Proces optimalizace s využitím velkých dat a umělé inteligence
Optimalizace procesů a pracovních postupů v ručním skladu má mnoho možností využití. Tradiční metody zahrnují mapování toku hodnot, mapování procesů, celkové řízení kvality, LEAN, Kaizen, Six Sigma a 5S/5A. Nicméně v návaznosti na digitalizaci se postupně stále více uplatňují nové metody, jako například digitální mapování hodnotových toků, process mining nebo motion mining. Prostřednictvím těchto aplikací může být digitálně zachyceno velké objem dat, což znamená, že už je nelze dále posuzovat a analyzovat manuálně tradičními metodami. Umělá inteligence dokáže tuto problematickou úlohu vyřešit. Na základě analýzy velkého objemu dat mohou být v datech identifikovány a zjištěny jednotlivé struktury a souvislosti, které dávají kromě osob odpovědných za provoz také plánovačům řadu cílených možností, jak postupovat při optimalizaci procesů.
Umělá inteligence
Podle Britannicy je umělá inteligence (AI) "schopnost počítače nebo robota řízeného počítačem vykonávat úkoly, které obvykle vykonávají lidé, protože vyžadují lidskou inteligenci a rozlišovací schopnosti". Umělá inteligence již vstoupila do nesčetných průmyslových, technických a sociálních oblastí. Neustále roste počet dílčích oborů umělé inteligence, mezi které nyní patří: roboti, prediktivní údržba, dolování dat, dolování procesů, neuronové sítě, strojové učení, hluboké učení a mnoho dalších. Nejnadějnějším řešením v oblasti umělé inteligence i v případě strojového učení je v současnosti hloubkové učení s využitím neuronových sítí.
Britannica při dalším vysvětlování uvádí, že "umělá inteligence a strojové učení nejsou totéž, ale úzce spolu souvisejí. Strojové učení je metoda, jak naučit počítač učit se ze vstupů, ale bez explicitního programování pro každou okolnost. Strojové učení pomáhá počítači dosáhnout umělé inteligence".
Aplikace umělé inteligence a jejich možností využití
Uplatnění aplikací umělé inteligence, jako například zmíněného process miningu a motion miningu, je možné téměř ve všech oblastech intralogistiky. Mezi příklady patří doprava uvnitř závodu (vysokozdvižné vozíky a jiné průmyslové vozíky, stejně jako kontinuální dopravníky), analyzování procesů s příslušnými daty o výkonnosti a kvalitě a analyzování pohybu při kompletaci a balicí technice.
Druhým zásadním hlediskem, které doplňuje odhalování chyb v kvalitě a "plýtvání", je lepší ergonomický návrh pracovních procesů. Pro tento záměr se většinou sestavuje virtuální model skladu neboli digitální dvojče. Za pomoci tohoto "digitálního dvojčete" mohou být provedeny specializované simulace skladových pracovních postupů a procesů za účelem optimalizace skladových prostor.
Co znamená process mining?
Process mining je propojením pojmů "process management" a "data mining". Poskytuje možnost analyzovat podnikové procesy a fungování skladů a odhalit případné možnosti jejich zlepšení. Algoritmy dolování dat se uplatňují při analýze značných objemů dat (které se často nazývají "big data") a hledání určitých pravidel. To znamená, že skutečné procesy se zkoumají podle informací z logů událostí z IT systémů pomocí algoritmů. Postupy, které mohou být v podniku analyzovány a poté optimalizovány prostřednictvím process miningu, zahrnují výrobu, dodavatelský řetězec a prodej.
Existují tři typy technik process miningu: Discovery, Conformance a Enhancement. Discovery spočívá v rozboru a identifikaci procesů a vzniku digitálních modelů procesů. Conformance slouží k posouzení shody stávajících modelů procesů s aktuálními daty. Jednoduše řečeno, existující procesové modely se potvrzují a porovnávají s novými daty. Závěrem je zdokonalování, které slouží k rozšíření existujících procesních modelů.
