Transformacja łańcucha dostaw z wykorzystaniem Przemysłowego Internetu Rzeczy

Początkowy dramatyczny spadek popytu na produkty końcowe wywołał w wielu firmach szok, jednak na późniejszych etapach pandemii doświadczyliśmy sytuacji dokładnie odwrotnej – stanęliśmy w obliczu gwałtownego wzrostu popytu na produkty oraz niedoboru dostaw i zapasów magazynowych. Ujawniło to poważne problemy w łańcuchach dostaw. Proces stał się na tyle scentralizowany, że gdy wydarzenie dotknęło choćby jednego producenta, miało ono szeroki wpływ na cały system. Nastąpiło gwałtowne rozbudzenie popytu, zaś łańcuchy dostaw nie były wystarczająco solidne ani zdywersyfikowane, aby dostarczyć wystarczającą ilość surowców do fabryk, a wiele z nich całkowicie zamknięto. Do zakłóceń przyczyniły się również niedobory siły roboczej – braki kadrowe spowodowały opóźnienia w działaniu całego łańcucha dostaw.

Technologie takie jak Internet Rzeczy (IoT) i sztuczna inteligencja (AI) mogą pomóc w stworzeniu solidniejszego systemu. Nie można nie docenić wpływu, jaki przemysłowy Internet Rzeczy (IIoT) już wywarł na przemysł produkcyjny i łańcuch dostaw jako całość. Umożliwia on nowe funkcje oraz bardziej inteligentne, predykcyjne i proaktywne procesy, które prowadzą do zwiększonej wydajności.

Lepsze śledzenie aktywów

Przemysłowy Internet Rzeczy przenosi wykorzystanie czujników na nowy poziom, zwłaszcza jeśli chodzi o śledzenie aktywów w celu oceny ich aktualnej lokalizacji w łańcuchu dostaw. Na przykład jeśli kontener jest wyposażony w urządzenie do śledzenia pozycji, klient może sprawdzić, czy kontener nadal znajduje się na statku, czy też dotarł już do portu. Jednak sama wiedza o lokalizacji jednego konkretnego aktywa, nie jest wystarczająca, gdy potrzeba, powiedzmy, 20 komponentów do faktycznego wytworzenia produktu.

Ponieważ producenci często zarządzają wieloma wyrobami, komponentami i surowcami, czujniki IoT zapewniają ujednolicony widok wszystkich danych dotyczących każdego z kontenerów. Kluczowe znaczenie ma również agregowanie wszystkich tych danych, aby zwiększyć ich wartość dla firmy, ale często również i dla konsumenta, który śledzi swoje zamówienie z domu.

Oprócz śledzenia lokalizacji, w omawianych przypadkach stosuje się wiele innych czujników w celu zgromadzenia obszerniejszych danych odnośnie do całego łańcucha dostaw – od czujników środowiskowych monitorujących temperaturę, wilgotność i ciśnienie po czujniki pozycjonujące, takie jak akcelerometry i czujniki żyroskopowe, które odczytują pozycję i orientację. Dzięki takim danym można określić czas i miejsce, w którym produkt mógł zostać uszkodzony na trasie.

Urządzenia do śledzenia oraz inne czujniki stają się coraz tańsze, więc ich stosowanie jest coraz bardziej powszechne. Wraz ze wzrostem liczby czujników coraz ważniejsze staje się jednak zarządzanie pozyskanymi danymi.

Zarządzanie danymi za pomocą sztucznej inteligencji

Jeśli dyrektor operacyjny ma podjąć decyzję, czy fabryka może uruchomić produkcję w określonym czasie, musi wiedzieć, czy wszystkie niezbędne komponenty będą w zakładzie na czas. W przeszłości było to nieraz zgadywanką na podstawie ograniczonej ilości danych dostępnych w czasie rzeczywistym niezbędnych do planowania partii produkcyjnych.

Dobra wiadomość jest taka, że dzięki Przemysłowemu Internetowi Rzeczy można teraz łatwo agregować i analizować wszystkie dane śledzenia aktywów. Na potrzeby przewidywania opóźnień i czasu przybycia wszystkich niezbędnych komponentów system sztucznej inteligencji może korzystać z odczytów czujników podczas pobierania danych zewnętrznych, takich jak informacje o pogodzie i portach. Przetwarzanie brzegowe, czyli przetwarzanie zebranych danych przez czujniki znajdujące się bliżej źródła, zamiast przesyłania ich z powrotem do chmury, również znacznie zwiększa wydajność przetwarzania danych.

