ΑρχικήSmart ManufacturingΗ επαυξημένη ...

Η επαυξημένη πραγματικότητα στο χρονοπρογραμματισμό της βιομηχανικής παραγωγής

Στην εποχή του Industry 4.0 και της ψηφιακής μετάβασης, οι σύγχρονες τεχνολογίες παίζουν καθοριστικό ρόλο ως προς τη λειτουργία των βιομηχανικών μονάδων, με την επαυξημένη πραγματικότητα (augmented reality [AR]) να αποτελεί ένα χρήσιμο εργαλείο  για την αναβάθμιση και εποπτεία της παραγωγικής διαδικασίας.

Των κ. Δ. Μούρτζη και Δ. Τσάκαλου*

Ο μεγάλος ανταγωνισμός στην σύγχρονη παγκοσμιοποιημένη αγορά έχει ωθήσει τις βιομηχανικές επιχειρήσεις να παράγουν καινοτόμα προϊόντα με χαμηλό κόστος, και με μειωμένο χρόνο που μεσπλαβεί από τον σχεδιασμό έως τη διάθεσή τους στην αγορά.

Οι απαιτήσεις για γρήγορο σχεδιασμό παραγωγικών διαδικασιών υψηλής απόδοσης χωρίς σφάλματα έχουν δημιουργήσει μία μεγάλη ποικιλία σύγχρονων ερευνητικών προκλήσεων. Η καταγραφή και ανάλυση ενός συνόλου δεικτών απόδοσης της διαδικασίας παραγωγής όπως είναι κόστος, χρόνος, ποιότητα, ευελιξία και εξατομίκευση, είναι απαραίτητη. Μία μέθοδος βελτιστοποίησης της διαδικασίας σχεδιασμού των συστημάτων παραγωγής έγκειται στην ενσωμάτωση νέων τεχνολογιών στην ίδια την παραγωγική διαδικασία.

Ο χρονοπρογραμματισμός (scheduling) αποτελεί μια διαδικασία λήψης αποφάσεων που συμβάλλει στην παροχή καλών και βέλτιστων λύσεων στην κατανομή των πόρων του συστήματος παραγωγής στις εργασίες. Επιπλέον, η εποπτεία (monitoring) της παραγωγής επιτυγχάνεται με τη συλλογή δεδομένων μέσω αισθητήρων χωρίς ανθρώπινη επέμβαση, τα οποία τροφοδοτούνται σε συστήματα λήψης αποφάσεων [3]. Στη συνέχεια, συστήματα αυτομάτου ελέγχου ή χειριστές των γραμμών παραγωγής υλοποιούν τις απαραίτητες παρεμβάσεις.

Η ιδέα μιας πλήρως αυτοματοποιημένης βιομηχανίας αντιμετωπίζει προκλήσεις επικοινωνίας και συνεργασίας πραγματικού χρόνου εντός του βιομηχανικού περιβάλλοντος, αναδεικνύοντας την ανάγκη για γρήγορη κι αποτελεσματική μεταφορά πληροφορίας μεταξύ διαφόρων σταδίων της διαδικασίας παραγωγής.

Επομένως, η πληροφορική αποτελεί έναν ακρογωνιαίο λίθο της σύγχρονης παραγωγής, και είναι αποδεκτή ως ένα από τα βασικά εργαλεία για τη βελτίωση της ανταγωνιστικότητας και της παραγωγικότητας, με ταυτόχρονη αύξηση του εύρους και της ποικιλίας των προϊόντων (mass customization) [4].

Μία τεχνολογία η οποία μπορεί να ενσωματωθεί στον χρονοπρογραμματισμό είναι η επαυξημένη πραγματικότητα (Augmented Reality [AR]), καθώς παρέχει τη δυνατότητα απεικόνισης μεγάλης ποικιλίας δεδομένων σε περισσότερο εύληπτη μορφή, η οποία εύκολα ελέγχεται από χρήστες οι οποίοι αλληλοεπιδρούν με το σύστημα.

O νέος αυτός τρόπος οπτικοποίησης μπορεί να προσφέρει καλύτερη γνώση της παρούσας κατάστασης και της απαιτούμενης δράσης. Επομένως παρουσιάζεται μία νέα προσέγγιση απόκτησης και προβολής δεδομένων τα οποία σχετίζονται με τον προγραμματισμό και την εποπτεία της διαδικασίας παραγωγής μέσω του AR.

