IoT: Industrial IoT (IIoT)

Industrial IoT (IIoT) jest praktycznym zastosowaniem IoT w procesach produkcyjnych, gdzie IIoT oznacza tworzenie wartości biznesowej przy wykorzystaniu IoT. IIoT jest także fundamentem Industry 4.0. IoT daje nieskończone wręcz możliwości zbierania danych podczas każdego procesu produkcyjnego. Kwestią krytyczną jest oczywiście zadecydowanie, które dane należy zbierać oraz jak je praktycznie wykorzystać do optymalizacji danego procesu. Na początek można się skupić na tzw. operational excellence, czyli usprawnieniu istniejących już procesów przy zastosowaniu rozwiązań IoT. Należy jednak pamiętać, że rozwiązania IoT dają o wiele większe możliwości w kontekście uzysków operacyjnych. Jednym z najprostszych przykładów może być monitorowanie przepływu komponentów, a później już gotowych produktów, w czasie rzeczywistym. To automatycznie umożliwi działania profilaktyczne i planowanie ewentualnych interwencji naprawczych ad hoc.  

Przed rozpoczęciem zbierania danych należy szczegółowo rozważyć ich krytyczność oraz unikatowość dla danego procesu, pozwoli to wybrać optymalną technologię oraz odpowiednio oszacować koszty potencjalnego wdrożenia. Najprościej zacząć od danych, które zazwyczaj są łatwo dostępne np. temperatura. Zakładając, że dane są pobierane co jedną sekundę ich zmiana nie jest duża w jednostce czasu, więc utrata jednej wartości lub określonej procentowo ilości nie powinno być krytyczne dla działania całego systemu diagnostycznego. Przy pobieraniu danych tego rodzaju można wykorzystać strumieniowe przetwarzanie danych (ang. stream data analysis). Zakładając jednak, że dane są dynamiczne i one wszystkie są niezbędne do poprawnego działania systemu, np. położenie elementu na linii produkcyjnej, należy wykorzystać bardziej skomplikowane mechanizmy przetwarzania danych.

Obrazowym przykładem IIoT jest tzw. cyfrowy bliźniak (ang. digital twin) lub cyfrowy cień (ang. digital shadow). Jest to praktyczne zastosowanie zebranych danych ze świata fizycznego a następnie stworzenie cyfrowego modelu, w którym te właśnie dane są odzwierciedlone. Może to być cyfrowy model samego produktu lub też procesu produkcyjnego. Systematyczna analiza danych w czasie rzeczywistym przekłada się nie tylko na oczywiste oszczędności operacyjne, ale także może zaowocować bardziej strategicznymi uzyskami wynikającymi ze skróconego czasu reakcji na anomalie. O wiele lepiej jest zapobiegać niż leczyć, szczególnie jeżeli mamy do czynienia z kosztownymi procesami i materiałami produkcyjnymi. Zastosowania cyfrowego cienia w procesie planowania i nadzoru produkcji ułatwi całokształt prognozowania co automatycznie można przenieść na optymalizacje procesów produkcji. Cyfrowy bliźniak może być także zastosowany w planowaniu scenariusza ‘co by było, gdyby’ co jeszcze bardziej wzmacnia kontrolę procesu produkcji. 

Icons made by Freepik from www.flaticon.com