Τα βιομηχανικά συστήματα παραγωγής διανύουν την Τέταρτη Βιομηχανική Επανάσταση, η οποία χαρακτηρίζεται από τη χρήση ψηφιακών τεχνολογιών με σκοπό την ενίσχυση του αυτοματισμού και την αύξηση της αποδοτικότητας. Ωστόσο, το βιομηχανικό τοπίο έχει ήδη αρχίσει να μετατοπίζεται προς την Πέμπτη Βιομηχανική Επανάσταση, που στηρίζεται στους πυλώνες της ανθρωποκεντρικής, βιώσιμης και ανθεκτικής παραγωγής.
Γράφουν οι κ. Δημήτρης Μούρτζης και Δημήτρης Τσάκαλος*
Η μετάβαση στη 5η Βιομηχανική Επανάσταση μετασχηματίζει το πλαίσιο εφαρμογής των νέων τεχνολογιών στην παραγωγή, προσφέροντας νέες λειτουργίες στις υπάρχουσες τεχνολογίες. Μεταξύ των τεχνολογιών αυτών περιλαμβάνονται σε μεγάλο βαθμό βασικές τεχνολογίες αιχμής (Key Enabling Technologies, KETs) του Βιομηχανικού Metaverse (Industrial Metaverse), μίας ολοκληρωμένης πλατφόρμας αλληλεπίδρασης συστημάτων παραγωγής τόσο στον πραγματικό όσο και στον ψηφιακό κόσμο [2], όπως είναι τα Ψηφιακά Δίδυμα (Digital Twins, DTs) και το Διαδίκτυο των Πραγμάτων (Internet of Things, IoT).
Μεταξύ αυτών, αλγόριθμοι τεχνητής νοημοσύνης (Artificial Intelligence, AI) εφαρμόζονται πλέον τόσο με σκοπό τη μείωση του κόστους όσο και την καλύτερη πρόβλεψη εξωτερικών διαταραχών και της προσαρμοστικότητας του συστήματος σε αυτές, ενισχύοντας την ανθεκτικότητα.
Παράλληλα, τεχνολογίες εκτεταμένης πραγματικότητας (Extended Reality, XR), και ιδίως επαυξημένης πραγματικότητας (Augmented Reality, AR), επιτρέπουν την υποστήριξη του εργαζομένου με δεδομένα και πληροφορία σε πραγματικό χρόνο, ενισχύοντας το ρόλο του ανθρώπου και τον ανθρωποκεντρικό χαρακτήρα της παραγωγής. Τέλος, δίκτυα επόμενης γενιάς 5G επιτρέπουν την ταχεία και αξιόπιστη πρόσβαση σε υπηρεσίες υπολογιστικής νέφους (Cloud Computing), υποστηρίζοντας τον καταμερισμό των πόρων της παραγωγής βασισμένο στις ανάγκες του εκάστοτε συστήματος και εργασίας, στηρίζοντας έτσι τη συνολική βιωσιμότητα του συστήματος [3].
Παρακάτω αναλύεται η αξιοποίηση των προηγμένων αυτών τεχνολογιών στην παραγωγή, προσφέροντας έτσι δείγματα των δυνατοτήτων τις οποίες προσφέρουν.
Βελτιστοποίηση προγραμματισμού παραγωγής μέσω ΤΝ
Ένας αλγόριθμος ευφυούς αναζήτησης (Intelligent Search Algorithm, ISA) χρησιμοποιείται στη βελτιστοποίηση προγραμματισμού παραγωγής των εξαρτημάτων του μπράτσου ενός καθίσματος αυτοκινήτου σε διαφορετικά σημεία, τα οποία περιλαμβάνουν εργοστάσια του παραγωγού, προμηθευτές, και κατασκευαστές πρωτότυπου εξοπλισμού [4].
Η λειτουργία του αλγορίθμου παρουσιάζεται στην εικόνα 1, όπου DH είναι ο ορίζοντας αποφάσεων, δηλαδή το βάθος αναζήτησης, SNA o επιλεγμένος αριθμός εναλλακτικών, δηλαδή ο αριθμός των περιπτώσεων οι οποίες ελέγχονται, και SR ο ρυθμός δειγματοληψίας, δηλαδή ο ρυθμός καταγραφής των δεδομένων. Τα δεδομένα αυτά περιλαμβάνουν χρόνους προετοιμασίας και κατεργασίας, κατανάλωση ενέργειας, και την ποιότητα του παραγόμενου εξαρτήματος.
