Kierunkowanie przyszłości produkcji elektroniki przez automatyzację, uczenie maszynowe i technologię blockchain (łańcuch bloków)

Przemysł 4.0 opiera się na inteligentnej automatyzacji produkcji elektroniki. Coraz bardziej wydajna automatyzacja jest wszędzie, od brzegu sieci aż po chmurę, w czujnikach, robotach i kobotach, programowalnych sterownikach logicznych (PLC) i innym sprzęcie. Wafle półprzewodnikowe, układy scalone, komponenty pasywne, opakowania i systemy elektroniczne dla klientów, zastosowania w dziedzinie zielonej energii, motoryzacji, medycyny, przemysłu, wojskowości, lotnictwa i inne bazują na inteligentnej automatyzacji produkcji. Zunifikowane systemy realizacji produkcji (MES) zapewniają monitorowanie w czasie rzeczywistym, kontrolę, śledzenie i dokumentację całego łańcucha wytwarzania, od surowców po wyroby gotowe.

Zautomatyzowane systemy cyberfizyczne w Przemyśle 4.0 wykraczają poza tradycyjną działalność produkcyjną i opierają się na różnych formach uczenia maszynowego (ML), począwszy od głębokiego uczenia przez wzmacnianie w chmurze po miniaturowe uczenie maszynowe tinyML na brzegu sieci w celu zapewnienia elastycznej produkcji, ciągłego doskonalenia i niezmiennie wysokiej jakości. Liczba warstw łączności rośnie, a połączenie przetwarzania brzegowego, przemysłowego Internetu rzeczy (IIoT) i przetwarzania w chmurze zwiększa wyzwania związane z cyberbezpieczeństwem. Technologia blockchain pojawiła się na scenie niedawno, oferując kompleksowe i bezpieczne zarządzanie łańcuchem dostaw.

W tym artykule przyjrzymy się kluczowym trendom automatyzacji w produkcji elektroniki, w tym zwiększaniu liczby warstw łączności, rosnącemu zapotrzebowaniu na cyberbezpieczeństwo, wdrażanym specjalistycznym zastosowaniom uczenia maszynowego (ML) oraz temu, w jaki sposób identyfikowalność i system realizacji produkcji (MES) wspierają wskaźniki i analizy produkcji w czasie rzeczywistym. Przy okazji dokonano przeglądu niektórych technologii potrzebnych do pełnej realizacji potencjału Przemysłu 4.0 dotyczących masowej personalizacji przy wysokiej jakości i niskich kosztach, w tym zaprezentowano sposób, w jaki firma DigiKey wspiera potrzeby projektantów systemów automatyki za pomocą szerokiej gamy rozwiązań. Artykuł kończy się rzutem oka na sposób, w jaki technologia blockchain (łańcuch bloków) jest wykorzystywana do wdrażania wysoce bezpiecznych systemów zarządzania łańcuchem dostaw w całym przedsiębiorstwie.

Coraz więcej warstw łączności

Przemysłowy Internet rzeczy (IIoT) w Przemyśle 4.0 obejmuje więcej warstw sieciowych, przewodowych i bezprzewodowych dla sieci czujników, autonomicznych robotów mobilnych (AMR) i innych systemów. Na przykład technologia IO-Link została opracowana na potrzeby uproszczonego przewodowego połączenia sieciowego dla ogromnej liczby czujników, aktuatorów, wskaźników i innych wcześniej niepołączonych urządzeń brzegowych starszego typu z sieciami wyższego poziomu, takimi jak Ethernet IP, Modbus TCP/IP i PROFINET. Dzięki technologii IO-Link wejścia i wyjścia (IO) tych urządzeń są przechwytywane i konwertowane do protokołu technologii IO-Link w celu zapewnienia łączności szeregowej określonej w normie IEC 61131-9 za pomocą pojedynczego 4- lub 5-żyłowego nieekranowanego kabla zdefiniowanego w normie IEC 60974- 5-2 (ilustracja 1). Oprócz zapewnienia nowej warstwy sieciowej do przechwytywania bardziej szczegółowych informacji o procesach fabrycznych, technologia IO-Link obsługuje szybkie wdrażanie i zdalną konfigurację, monitorowanie oraz diagnostykę podłączonych urządzeń w celu wsparcia zmian w linii i procesie, co jest niezbędne do masowej personalizacji w fabrykach Przemysłu 4.0.