Ο χρήστης έχει τη δυνατότητα να επιβλέπει και να αλληλοεπιδρά με το σύστημα παραγωγής μέσω αυτής της τεχνολογίας. Τα αποτελέσματα της έρευνας επαληθεύτηκαν στην περίπτωση ενός πραγματικού εργαστηρίου (case study).

Βασική αρχιτεκτονική λειτουργιών της εφαρμογής

Σύνθετα εργαλεία

Στην εξέλιξη του προγραμματισμού και ελέγχου της παραγωγής, οι ιδέες που συμβάλλουν στο σχεδιασμό προϊόντων και υπηρεσιών υποστηρίζονται από την ενσωμάτωση της πληροφορικής στην παραγωγή. Τα σύγχρονα ψηφιακά συστήματα παραγωγής υποστηρίζουν το σχεδιασμό και τις παραγωγικές λειτουργίες των εταιριών [5]. Η οπτικοποίηση μέσω προσομοίωσης και οι τεχνολογίες αλληλεπίδρασης και συνεργασίας έχουν χρησιμοποιηθεί ευρέως στην παραγωγή, επιτρέποντας τη δοκιμή σε συστήματα βιομηχανικού περιβάλλοντος [6].

Εταιρείες παραγωγής πολύπλοκων προϊόντων –όπως ναυτιλιακές, αεροναυπηγικές, υφαντουργικές, τροφίμων και χημικών– έχουν εφαρμόσει για περισσότερα από σαράντα χρόνια μεθόδους προσομοίωσης, σχεδιασμού και προγραμματισμού.

Στην ερευνητική εργασία των Chryssolouris G., Papakostas N. και Mourtzis D. [7] προτείνεται μία μέθοδος η οποία επικεντρώνεται στο βραχυπρόθεσμο χρονοπρογραμματισμό, με αντικείμενο την εκφόρτωση, ανάμειξη και κλασματοποίηση του ακατέργαστου πετρελαίου (crude oil) σε ένα τυπικό διυλιστήριο. Όλο και περισσότερες σύνθετες προσεγγίσεις έχουν εμφανιστεί στη βιβλιογραφία [8], αποδεικνύοντας ότι είναι ήδη σε εξέλιξη η προσέγγιση της παρακολούθησης και του ελέγχου της παραγωγής σε πραγματικό χρόνο [9].

Το 2010, ο Stark [10] και άλλοι ανέπτυξαν ένα υβριδικό περιβάλλον μοντελοποίησης με εμβύθιση (Immersion), συνδυάζοντας το σχεδιασμό με υπολογιστή (Computer-Aided Design  [CAD]) με τεχνολογία εικονικής πραγματικότητας (Virtual Reality [VR]) [10]. Το 2011 παρουσιάστηκε ένα λογισμικό σύστημα δικτύου το οποίο είχε τη δυνατότητα να δημιουργεί πρόγραμμα εργασιών για συστήματα συναρμολόγησης βασιζόμενα κυρίως στο ανθρώπινο δυναμικό, το οποίο ελέγχθηκε σε μία περίπτωση συναρμολόγησης φορτηγού [11].

Πίνακας 1: Εργαλεία κι εντολές προσφερόμενα από την εφαρμογή στο χρήστη.

Με τον τρόπο αυτό η εικονική πραγματικότητα εξελίχθηκε αρχικά σαν μέσο προβολής δεδομένων συνδεόμενων με αντίστοιχες μηχανές, τεχνίτες και μηχανικούς. Παράλληλα, τα πολλά πλεονεκτήματα της επαυξημένης πραγματικότητας σε σχέση με άλλες προσεγγίσεις και τεχνολογίες ψηφιακής παραγωγής, συνέβαλαν ώστε σε μία μόνο δεκαετία να έχει αναδειχθεί σε μέσο προσομοίωσης κι ανάπτυξης παραγωγικών διεργασιών και μεταφοράς πληροφορίας στον χειριστή πριν από τη διεξαγωγή αυτών [4].