Διάγραμμα ροής αλγορίθμου ευφυούς αναζήτησης
Οι τοποθεσίες των εναλλακτικών σημείων της παραγωγής χαρτογραφούνται μέσω δορυφόρου και οι συντεταγμένες τους παρέχονται επίσης ως δεδομένα στον αλγόριθμο. Τέλος, ο κατάλογος υλικών, τόσο του τυπικού μπράτσου όσο και των εξατομικευμένων εκδόσεών του, ο οποίος απεικονίζεται στην εικόνα 2, παρέχεται στον αλγόριθμο σε συνδυασμό με τα δεδομένα του κάθε εξαρτήματος.
Σκοπός της βελτιστοποίησης είναι η μείωση του κόστους και της κατανάλωσης ενέργειας, καθώς και η βελτίωση της ποιότητας. Ο ευφυής αλγόριθμος παρουσίασε καλύτερες τιμές σε κάθε βασικό δείκτη απόδοσης (Key Performance Indicator [KPI]) σε σχέση με παραδοσιακές μεθόδους, με εξαίρεση τη διαδικασία εξέτασης κάθε πιθανής εναλλακτικής. Η συγκεκριμένη διαδικασία παραμένει περισσότερο αξιόπιστη και αποτελεσματική· ωστόσο ο απαιτούμενος υπολογιστικός χρόνος επιτρέπει την εφαρμογή της μόνο σε περιορισμένα προβλήματα, ενώ την απαγορεύει σε γενικευμένη παραγωγή.
Εξαρτήματα και διεργασίες συναρμολόγησης μπράτσου καθίσματος αυτοκινήτου
Προγραμματισμός συντήρησης με επαυξημένη πραγματικότητα
Σύστημα επαυξημένης πραγματικότητας χρησιμοποιείται στην υποστήριξη του χρονοπρογραμματισμού των εργασιών συντήρησης μίας τριαξονικής εργαλειομηχανής υπολογιστικού αριθμητικού ελέγχου (Computer Numerical Crontrol [CNC]) τύπου XYZ SMX SLV.
Ενώ αρχικά οι εργασίες συντήρησης προγραμματίζονταν ως αντίδραση σε βλάβες της εργαλειομηχανής και απαιτούσαν την κλήση και άφιξη του τεχνικού συντήρησης, δοκιμάστηκε η άμεση παροχή πληροφορίας βασισμένη στα δεδομένα ενός δικτύου αισθητήρων στον εργαζόμενο βάρδιας μέσω ενός συστήματος επαυξημένης πραγματικότητας, με σκοπό τη μείωση του απρογραμμάτιστου χρόνου διακοπής λειτουργίας της εργαλειομηχανής και συνεπώς του αντίστοιχου κόστους.
Η διαδικασία, η οποία περιγράφεται αναλυτικά στην εικόνα 3, οδήγησε σε μείωση του χαμένου χρόνου κατά 25% αμέσως μετά την πρώτη εφαρμογή. Στη διαδικασία χρησιμοποιήθηκαν εργαλεία όπως συσκευές συλλογής δεδομένων (data acquisition devices), το DIGI XBee ZigBee RF που βασίζεται στην τυποποίηση IEEE 802.15.4, αναλυτικές ιεραρχικές διαδικασίες (Analytical Hierarchy Process), και η θεωρία Dempster-Shafer.
Το περιβάλλον επαυξημένης πραγματικότητας αναπτύχθηκε μέσω των εφαρμογών Unity και Vuforia, ενώ η φορητή εφαρμογή βασίζεται στο λειτουργικό σύστημα Android [5].
Διαδικασία χρονοπρογραμματισμού συντήρησης εργαλειομηχανών
Υπολογιστική νέφους στην έξυπνη παραγωγή
Οι βασικές απαιτήσεις και προκλήσεις ενός συστήματος παραγωγής βασισμένου στην υπολογιστική νέφους μπορούν να συνοψιστούν στην υποστήριξη της ανάλυσης συνόλων μεγάλων δεδομένων (Big Data Sets), στην παράλληλη λειτουργία σε πραγματικό χρόνο, στη δυνατότητα παραμετροποίησης και ευελιξίας, στην ασφάλεια, στα κυβερνοφυσικά συστήματα (Cyber-Physical Systems [CPSs]), στην κοινωνική αλληλεπίδραση, καθώς και στην ποιότητα υπηρεσιών (Quality of Service [QoS]). Οι απαιτήσεις αυτές καθοδηγούν την ανάπτυξη νέων αρχιτεκτονικών συστημάτων παραγωγής βασισμένων στην υπολογιστική νέφους.
