Институт статистических исследований и экономики знаний НИУ ВШЭ с помощью системы интеллектуального анализа больших данных iFORA выявил наиболее значимые кластеры технологий, которые улучшают работу станкостроения — системообразующей отрасли промышленности, обеспечивающей средствами производства все остальные.
В контексте общей для ведущих экономик установки на формирование технологического суверенитета одним из важнейших национальных приоритетов становится организация производства критически важной продукции станкостроения и его ускоренная модернизация. Мировая повестка цифровой трансформации этой индустрии, как показали результаты анализа больших данных, сосредоточена между технологиями и сегментами отрасли.
Одни направления отражают сценарии внедрения передовых цифровых решений в промышленности, другие связаны с практиками повышения функциональности и эффективности отдельных видов оборудования для решения производственных задач. Некоторые направления, например робототехнические устройства, находятся на стыке технологий и видов оборудования, совмещая в себе характеристики обоих.
Автоматизация производственных процессов и внедрение интеллектуальных систем — ядро цифровой трансформации промышленности; в контексте станкостроения подразумевает передачу контроля за операциями от человека к автоматизированным системам. Конечным этапом развития направления является безлюдное производство, где операторам отводятся в основном функции управления технологическим процессом. Среди распространенных цифровых решений — системы предиктивного обслуживания, цифровые двойники и др.
Так, в Германии разработчик промышленного программного обеспечения (ПО) Hufschmied представил систему Sonic Shark на базе искусственного интеллекта (ИИ) и датчиков уровня звука, которая отслеживает аномалии в производственных процессах, прогнозирует срок службы аппаратного комплекса (с погрешностью в 3%) и оповещает о необходимости обслуживания. Внедрение данного решения на одном из предприятий дало возможность установить, что 40% устройств изнашиваются с опережающими темпами, и далее заблаговременно обновлять парк оборудования. Другой пример — цифровые двойники станков от отраслевых лидеров Siemens (Германия) и FANUC (Япония), которые полностью воспроизводят операции и механическую структуру станка, отслеживают состояние комплектующих. Решение позволяет выявлять ограничения и сбои в производственных процессах на уровне отдельных элементов станка, заранее проводить его профилактику и т. д.
Периферийные вычисления — один из способов снижения объема поступающей на станок информации и обхода ограничений в мощностях. Поддержка деятельности интеллектуальных систем требует мощных процессоров для обработки больших массивов данных. Перенос операций по их обработке и анализу на удаленные сервера (в целях информационной безопасности зачастую находятся на территории предприятия) позволяет не только оптимизировать нагрузку на оборудование, но и увеличить скорость принятия производственных решений.
Американский разработчик и интегратор промышленного ПО Rockwell Automation благодаря совмещению системы промышленного Интернета вещей с периферийными вычислениями повысил эффективность использования оборудования на заводе Falcon Group (ОАЭ) с 16 до 42% (цель — 75%).
Промышленные роботы упрощают обслуживание станков, замещают их функции, содействуют при выполнении производственных задач (подают детали для обработки, заменяют рабочие инструменты и т. д.). В этом ряду наиболее передовое оборудование с интегрированным в него робототехническим устройством.
В автомобильной промышленности широко востребованы многоосевые роботы-манипуляторы компании Effort (Китай): образуя роботизированные линии или участки, они полностью закрывают отдельные циклы производства (сварка кузовов, покраска, погрузочные работы, др.).
Производитель Prima Additive (Италия) предлагает лазерный комплекс с двумя параллельно работающими лазерами и встроенным роботом-манипулятором, который меняет насадки и поддерживает одновременное выполнение нескольких операций: лазерной сварки, резки и осаждения металлов.
Аддитивные технологии скоростного производства существенно повышают производительность и многофункциональность станков.
Например, американский производитель оборудования для 3D-печати Nexa3D выпускает устройства, работающие в 6,5 раз быстрее аналогов.
Подобные решения, как правило, востребованы в узкоспециализированных областях производства и внедряются с учетом запросов завода-заказчика.
Такие базовые возможности алгоритмов глубокого обучения, как обработка и анализ данных, уже широко используются в промышленности в целом и в станкостроении в частности. Однако есть значительный резерв для внедрения передовых цифровых технологий (в первую очередь на основе ИИ, big data и т. п.), способных выявлять скрытые зависимости в данных, прогнозировать параметры производства, поддерживать автоматическое принятие решений. Применение подобных инструментов, в частности для отслеживания состояния комплектующих и обнаружения бракованной продукции, существенно повышает качество производственных процессов.
Довольно эффективную систему мониторинга создала канадская компания Husky (выпускает оборудование для литья и разрабатывает промышленное ПО). Каждый случай распознавания потенциальных поломок сохранил ее клиентам от 4 до 6 тыс. долл. США.
Совершенствование применяемого в станкостроении лазерного оборудования позволяет производить все более сложные и высокоточные операции, что особенно важно для микроэлектроники. Цифровые технологии машинного зрения делают возможными операции на уровне 10 микрометров
Обладающие таким функционалом японские станки Mazak потребляют на 60% меньше энергии по сравнению с аналогами.
Один из устоявшихся в отрасли трендов — переход на оборудование с ЧПУ. Подобные станки обладают большей гибкостью и быстротой переналадки по сравнению с рядовым оборудованием. Среди их преимуществ — автоматизация отдельных производственных процессов, возможность выпуска различных деталей, параметры производства которых задаются в программах и т. д. Новое направление — внедрение приложений дополненной реальности для считывания информации о производственных чертежах, сборке и другой документации в 3D-формате. Это может ускорить настройку станка в среднем на минуту.
По расчетам ИСИЭЗ НИУ ВШЭ, в следующие несколько лет отдельные направления станкостроения в мире будут демонстрировать двузначные темпы прироста — от 13% до 33% в год. Производство более функционального оборудования, автоматизация процессов (вместе со снижением влияния человеческого фактора), рост качества продукции и скорости ее производства, сокращение операционных издержек — лишь часть преимуществ цифровой трансформации отрасли. Дальнейший уровень ее цифровизации с ориентиром на концепцию безлюдного производства будет зависеть не только от уровня развития технологий, но и от готовности предприятий внедрять эти решения.