Τόσο το υλικό (hardware) όσο και το λογισμικό (software) της τεχνολογίας AR έχουν ενσωματωθεί όλο και περισσότερο σε επιχειρησιακές λειτουργίες και τμήματα, με πολλές επιχειρήσεις να δοκιμάζουν τις δυνατότητές της AR σε διάφορα σενάρια, προσπαθώντας να μετατρέψουν το βιομηχανικό τους περιβάλλον με βάση τα τελευταία τεχνολογικά επιτεύγματα της ψηφιοποίησης. Ωστόσο η επιτυχής υλοποίηση εφαρμογών AR αποτελεί πρόκληση. Παρά την εντατική έρευνα, αρκετά προβλήματα υπολογιστικής απόδοσης, εργονομίας και πιστοποίησης εμποδίζουν την άμεση ενσωμάτωση αυτού του υλικού και λογισμικού στη διαδικασία παραγωγής [4].

Παρά τις προκλήσεις, εφαρμογές του AR έχουν εφαρμοσθεί ήδη σε πολλές παραγωγικές δραστηριότητες. Από τα πρώτα χρόνια δοκιμών αποτελούσε ιδανική λύση για την υποστήριξη διεργασιών συναρμολόγησης [12]. Επιπλέον έχουν προταθεί εφαρμογές για χειριστές γραμμών παραγωγής, όπως οι αριθμητικά ελεγχόμενες εργαλειομηχανές [13], καθώς κι άλλες εφαρμογές όπως είναι η οπτικοποίηση CAD σε πραγματική κλίμακα [14], αλλά και ο χειρισμός εικονικού ρομποτικού βραχίονα έξι βαθμών ελευθερίας με μία συσκευή αίσθησης αφής, από τον Chen κι άλλους [15].

Όσον αφορά τις συσκευές υποστήριξης συστημάτων AR, έχει διεξαχθεί έρευνα που εστιάζει στη χρήση διαφορετικών συσκευών προβολής κι αλληλοεπίδρασης, όπως είναι προτζέκτορες ή συσκευές χειρός [16]. Συσκευές προβολής οι οποίες τοποθετούνται στο κεφάλι έχουν ευρεία χρήση στο AR, διότι η εικόνα στο επίπεδο των ματιών επιτρέπει άμεση παρατήρηση, ενώ τα χέρια παραμένουν ελεύθερα [17]. Ωστόσο τέτοιες συσκευές αποβαίνουν δύσχρηστες, καθώς ενδέχεται να προκαλέσουν φυσικό αποπροσανατολισμό, με συνέπεια ημικρανίες και ζαλάδες, γεγονός το οποίο καθιστά δυσχερή τη χρήση τους στο πραγματικό βιομηχανικό περιβάλλον.

Αντικειμενικός στόχος αυτής της παράθεσης είναι η παρουσίαση του τρόπου με τον οποίο αυτή η ανερχόμενη τεχνολογία δύναται να χρησιμοποιηθεί στην οπτικοποίηση της απαραίτητης πληροφορίας. Για την εποπτεία του συστήματος παραγωγής (μηχανών, ανθρώπων, εργαλείων και υλικών) και για τον χρονοπρογραμματισμό, το περιγραφόμενο σύστημα χρησιμοποιεί δεδομένα από ψηφιακά συστήματα τα οποία είναι ήδη ενσωματωμένα στην παραγωγή, και τα προωθεί στο χειριστή με τη χρήση της πλατφόρμας AR σε ένα HMD (οθόνη που τοποθετείται στο κεφάλι).

Η εφαρμογή αυτή επιτρέπει την εποπτεία των παραμέτρων παραγωγής σε σχεδόν πραγματικό χρόνο, καθώς και την αλληλοεπίδραση με το χρονοπρόγραμμα παραγωγής, και έχει ήδη εφαρμοσθεί και επαληθευτεί σε εργαστήριο με πραγματικά δεδομένα.

Προτεινόμενη προσέγγιση

Η εφαρμογή AR τροφοδοτείται με υπάρχοντα δεδομένα παραγωγής μέσω πλατφόρμας Cloud, και στη συνέχεια τροφοδοτεί το πληροφορικό σύστημα της παραγωγής ώστε να επιτρέπει τη λήψη αποφάσεων και την αλληλεπίδραση στο σύστημα. Συγκεκριμένα υποστηρίζει:

  • Την οπτικοποίηση της κατάστασης μηχανών, ανθρώπων, εργαλείων και υλικών.
  • Την εποπτεία και τον προγραμματισμό της διαδικασίας παραγωγής.
  • Τα μέσα αλληλοεπίδρασης με το σύστημα παραγωγής
  • Τη δικτύωση μέσω κατανεμημένων υπολογιστικών δομών από το επίπεδο Shop Floor στο Cloud.

