Először személyesen felkeressük a gyárat, ahol a helyi szakemberekkel bejárjuk a helyszínt és részletesen felmérjük a jelenlegi termelésvezérlési eszközöket és IT infrastruktúrát. Ez kb. 1-4 munkanapot vesz igénybe, a gyár méretétől és az automatizálási rendszer bonyolultságától függően.
Ezután elbeszélgetünk az érintett üzleti és termelési vezetőkkel, az igényeikről és a lehetőségekről. Ez a beszélgetés történhet személyesen vagy online is, és kb. 1-1.5 órát vesz igénybe személyenként.
A felmérés alapján elkészítjük a megvalósíthatósági tanulmányt, amelynek részei:
- A létrehozni kívánt rendszer teljes műszaki terve
- A szükséges hardver-, szoftver és infrastruktúra-elemek árának, valamint a munkadíjnak a kalkulációja
- A rendszer teljes árának és a segítségével elérhető várt kiadáscsökkenésnek az összevetése
- A lehetséges kockázatok felsorolása
Ügyfelünkkel együtt kiválasztunk egy rövidebb lélegzetű (max. 4 hónapig tartó), egyértelműen meghatározott és jól leellenőrizhető célú rész-projektet, és megvalósítjuk.
Ezt a projektet ügyfelünk finanszírozza, de a felelősség-megosztás miatt a díja a normál piaci árnál jelentősen (20-25%) alacsonyabb.
A megfelelő időtartamú tesztelési szakasz után ügyfelünkkel együtt helyzetelemzést végzünk, amelynek során kiderítjük, hogy a projekt megfelel-e az előzetes elvárásoknak.
Ha igen, akkor elkezdődhet a gyár-szintű megvalósítás.
A már meglévő terveknek megfelelően elkészítjük a rendszert, amely az alábbi elemeket tartalmazza:
- Egyesített adatgyűjtő rendszer
- Big Data adattárház
- Helyi operátori kijelzők a számukra szükséges adatok megjelenítésére
- Analitikai eszközök a gyártást felügyelő mérnökök számára
- Összekötő modulok, amelyek a rendszert az üzleti adatokat tartalmazó tárházhoz (üzleti intelligencia és vállalatirányítási rendszerekhez) illeszti
Ezután kezdődik a tanítási folyamat, amely során a hibás mintázatokat összepárosítjuk a ténylegesen bekövetkezett meghibásodásokkal illetve rendellenességekkel. Az öntanuló rendszer ezután elkészít egy algoritmust, amely a jövőbeni adatfolyamban is megtalálja ugyanezeket a hibás mintázatokat és előre tudja jelezni a téves működést.
Ezután létrehozunk egy helyi felhő-szervert, amelyen ez az előrejelző program fut. A program folyamatosan megkapja az aktuális adatokat az adattárházból, és riaszt, ha hibás mintázatú működést érzékel.