Ilustracja 1: technologia IO-Link może być używana do podłączania czujników i innych urządzeń za pomocą różnych interfejsów do sieci Ethernet, PROFINET lub Modbus. (Źródło ilustracji: Banner Engineering)

Bezprzewodowe urządzenia przemysłowego Internetu rzeczy (IIoT), od czujników po roboty, również przyczyniają się do zwiększenia liczby warstw sieciowych. W nowoczesnych fabrykach stosowane są różne protokoły bezprzewodowe, w tym Wi-Fi, 5G, LTE i inne. Na przykład autonomiczne roboty mobilne (AMR) wykorzystują kombinację czujników pokładowych i łączności Wi-Fi, aby poznać swoje otoczenie, zidentyfikować możliwe przeszkody oraz bezpiecznie i sprawnie przemieszczać się z miejsca na miejsce. Roboty współpracujące (koboty) są zaprojektowane do pracy z ludźmi w celu poprawy wydajności operacyjnej i często wymagają łączności bezprzewodowej. W niektórych przypadkach, w razie potrzeby, koboty są przenoszone od jednego zadania do kolejnego przez autonomiczne roboty mobilne (AMR) (ilustracja 2).

Ilustracja 2: autonomiczny robot mobilny (AMR) (na dole) może przejeżdżać z miejsca na miejsce dzięki kombinacji wbudowanych czujników i łączności bezprzewodowej oraz podnosić i przenosić ramię (na górze) do nowej stacji roboczej. (Źródło ilustracji: Omron)

Wzrost zagrożeń cybernetycznych

Coraz większa liczba warstw w sieciach przemysłowych w połączeniu z eksplozją liczby podłączonych urządzeń skutkują rosnącą liczbą nośników zagrożeń dla zabezpieczeń i wzrostem zagrożeń cybernetycznych. Opracowano kilka standardów zabezpieczeń i metod ich stosowania dla przemysłu i Internetu rzeczy (IoT), w tym normę Międzynarodowej Komisji Elektrotechnicznej (IEC) 62443 oraz Standard oceny zabezpieczeń dla platformy Internetu rzeczy (IoT) (SESIP).

IEC 62443 to seria norm opracowanych przez międzynarodowy komitet International Society of Automation ISA 99 i zatwierdzonych przez Międzynarodową Komisję Techniczną (IEC). IEC 62443 to ponad 800-stronicowa seria norm dotyczących automatyki przemysłowej i systemów sterowania (IACS), opracowana w podziale na 14 części i cztery kategorie (ilustracja 3). Kluczowe części, które określają rozwój produktu i wymagania zabezpieczeń dla komponentów:

• IEC 62443-4-1: Wymagania cyklu rozwoju dotyczące tworzenia bezpiecznego produktu - określają bezpieczny przebieg cyklu eksploatacyjnego produktu, w tym definicja wymagań wstępnych, bezpieczny projekt i wdrożenie, weryfikację i walidację, obsługę błędów i poprawek oraz wycofanie z użycia.
• IEC 62443-4-2: Bezpieczeństwo w systemach sterowania i automatyki przemysłowej: Wymagania techniczne bezpieczeństwa dla komponentów IACS - określa możliwości zabezpieczeń, które umożliwiają komponentowi łagodzenie zagrożeń dla danego poziomu bezpieczeństwa.

Ilustracja 3: IEC 62443 to kompleksowy zestaw norm dotyczących zabezpieczeń w systemach sterowania i automatyki przemysłowej (IACS) (Źródło ilustracji: IEC)

Standard oceny zabezpieczeń dla platformy Internetu rzeczy (IoT) (SESIP) został opublikowany przez organizację GlobalPlatform i określa uniwersalną metodologię oceny zabezpieczeń produktów połączonych oraz odpowiada na wyzwania związane ze zgodnością, zabezpieczeniami, prywatnością i skalowalnością Internetu rzeczy (IoT). Standard oceny zabezpieczeń dla platformy Internetu rzeczy (IoT) (SESIP) zapewnia jasną definicję funkcji zabezpieczeń w komponentach i platformach w postaci wymagań funkcjonalnych dla zabezpieczeń (SFR). Zapewnia on również solidne wskaźniki, które mierzą odporność na ataki w postaci „poziomów” SESIP od 1 do 5, gdzie 1 oznacza autocertyfikację, a 5 odpowiada szeroko zakrojonym testom i certyfikacji przez stronę trzecią.