Ponieważ występuje tak wiele punktów pozyskiwania danych z czujników i danych zewnętrznych, sztuczna inteligencja zwykle jest w stanie przeprowadzić tę analizę szybciej i dokładniej niż człowiek. Ten inteligentny, zautomatyzowany system pozwala pracownikom poświęcać mniej czasu na wykonywanie żmudnych, ręcznych zadań. Zamiast tego mogą wykonywać bardziej kreatywną, wymagającą kwalifikacji pracę, taką jak zarządzanie systemem i klientami wewnętrznymi oraz przekazywanie opinii od użytkowników.

Należy zauważyć, że taki system zarządzania danymi nie zastępuje pracowników. Służy raczej do przekazywania najbardziej znaczących informacji osobie zarządzającej systemem. Zarządzanie danymi przy wykorzystaniu sztucznej inteligencji (AI) ostatecznie wnosi nową wartość dzięki zwiększonej wydajności i dokładności we wszystkich obszarach.

Korzystanie z czujników do przewidywania zakłóceń

Czujniki IoT nabrały kluczowego znaczenia dla poprawy wydajności operacyjnej i zwiększenia bezpieczeństwa pracowników – w szczególności znajduje to potwierdzenie w ulepszonym monitorowaniu środowiska i ruchu drogowego. Na przykład niedawny wzrost liczby pożarów w Stanach Zjednoczonych spowodował, że wiele obszarów dotkniętych klęską miało wpływ na łańcuch dostaw w związku z niebezpiecznymi warunkami jazdy i zamknięciem dróg. Jednak firmy, które wykorzystują w swoich planach dane środowiskowe, były w stanie zmienić trasy i uwzględnić zakłócenia pogodowe. Pogoda i ruch drogowy są często postrzegane jako czynniki zewnętrzne, ale jeśli nie dysponujemy tego rodzaju inteligencją w zasięgu ręki, mogą być przyczyną nieprzewidzianych przerw w łańcuchu dostaw.

Rozwój w dziedzinie oprogramowania

Rola firmy Digi-Key w transformacji łańcuchów dostaw polega w dużej mierze na dostarczaniu sprzętu, ale firma koncentruje się również na funkcjach oprogramowania, zarówno wewnętrznie, jak i we współpracy z klientami. Największy postęp zawdzięczamy tu lepszym narzędziom do śledzenia oraz ustalania cen i realizacji zakupów, a dzięki tym systemom możemy szybko i łatwo wymieniać i analizować dane w całym magazynie i poza nim. Wspomniane nowe oprogramowanie i dane wpłyną na zwiększenie produktywności operatorów, zmniejszenie wad jakościowych i osiągnięcie poprawy w czasie rzeczywistym. Digi-Key skupiło się również na sprzedaży oprogramowania razem ze sprzętem, dzięki czemu możliwe jest szybsze wdrażanie rozwiązań IoT, takich jak pierwsze prywatne rozwiązanie LoRaWAN-in-a-Box, które zostało wprowadzone wraz z Seeed Studio i Machinechat.

Co czeka łańcuchy dostaw?

Połączenie pozyskiwania danych w czasie rzeczywistym z technologią sztucznej inteligencji, włączając w to zastosowanie nowych czujników, stworzyło szereg nowych możliwości wglądu w łańcuchy dostaw i nadal będzie stanowić siłę napędową przyszłych działań w produkcji oraz spedycji.

Nowe technologie Przemysłowego Internetu Rzeczy (IIoT) obejmują szereg nowych funkcji, a wdrożenie wielu z nich, takich jak tanie procesory, jest stosunkowo niedrogie. Z punktu widzenia kosztów, integracja czujników z różnymi rodzajami produktów w celu monitorowania danych jest teraz łatwiejsza niż kiedykolwiek. Dotychczas nie była wykonalna ze względu na aspekty finansowe. Na przykład czujniki wizyjne, czyli zasadniczo kamery, szybko osiągają kolejne etapy zaawansowania, a sztuczna inteligencja, korzystająca z coraz lepszego oprogramowania, może analizować wszystkie dane pochodzące z każdego piksela w kamerze.

Ponieważ z omawianych czujników pozyskuje się coraz więcej danych, systemy będą jeszcze bardziej złożone, a wykorzystanie sztucznej inteligencji i uczenia maszynowego będzie miało kluczowe znaczenie dla wykonywania analiz wyższego poziomu wszystkich gromadzonych informacji. Omawiane innowacje będą nadal zapewniać nam bardziej holistyczny ogląd i kontrolę nad łańcuchem dostaw oraz, miejmy nadzieję, pomogą zapobiec zakłóceniom w globalnym łańcuchu dostaw, takim jak te, których doświadczyliśmy w ciągu ostatnich kilku lat.

Eric Wendt, dyrektor ds. automatyki i produktów elektrycznych Digi-Key Electronics

Źródłem zdjęć wykorzystanych w artykule jest Digi-Key Electronics