Transformacja przemysłu przetwórczego na czterech poziomach automatyzacji
Cyfryzacja może poprawić zrównoważony rozwój przemysłu przetwórczego, pozwalając produkować więcej za mniej — mniej energii i materiałów, co dodatkowo oznacza minimalizację odpadów. A to przekłada się na mniejszy ślad węglowy. Nigdzie nie jest to równie ważne niż w energochłonnych gałęziach przemysłu. Finansowany ze środków UE projekt CAPRI dostarczył platformę automatyzacji kognitywnej, która pozwala to osiągnąć przy jednoczesnej poprawie jakości, elastyczności i wydajności. Rozwiązania zostały zademonstrowane w trzech różnych zastosowaniach obejmujących produkcję asfaltu, stali i farmaceutyków.
Cyfrowa transformacja możliwa dzięki rozwiązaniom kognitywnym
Jak mówi koordynatorka projektu, Cristina Vega z Centrum Technologicznego CARTIF: „Opracowaliśmy czujniki do pomiaru właściwości surowców, półproduktów i produktów końcowych, takich jak przepływ pyłu lub zgorzelina w przemyśle stalowym. Narzędzia planowania kognitywnego umożliwiły efektywną alokację zasobów. Zaawansowane algorytmy sterowania zostały zaprojektowane w celu oszczędzania energii lub utrzymania jakości kluczowego parametru aktywnego składnika farmaceutycznego”. Platforma automatyzacji kognitywnej CAPRI posłużyła do integracji wszystkich rozwiązań technicznych. Została zbudowana w oparciu o architekturę referencyjną wykorzystującą uczenie maszynowe i kognitywną interakcję człowiek-maszyna, łącząc w sobie Internet rzeczy, wsparcie decyzji oparte na sztucznej inteligencji, inteligentne przetwarzanie zdarzeń i modele danych wiedzy. Narzędzia te koordynują automatyzację kognitywną na czterech poziomach: planowania, czujników, sterowania i działania.
Modułowa, skalowalna platforma open-source o szerszych efektach
Platforma i narzędzia są modułowe i skalowalne, co umożliwia dostosowanie platformy automatyzacji kognitywnej do różnych przypadków użycia. Vega podkreśla „znaczenie opracowywania rozwiązań, których potrzebują pracownicy fabryk, w tym elastyczność w dostosowywaniu rozwiązań do rzeczywistych warunków. Właśnie to gwarantuje, że będą z nich korzystać”. Ponadto platforma automatyzacji kognitywnej została opracowana przy użyciu otwartego oprogramowania framework FIWARE w celu spełnienia zasad FAIR w zakresie możliwości wyszukiwania, dostępności, interoperacyjności i ponownego wykorzystania. Ułatwi to wykorzystanie go z innym oprogramowaniem oraz w seminariach internetowych i programach szkoleniowych poza CAPRI do pielęgnowania sposobu myślenia skupionego na wdrażaniu technologii kognitywnych i inteligentnych wśród naukowców i praktyków.
Udokumentowane sukcesy w różnych branżach
W sumie opracowano osiem czujników kognitywnych dla trzech przypadków użycia wraz z kognitywnymi rozwiązaniami w zakresie planowania, sterowania i operacji. Dostosowane wdrożenia umożliwiły zmniejszenie zużycia energii i związanych z tym emisji we wszystkich trzech EII. Na przykład w przypadku asfaltu producent był w stanie określać skład mieszanki w czasie rzeczywistym — krytyczne dane, które pozwoliły mu wyeliminować ogrzewanie materiałów, których ostatecznie nie mógł użyć. W branży farmaceutycznej i stalowej producenci byli w stanie wykryć problemy z produktem na wczesnym etapie — a nie na końcu — procesu, co zmniejsza ilość odpadów materiałowych i zużycie energii. We wszystkich trzech przypadkach poprawie uległa jakość produktu. Wpływ był szczególnie znaczący w przypadku asfaltu i farmaceutyków, a użytkownicy końcowi stwierdzili: „Nie wyobrażamy sobie już pracy bez rozwiązań wdrożonych w projekcie”. Modułowa, skalowalna platforma CAPRI o otwartym kodzie źródłowym do automatyzacji kognitywnej będzie wspierać sektory EII w ich cyfrowej transformacji. Można ją łatwo modyfikować na potrzeby zastosowania w wielu gałęziach przemysłu, a jej przyjęcie obiecuje znaczne zmniejszenie śladu węglowego danej branży przy jednoczesnej poprawie jakości produktu. Takie rezultaty wspierają zarówno europejskie cele energetyczne i klimatyczne, jak i gospodarkę UE.
Słowa kluczowe
CAPRI, automatyzacja, energia, farmacja, czujniki, stal, asfalt, transformacja cyfrowa, AI, sektory energochłonne, przemysł przetwórczy