Uczenie maszynowe (ML) od chmury do brzegu sieci

Uczenie maszynowe (ML) jest kluczowym czynnikiem umożliwiającym inteligentną automatyzację oraz wspierającym ciągłe doskonalenie procesów i wytwarzanie produktów wysokiej jakości. Wykorzystanie sieci neuronowych jest dobrze ugruntowaną techniką uczenia maszynowego (ML) w Przemyśle 4.0. Obecnie zaczyna być uzupełniane uczeniem głębokim przez wzmacnianie w chmurze. Uczenie głębokie przez wzmacnianie dodaje strukturę algorytmów zorientowanych na cel do rdzenia sieci neuronowej. Początkowo uczenie przez wzmacnianie ograniczało się do powtarzalnych środowisk, takich jak granie w gry. Dzisiaj algorytmy mogą funkcjonować w bardziej skomplikowanych środowiskach w świecie rzeczywistym. W przyszłości zastosowania zaawansowanego uczenia przez wzmacnianie mogą osiągnąć poziom ogólnej sztucznej inteligencji.

Uczenie maszynowe (ML) nie ogranicza się obecne tylko do chmury - sięga na halę produkcyjną, do brzegu sieci Gniazda rozszerzeń w komputerach przemysłowych i kontrolerach programowanych na hali produkcyjnej coraz częściej obsługują karty akceleratorów uczenia maszynowego (ML) i sztucznej inteligencji (AI) do inteligentnego sterowania procesami.

Miniaturowe uczenie maszynowe (tinyML) zostało zoptymalizowane pod kątem wdrażania w zastosowaniach o niskiej mocy. Wykorzystanie miniaturowego uczenia maszynowego (tinyML) w zastosowaniach z wykorzystaniem czujników szybko rośnie. Jednym z przykładów zastosowania miniaturowego uczenia maszynowego (tinyML) jest analiza czujników przemysłowego Internetu rzeczy (IIoT) w urządzeniach brzegowych zasilanych bateryjnie lub pozyskujących energię z otoczenia. Arduino oferuje zestaw do miniaturowego uczenia maszynowego, obejmujący płytkę Arduino Nano 33 BLE Sense zawierającą mikrokontroler MCU i szereg czujników, które mogą monitorować ruch, przyspieszenie, obrót, dźwięki, gesty, bliskość, kolor i natężenie światła (ilustracja 4). W zestawie znajduje się również moduł kamery OV7675 i nakładka Arduino. Wbudowany mikrokontroler MCU może wykorzystywać głębokie sieci neuronowe w oparciu o strukturę uczenia głębokiego otwartoźródłowej biblioteki TensorFlow do wnioskowania na urządzeniu.

Ilustracja 4: zestaw do miniaturowego uczenia maszynowego (tinyML) Arduino jest przeznaczony do rozwoju zastosowań czujników przemysłowego Internetu rzeczy (IIoT) (Źródło ilustracji: DigiKey)

Wskaźniki i analizy w czasie rzeczywistym

Obliczanie wskaźników i prowadzenie analizy w czasie rzeczywistym to podstawowe aspekty inteligentnej automatyzacji. Identyfikowalność 4.0 łączy widoczność produktu, widoczność łańcucha dostaw i widoczność pozycji wiersza z poprzednich generacji identyfikowalności oraz zapewnia pełną historię wszystkich aspektów związanych z produktem. Ponadto obejmuje wszystkie parametry maszyn i procesów oraz obsługuje wskaźniki całkowitej efektywności wyposażenia (OEE), które optymalizują procesy produkcyjne (ilustracja 5).

Ilustracja 5: identyfikowalność 4.0 to kompleksowe rozwiązanie wspierające różne wymagania operacji Przemysłu 4.0. (Źródło ilustracji: Omron)

Identyfikowalność ma kluczowe znaczenie w wielu branżach, od produkcji wyrobów medycznych po motoryzację, lotnictwo i kosmonautykę. W przypadku wyrobów medycznych wymogi regulacyjne wymagają rozbudowanego śledzenia i identyfikowalności. Samochody oraz systemy lotnicze i kosmonautyczne mogą być zbudowane z dziesiątek tysięcy części podlegających śledzeniu. To nie tylko element historii - identyfikowalność obejmuje śledzenie geometrycznego wymiarowania i tolerancji poszczególnych części (GD&T). Geometryczne wymiarowanie i tolerancje (GD&T) umożliwiają precyzyjną produkcję i montaż części w oparciu o ich dokładne wartości wymiarów i tolerancji geometrycznej (GD&T), wspierając wytwarzanie wysoko precyzyjnych zespołów dla takich branż jak przemysł motoryzacyjny, lotniczy i kosmonautyczny.