Οι μεγάλες και μεσαίες μεταποιητικές επιχειρήσεις, ακολουθώντας τις τεχνολογικές τάσεις της δεκαετίας του 2020, απαιτούν μια νέα αρχιτεκτονική νέφους, ικανή να διαχειρίζεται σύνολα μεγάλων δεδομένων, να υποστηρίζει παράλληλες λειτουργίες σε πραγματικό χρόνο, καθώς και να λαμβάνει υπόψη την κοινωνική αλληλεπίδραση. Με βάση αυτές τις απαιτήσεις, παρουσιάζεται ένα πλαίσιο συστημάτων παραγωγής βασισμένων στην υπολογιστική νέφους, το οποίο αποτελείται από ένα σύνολο βασικών τεχνολογιών απαραίτητων στην εφαρμογή του.
Η τεχνολογία νέφους αποτελεί κρίσιμο χαρακτηριστικό υποστήριξης της δυναμικής παραμετροποίησης των παρεχόμενων υπηρεσιών των επιχειρήσεων, ώστε να ανταποκρίνονται σε διαφορετικές συνθήκες. Τα κυβερνοφυσικά συστήματα αποτελούν ένα ακόμη βασικό χαρακτηριστικό της εννοιολογικής αρχιτεκτονικής, καθώς είναι ικανά να επεξεργάζονται μεγάλες ποσότητες δεδομένων και να εκτελούν λειτουργίες σε πραγματικό χρόνο. Επιπλέον, ο συνδυασμός τεχνολογιών νέφους και κυβερνοφυσικών συστημάτων οδηγεί σε ασφαλέστερο σχεδιασμό με υψηλότερη ποιότητα υπηρεσιών [6].
Παράλληλα, η κοινωνική αλληλεπίδραση και η ανάλυση ανατροφοδότησης μπορούν να επιτευχθούν γρήγορα και αποτελεσματικά, καθώς τα κυβερνοφυσικά συστήματα διαχειρίζονται τα κοινωνικά δεδομένα και η τεχνολογία νέφους επιτρέπει την απρόσκοπτη πρόσβαση στα δεδομένα.
Η χρήση των μέσων κοινωνικής δικτύωσης μπορεί να ενισχύσει την επικοινωνία μεταξύ διαφορετικών συστημάτων, οδηγώντας σε περισσότερο ενεργούς και ενημερωμένους καταναλωτές και βιομηχανίες. Συγκεκριμένα, οι σύγχρονες βιομηχανικές γραμμές παραγωγής, ενσωματώνοντας τη νέα εννοιολογική αρχιτεκτονική, θα εισαγάγουν μια νέα κοινή ροή πληροφοριών.
Τα ευφυή δίκτυα αισθητήρων (Smart Sensor Networks [SSN]), σε συνδυασμό με την προσομοίωση σε πραγματικό χρόνο, θα εισαγάγουν μια νέα γενιά κυβερνοφυσικών συστημάτων, τα οποία θα επιτρέπουν γρήγορη και ακριβή ροή πληροφοριών, παρέχοντας ανατροφοδότηση τόσο σε άλλα συστήματα όσο και στους τελικούς χρήστες.
Τέλος, το περιβάλλον υπολογιστικής νέφους, σε συνδυασμό με τα κυβερνοφυσικά συστήματα, θα εισαγάγει έναν νέο τρόπο παραγωγής [7]. Μία ενιαία αρχιτεκτονική, η οποία καλύπτει όλες τις παραπάνω ανάγκες, παρουσιάζεται στην εικόνα 4.
Αρχιτεκτονική εφαρμογής τεχνολογιών υπολογιστικής νέφους στην παραγωγή
Χρονοπρογραμματισμός παραγωγής μέσω δικτύων 5G
Τα δίκτυα 5G παρέχουν υψηλές ταχύτητες δικτύου, ενώ η χρονοκαθυστέρησή τους περιορίζεται στην τάξη του 0.1-0.2ms. Τα δίκτυα 5G δεν αποτελούν αυτόνομη τεχνολογία υποστήριξης της παραγωγής. Αντιθέτως συνεργάζονται με άλλες τεχνολογίες αιχμής, όπως είναι η εκτεταμένη πραγματικότητα, το διαδίκτυο των πραγμάτων, και η υπολογιστική νέφους, υποστηρίζοντας συνδεσιμότητα σε πραγματικό χρόνο.
Παράδειγμα της υποστήριξης αυτής αποτελούν οι εργασίες συντήρησης, καθώς οι σύγχρονες μηχανές γίνονται ολοένα και πολυπλοκότερες, και η συντήρηση πρέπει να πραγματοποιείται από έμπειρο και κατάλληλα εκπαιδευμένο προσωπικό, ενώ η υποστήριξη από το εξωτερικό παραμένει συχνά χρονοβόρα και δαπανηρή.