Το χρονοπρόγραμμα παραγωγής αναπαρίσταται μέσω ενός διαγράμματος Gannt (οριζόντιο ραβδόγραμμα που απεικονίζει στην ουσία τη σχέση των διαφορετικών δράσεων του έργου μέσα στο χρόνο) και μίας τρισδιάστατης απεικόνισης του χώρου εργασίας. Η δυνατότητα αλληλεπίδρασης απαιτεί αρχικά τη ρύθμιση της εφαρμογής σε σχέση με το ψηφιακό σύστημα. Τέλος, οι αλλαγές στο ψηφιακό σύστημα (Digital Twin / Simulation Model) προωθούνται και εφαρμόζονται στο πραγματικό σύστημα παραγωγής (βλέπε σχήμα 1).

Η λειτουργία τρισδιάστατης απεικόνισης επιτυγχάνεται με τη δημιουργία ξεχωριστού μοντέλου για κάθε μηχανή, το οποίο περιλαμβάνει τρισδιάστατα γραφικά και τα επιμέρους δεδομένα παραγωγής. Το διάγραμμα Gannt απεικονίζει σε διαδραστική μορφή τα δεδομένα εντολών κι αξιοποίησης των πόρων του συστήματος παραγωγής.

Ο χρήστης έχει τη δυνατότητα να συνδέσει ψηφιακά μέσα του AR με φυσικά μέρη του συστήματος, ώστε να λαμβάνει επιλεγμένες πληροφορίες προσανατολιζόμενος στο ανάλογο τμήμα του χώρου ή της παραγωγής.

Η κλίμακα της διάδρασης επιτρέπει ανακατεύθυνση συγκεκριμένων εντολών έως κι ολόκληρων διαδικασιών. Λόγω της ποικιλίας επιλογών και της προβαλλόμενης πληροφορίας, παρέχεται επιλογή προβολής επεξηγηματικού υλικού για κάθε κόμβο / διαδικασία παραγωγής.

Υλοποίηση

Η επιλογή υλικού μέσου (hardware) απαιτεί μία συσκευή η οποία να μπορεί να δεχθεί, να αξιοποιήσει / επεξεργασθεί και να προωθήσει μεγάλο όγκο δεδομένων και πληροφοριών χωρίς να περιορίζει την ελευθερία κινήσεων του χρήστη.

Επιλέχθηκε το Microsoft Hololens [18], για τους πρόσθετους λόγους της ευρείας δυνατότητας επικοινωνίας και καινοτόμων τεχνικών όπως είναι η χαρτογράφηση χώρου και η ανίχνευση χειρονομιών. Το Unity 3D [19] χρησιμοποιήθηκε στην ανάπτυξη της εφαρμογής λόγω συνδεσιμότητας και δυνατοτήτων επικοινωνίας, με το Microsoft Mixed Reality Toolkit να υποστηρίζει την ανάπτυξη και με ένα eXtensible Markup Language (ειδική γλώσσα που περιέχει ένα σύνολο κανόνων για την ηλεκτρονική κωδικοποίηση κειμένων) αρχείο να περιέχει τα δεδομένα της παραγωγής τα οποία λαμβάνει ο χρήστης. Τα δεδομένα αυτά χωρίζονται σε δύο βασικές κατηγορίες:

α) Σε δεδομένα μηχανών, στα οποία συμπεριλαμβάνονται τα εξής:

  • Ταυτότητα μηχανής
  • Τύπος μηχανής
  • Μοντέλο
  • Εταιρεία
  • Διαθεσιμότητα (Availability)
  • Μέσος χρόνος μεταξύ βλαβών (Mean Time Between Failures [MTBF])
  • Μέσος χρόνος επισκευής (Mean Time to Repair [MTTR])
  • Πραγματικός χρόνος κατεργασίας (Actual Machining Time [AMT])
  • Κατάσταση μηχανής (Use, Idle, Break, Setup, Repair κλπ.).