Procesní dolování je na odlišné od běžných metod analýzy procesů holistické. Zahrnuje tedy provázanosti a závislosti všech podnikových a skladovacích procesů - procesy jsou tedy zastoupeny v celé své komplexnosti. Process mining se od klasických technik tvorby procesních modelů vyznačuje vysokou mírou automatizace. Technologické toky, náklady a doby průchodnosti mohou být detailně a srozumitelně znázorněny prostřednictvím řady vizualizačních funkcí. To přináší výhodu umožňující operativně a účelně pracovat se změnami a předcházet případným problémům, které mohou v budoucnu nastat. Prostřednictvím vytěžování procesů jsou také zřetelné příčiny problémů a odchylek. Aby společnosti zůstaly konkurenceschopné, musí své procesy pružně a efektivně znovu a znovu adaptovat, a to nikdy více než v digitální éře Průmyslu 4.0 a Logistiky 4.0. Process miningem získává společnost představu o fungování svých podnikových procesů a může odhalit případný prostor pro jejich zlepšení. Process mining se pokládá za technologii nezbytnou při vytváření digitálního dvojčete skladu nebo celého podniku.
Process mining je propojením pojmů "process management" a "data mining". Poskytuje možnost analyzovat podnikové procesy a fungování skladů a odhalit případné možnosti jejich zlepšení. Algoritmy dolování dat se uplatňují při analýze značných objemů dat (které se často nazývají "big data") a hledání určitých pravidel. To znamená, že skutečné procesy se zkoumají podle informací z logů událostí z IT systémů pomocí algoritmů. Postupy, které mohou být v podniku analyzovány a poté optimalizovány prostřednictvím process miningu, zahrnují výrobu, dodavatelský řetězec a prodej.
Využití motion mining ve skladu
Motion mining technologiemi můžete automaticky, efektivně a anonymně shromažďovat data a optimalizovat procesy manuální práce z ohledem na jejich ergonomii a účinnost, a to v celé řadě aplikací. Patří mezi ně logistika a dodavatelské řetězce i intralogistika. Za účelem zaznamenávání dat mohou být pracovníci skladu vybaveni nositelnými technologiemi, jako jsou mobilní senzory, na zápěstí a opasky. Zásluhou integrovaných senzorů mohou být zaznamenávány a přesně detekovány pohyby při provádění jednotlivých pracovních úkonů. Nositelná zařízení umožňují komfortně a bez překážek vykonávat všechny pracovní procesy.
Pro potřeby přesnějších analýz součinnosti člověka s technikou lze speciálními senzory opatřit dodatečně i zařízení, jako jsou dopravní prostředky nebo vysokozdvižné vozíky. Použitím kompaktních rádiových vysílačů s integrovaným zdrojem energie, často označovaných jako "majáky", mohou být zaměstnanci a činnosti lokalizováni. Nespornou předností majáků zůstává, že mohou být snadno a rychle instalovány v příslušných technologických prostorech. Odpovídající měřicí zařízení zachytí rádiové signály vysílačů a umožní tak zjistit momentální polohu, podobně jako GPS. Na základě toho, že se veškeré měřené údaje (údaje o aktivitách a lokalitě) shromažďují bez ohledu na zaměstnance, není dotčena působnost nařízení GDPR.
Enormní objem získaných dat analyzuje automaticky umělá inteligence. K přiřazení aktivit a jednotlivých kroků procesu dochází na základě zvlášť vytvořeného procesu rozeznávání vzorů, který je založen na hlubokém učení (deep learning). Tento proces funguje tak, že AI autonomně identifikuje různé druhy pracovních postupů nebo složek procesu, jako je čekací doba, doba jízdy nebo doba manipulace. Vestavěný katalog pro rozpoznávání zahrnuje mnoho různých aktivit a podle potřeby jej můžete rozšiřovat o nové druhy činností.
V rámci ergonomických analýz se můžete zaměřit na analyzování procesů ohýbání, práci nad hlavou nebo vzdálenosti mezi jednotlivými pracovními místy. Sledování těchto aktivit a zavedení následných opatření by mohlo pomoci předcházet úrazům či nemocem z povolání. Výsledky analýz mohou být prezentovány jako tzv. klíčová čísla nebo v řadě formátů, například v podobě koláčových a sloupcových grafů, boxplotů a tepelných map. Dále lze zpracovávat i statistiky za stanovené časové období a vyčíslovat tak náklady nebo jejich kolísání. Při propojení s daty ze systému řízení skladu (WMS) můžete také sestavit vazbu na konkrétní program výroby. Z obecného hlediska umožňuje motion mining efektivně řídit pracovní procesy (ergonomii a efektivitu), shromažďovat relevantní data, provést měření bez nutnosti propojování s IT, zabezpečit ochranu anonymity dat a ušetřit čas a náklady.
Jak Vám můžeme pomoci?
Pokud se chcete dozvědět více, kontaktujte nás prostřednictvím kontaktního formuláře, e-mailu nebo telefonicky.