Παρά την υποστήριξη της επαυξημένης πραγματικότητας στην ανάπτυξη ισχυρών εργαλείων υποστήριξης συντήρησης, οι εφαρμογές περιορίζονται ακόμη στην παροχή προκαθορισμένων σεναρίων που καλύπτουν μόνο περιορισμένο αριθμό περιπτώσεων.
Η αντιμετώπιση αυτής της αναδυόμενης πρόκλησης πραγματοποιείται μέσω του σχεδιασμού και της ανάπτυξης ενός πλαισίου υποστήριξης απομακρυσμένων εργασιών συντήρησης και επισκευής βασισμένου στην επαυξημένη πραγματικότητα.
Αυτό επιτυγχάνεται με τη δημιουργία κατάλληλων διαύλων επικοινωνίας μεταξύ τεχνικών του χώρου παραγωγής και εξειδικευμένων μηχανικών, οι οποίοι αξιοποιούν ανατροφοδότηση σε πραγματικό χρόνο από το οπτικό πεδίο του χειριστή. Το πλαίσιο δοκιμάστηκε τόσο σε εργαστηριακό περιβάλλον μηχανουργείου όσο και σε πραγματικές βιομηχανικές συνθήκες. Το προτεινόμενο πλαίσιο παρουσιάζεται στην εικόνα 5, όπου τα πρόσθετα επίπεδα και η υποδομή δικτύου 5G επισημαίνονται με πράσινο χρώμα.
Πλαίσιο εφαρμογής των δικτύων 5G στην υποστήριξη των διαδικασιών της παραγωγής
Συμπεράσματα και προοπτικές
Στο άρθρο αυτό παρουσιάστηκαν τέσσερα πλαίσια και περιπτώσεις εφαρμογής νέων τεχνολογιών στην παραγωγή. Αποδεικνύεται γενικά ότι οι τεχνολογίες της Βιομηχανίας 5.0 υποστηρίζουν τους βασικούς πυλώνες της ανθρωποκεντρικής, βιώσιμης, και ανθεκτικής παραγωγής.
Οι τεχνολογίες αυτές δεν εφαρμόζονται αποτελεσματικά μεμονωμένα. Αντιθέτως, απαιτείται συνδυασμός και αξιοποίηση των πλεονεκτημάτων της κάθε τεχνολογίας, ώστε να παρέχεται το μέγιστο όφελος στο σύστημα. Η επιτυχημένη εφαρμογή των τεχνολογιών αυτών μπορεί να οδηγήσει μελλοντικά στο πλαίσιο του Βιομηχανικού Metaverse και της απρόσκοπτης επικοινωνίας μεταξύ φυσικού και ψηφιακού κόσμου.
Βιβλιογραφία
[1] Mourtzis D, Introduction. Manufacturing from Industry 4.0 to Industry 5.0 – Advances and Applications, Elsevier, 2024. [2] Tsakalos D, Krimpas GA, Mourtzis D, Industrial Metaverse challenges, opportunities, and the impact on sustainability, Digital Twin, https://doi.org/10.1080/27525783.2025.2600190. [3] Leng J, Sha W, et al., Industry 5.0: Prospect and retrospect, Journal of Manufacturing Systems 65, 2020, https://doi.org/10.1016/j.jmsy.2022.09.017. [4] Mourtzis D, Doukas M, On the configuration of supply chains for assemble-to-order products: Case studies from the automotive and the CNC machine building sectors, Robotic sand Computer-Integrated Manufacturing 36, 2015, http://dx.doi.org/10.1016/j.rcim.2015.02.009. [5] Mourtzis D, Vlachou E, Zogopoulos V, Xanthi F, Integrated Production and Maintenance Scheduling Through Machine Monitoring and Augmented Reality: An Industry 4.0 Approach, IFIP International Federation for Information Processing 2017, https://doi.org/10.1007/978-3-319-66923-6_42. [6] Simmon, E., Kyoung-Sook, K., Subrahmanian, E., Lee, R.,Vaulx, F., Murakami, Y., Zettsu, K., Sriram, R.D., A vision of Cyber-Physical Cloud Computing for Smart Networked Systems, NIST, 2013, Available from: http://www2.nict.go.jp/univ- com/isp/doc/NIST.IR.7951.pdf. [7] Mourtzis D, Schoinochronitis B, Vlachou E, A new era of web collaboration: Cloud Computing and its applications in manufacturing, International Working Conference “Total Quality Management – Advanced and Intelligent Approaches”, 2015, Belgrade, Serbia. [8] Mourtzis D, Angelopoulos J, Panopoulos N, Smart Manufacturing and Tactile Internet Based on 5G in Industry 4.0: Challenges, Applications and New Trends, Electronics 10, 2021, https://doi.org/10.3390/electronics10243175.
*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.