β) Σε δεδομένα εντολών, στα οποία συμπεριλαμβάνονται τα εξής:

  • Ταυτότητα εντολής
  • Ταυτότητα διαδικασίας
  • Ταυτότητα κομματιού
  • Απαιτούμενος τύπος μηχανής
  • Ώρα εκκίνησης
  • Διάρκεια εντολής
  • Ταυτότητα μηχανής που ανέλαβε την εντολή.

Η κατάσταση μιας μηχανής απεικονίζεται με χρωματικό κώδικα (Color Coding) στο τρισδιάστατο μοντέλο, όπου το μπλε υποδεικνύει αδράνεια (Idle), το πορτοκαλί σημαίνει κατεργασία (Process) και το κόκκινο σημαίνει βλάβη (Break).

Αντίστοιχος χρωματικός κώδικας χρησιμοποιείται και στο διάγραμμα Gannt, όπου το μπλε σημαίνει αναμονή της εντολής (Order Wait), το πορτοκαλί εντολή υπό εκτέλεση (Order in Process) και το κόκκινο ολοκληρωμένη εντολή (Order Completed). Ένα τυχαία ανατιθέμενο χρώμα αντιστοιχεί στην εντολή για το κομμάτι που την αφορά.

Πίνακας 2: Δεδομένα που παρέχονταν στο χρήστη για το σύστημα

 

Δικλίδες ασφαλείας

Για την αποφυγή μη αποδεκτών αλλαγών έχουν τεθεί δικλίδες ασφαλείας. Αρχικά πραγματοποιείται ένας έλεγχος τεσσάρων σημείων, με τον οποίο διερευνάται:

  • Η καταλληλότητα του τύπου της μηχανής για την εντολή.
  • Η διαθεσιμότητα της μηχανής στο χρονικό πλαίσιο.
  • Η επάρκεια του χρόνου για την εκτέλεση της εντολής.
  • Η τήρηση της ακολουθίας διεργασιών του προϊόντος.

Επιπλέον, κάθε αλλαγή η οποία πραγματοποιείται μέσω του τρισδιάστατου μοντέλου ή του διαγράμματος Gannt αλλάζει και την αντιστοίχιση κωδικοποίηση, ώστε να έχει ο χρήστης ολοκληρωμένη εικόνα σε συνδυασμό με την πρόβλεψη επίδρασης των αλλαγών.

Μελέτη περίπτωσης

Η πρόταση εφαρμόστηκε σε ένα πραγματικό σύστημα παραγωγής, το οποίο περιείχε τρία συνεργατικά ρομπότ, δύο πανομοιότυπα βιομηχανικού τύπου κι ένα αυτόματο κατευθυνόμενο όχημα (Automated Guided Vehicle [AGV]). Σε αυτό το σύστημα εκτελούνταν μία διαδικασία συναρμολόγησης με δύο εντολές, μία τοποθέτηση κομματιού κι ένα βίδωμα. Οι τύποι των δεδομένων που παρέχονταν στο χρήστη φαίνονται στον πίνακα 2.

Ο χρήστης έλεγξε τη σωστή προβολή του συστήματος, την αλληλεπίδραση με πραγματικά μέρη του και τη λειτουργία σωστών αλλά και λανθασμένων αλλαγών. Το σύστημα αναγνώρισε όλα τα λάθη κι ενημέρωσε το χρήστη τόσο πριν όσο και κατά την εκτέλεσή τους. Μία τυπική εικόνα του πεδίου οράσεως του χρήστη με επεξήγηση για τη λειτουργία των κουμπιών απεικονίζεται στο σχήμα 2.

Απεικόνιση του πεδίου οράσεως του χρήστη

Συμπέρασμα

Παρότι η εφαρμογή AR για εποπτεία κι έλεγχο παραγωγής ήταν επιτυχής, περισσότερο πολύπλοκα συστήματα απαιτούν όγκο δεδομένων και υπολογιστική ισχύ πέρα των δυνατοτήτων του AR. Ωστόσο, λόγω της χρηστικότητας του εργαλείου, πολλές βιομηχανίες το αξιοποιούν ώστε να ετοιμάσουν το έδαφος χρήσης του όταν θα αυξηθούν οι τυπικές του δυνατότητες.

