար, կհամատեղեն երեք տարր՝ կրկնվող աշխատանքի ավտոմատացում, ուժեղ ախտորոշում ապահովող ինժեներական համակարգեր և կառուցակարգված ուսուցում, որը զարգացնում է այդ համակարգերի շուրջ տեխնիկական կարողությունները։
Սա ստեղծում է շահագործման ավելի կայուն մոդել։
Ավտոմատացումը պետք չէ չափել միայն այն բանով, թե քանի ձեռքի աշխատանք է վերանում։ Այն պետք է չափել նաև նրանով, թե մնացած աշխատուժը որքան արդյունավետ կարող է շահագործել, սպասարկել, անսարքություններ հայտնաբերել և բարելավել ավտոմատացված համակարգը։
Արտադրության հաջորդ առավելությունը լինելու է տեխնիկական կարողությունը
Հաջորդ տասնամյակի արտադրական աշխատուժը կտարբերվի նախորդ տասնամյակի աշխատուժից։
Ռոբոտները կշարունակեն ավելի ընդունակ դառնալ։ Կոբոտները կընդլայնվեն այն կիրառություններում, որոնք նախկինում պահանջում էին ձեռքի աշխատանք։ Արհեստական բանականությունը գնալով ավելի շատ կօգնի ստուգման, սպասարկման, պլանավորման և գործընթացների օպտիմալացման հարցերում։ Ինքնավար շարժական համակարգերը կստանձնեն ներքին լոգիստիկայի ավելի մեծ մասը։
Այս զարգացումներից ոչ մեկը չի վերացնում հմուտ աշխատողների անհրաժեշտությունը։
Փոխարենը դրանք բարձրացնում են գործարանի համար պատասխանատու մարդկանց տեխնիկական մակարդակը։
Ավտոմատացումից առավել շատ օգուտ ստացող արտադրողները պարտադիր չէ, որ լինեն ամենամեծ թվով ռոբոտներ տեղադրողները։ Դրանք կլինեն այն կազմակերպությունները, որոնք կարող են ավտոմատացումը համատեղել սպասարկելի կառավարման ճարտարապետությունների, գործնական ախտորոշման, գիտելիքի փոխանցման կառուցակարգված գործընթացների և աշխատուժի շարունակական զարգացման հետ։
Հետևաբար, աշխատուժի անմիջական խնդիրը պարզապես մարդկանց պակասը չէ։
Խոսքը գնալով ավելի բարդ արդյունաբերական համակարգերի համար համապատասխան տեխնիկական կարողություններ ունեցող մարդկանց պակասի մասին է։
Ռոբոտները փոխում են աշխատանքը։ Արտադրողները պետք է փոխեն այն մարդկանց զարգացման եղանակը, ովքեր շահագործում և սպասարկում են դրանք։