* Ο κ. Δημήτρης Μούρτζης είναι καθηγητής και διευθυντής του Εργαστηρίου Συστημάτων Παραγωγής και Αυτοματισμού του Τμήματος Μηχανολόγων και Αεροναυπηγών Μηχανικών στο Πανεπιστήμιο Πατρών. O κ. Δημήτρης Τσάκαλος είναι μηχανολόγος μηχανικός και μέλος του Εργαστηρίου Συστημάτων Παραγωγής και Αυτοματισμού του Τμήματος Μηχανολόγων και Αεροναυπηγών Μηχανικών στο Πανεπιστήμιο Πατρών.

Βιβλιογραφία

[1]      Mourtzis D, Doukas M. The evolution of manufacturing systems: From craftsmanship to the era of customisation. In Handbook of research on design and management of lean production systems, IGI Global; 2014: 1-29.

[2]      Pinedo ML. Scheduling: theory, algorithms, and systems, Springer; 2016

[3]      Snatkin A, Karjust K, Majak J, Aruvali T, Eiskop, T. Real time production monitoring system in SME/Reaalajas toimiv tootmise seiresusteem. Estonian Journal of Engineering 2013; 19(1): 62-76.

[4]      Nee AY, Ong SK, Chryssolouris G, Mourtzis D. Augmented reality applications in design and manufacturing. CIRP Annals-manufacturing technology 2012; 61(2): 657-679.

[5]      Mourtzis D, Papakostas N, Mavrikios D, Makris S, Alexopoulos K. The role of simulation in digital manufacturing: applications and outlook. International journal of computer integrated manufacturing 2015; 28(1):3-24.

[6]      Mourtzis D, Doukas M, Bernidaki D. Simulation in manufacturing: Review and challenges. Procedia CIRP 2014; 25: pp.213-229.

[7]      Chryssolouris G, Papakostas N, Mourtzis D. Refinery short-term scheduling with tank farm, inventory and distillation management: An integrated simulation-based approach. European Journal of Operational Research. 2005 Nov 1;166(3):812-27.

[8]      Mourtzis D. An Approach to Planning of Food Industry Manufacturing Operations: A Case Study, CIRP Journal of Manufacturing Systems 2006; 35(6): 551–561.

[9]      Monostori L, Kádár Β, Pfeiffer Α, Karnok D. Solution Approaches to Real-time Control of Customised Mass Production, CIRP Annals – Manufacturing Technology 2007;56 (1): 431–434.

[10]   Stark R, Israel JH, Wöhler T. Towards hybrid modelling environments—Merging desktop-CAD and virtual reality-technologies. CIRP Annals 2010;59(1): 179-182.

[11]   Michalos G, Makris S, Mourtzis D. An Intelligent Search Algorithm Based Method to Derive Assembly Line Design Alternatives, International Journal of Computer Integrated Manufacturing 2011; 25(3): 211–229.

[12]   Salonen T, Sääski J, Hakkarainen M, Kannetis T, Perakakis M, Siltanen S, Potamianos A, Korkalo O, Woodward C. Demonstration of Assembly Work Using Augmented Reality.” In Proceedings of the 6th ACM International Conference on Image and Video Retrieval, Amsterdam, New York: ACM Press 2007;120–123.

[13]   Mourtzis D, Zogopoulos V, Katagis I, Lagios P. Augmented Reality based Visualization of CAM Instructions towards Industry 4.0 paradigm: a CNC Bending Machine case study. Procedia CIRP 2018; 70: 368-373.

[14]   Ng LX, Oon SW, Ong SK, Nee AY. GARDE: a gesture-based augmented reality design evaluation system. International Journal on Interactive Design and Manufacturing (IJIDeM) 2011; 5(2): 85.

[15]   Chen CJ, Ong SK, Nee AYC, Zhou YQ. Haptic-based interactive path planning for a virtual robot arm. International Journal on Interactive Design and Manufacturing (IJIDeM), 2010;4(2): 113-123.

[16]   Mourtzis D, Doukas M, Vandera C. Mobile apps for product customisation and design of manufacturing networks. Manufacturing Letters 2014; 2(2):30-34.

[17]   Ong SK, Yuan, ML, Nee AYC. Augmented reality applications in manufacturing: a survey. International journal of production research, 2008;46(10): 2707-2742.

[18]   Microsoft HoloLens Development Edition

[19]   Unity 3D, Unity Technologies

ΣΧΕΤΙΚΑ ΑΡΘΡΑ