Identyfikowalność może poprawić dokładność i sprawność wycofywania produktów z rynku. Umożliwia producentowi identyfikację wszystkich produktów, których dotyczy problem, oraz wskazanie dostawcy lub dostawców wadliwych komponentów.

Dzięki identyfikowalności można przyspieszyć działania korygujące i zapobiegawcze. Podobnie jak w przypadku wycofywania produktów, kompleksowa znajomość pochodzenia produktów umożliwia producentom sprawne ukierunkowanie oraz zaplanowanie działań serwisowych i konserwacyjnych w przypadku produktów u użytkownika.

Identyfikowalność i system realizacji produkcji (MES)

Zunifikowane zastosowania systemu realizacji produkcji (MES) obejmującego identyfikowalność pozwalają utworzyć możliwą do przeszukiwania bazę danych, zawierającą wszystkie informacje dotyczące poszczególnych produktów, w tym plany projektowe i wyniki powykonawcze. Na przykład identyfikowalność jest wykorzystywana do śledzenia poszczególnych komponentów i materiałów w momencie ich przybycia, w tym danych z testów jakości na wejściu i lokalizacji fabryki dostarczającej itd., przed użyciem ich do produkcji. System realizacji produkcji (MES) weryfikuje te informacje w oparciu o planowany projekt i wprowadza je do operacji łączenia w zestawy i wykonywanych czynności w bazach danych procesów.

Dane dotyczące identyfikowalności dostarczane przez przemysłowy Internet rzeczy (IIoT) w połączeniu z systemem realizacji produkcji (MES) wspierają masową personalizację produktów w Przemyśle 4.0. System realizacji produkcji (MES) umożliwia umieszczenie właściwych materiałów, procesów i innych zasobów we właściwym miejscu w celu zapewnienia najniższych kosztów produkcji i wyników najwyższej jakości. Ponadto system realizacji produkcji (MES) oraz identyfikowalność mogą obejmować i wykazywać zgodność z przepisami prawnymi, a także - w razie potrzeby - zawierają dane do udostępnienia audytorom lub innym podmiotom.

Technologia blockchain (łańcuch bloków)

Technologia blockchain (łańcuch bloków) to zdecentralizowany lub rozproszony system cyfrowego rejestrowania transakcji z udziałem wielu stron w sposób odporny na nieautoryzowaną ingerencję i umożliwiający weryfikację. Wszelkie transakcje, w których ważne jest zaufanie, takie jak zarządzanie łańcuchem dostaw, są potencjalnymi obszarami zastosowania technologii blockchain (łańcuch bloków). W łańcuchu dostaw z udziałem wielu uczestników technologia blockchain (łańcuch bloków) może poprawić sprawność transakcji i sprawić, że transakcje będą możliwe do zweryfikowania i odporne na nieautoryzowaną ingerencję. Dwa przykłady korzyści płynących z zastosowania technologii blockchain (łańcuch bloków) w działaniach związanych z łańcuchem dostaw:

Zastąpienie procesów ręcznych. Ręczne procesy z wykorzystaniem dokumentów papierowych, które opierają się na podpisach lub innych formach fizycznej weryfikacji, można potencjalnie usprawnić z wykorzystaniem technologii blockchain (łańcuch bloków). Ograniczeniem jest to, że uniwersum podmiotów zapisanych w rejestrze musi być skończone i łatwe do zidentyfikowania. Firma kurierska ze stale zmieniającą się bazą danych nieznanych klientów może nie być dobrym kandydatem do zastosowania technologii blockchain (łańcuch bloków). Dobrym kandydatem jest natomiast zakład produkcyjny z ograniczoną i ulegającą niewielkim zmianom grupą zaufanych dostawców.

Wzmocnienie identyfikowalności. Technologia blockchain (łańcuch bloków) może stanowić dobre narzędzie do zwiększenia przejrzystości łańcucha dostaw i spełnienia rosnących wymagań regulacyjnych i konsumenckich w zakresie udzielanych informacji. Technologia blockchain (łańcuch bloków) może przykładowo wspierać spełnienie wymagań ustawy o bezpieczeństwie łańcucha dostaw leków oraz wymóg nadania unikalnego identyfikatora urządzenia ustanowiony przez amerykańską Agencję ds. Żywności i Leków (FDA). W branży motoryzacyjnej i innych sektorach przemysłu dostawcy w całym łańcuchu dostaw mogą być zaangażowani w realizację kampanii wycofywania produktów z rynku, a technologia blockchain (łańcuch bloków) może stanowić dobre narzędzie do wdrażania wytycznych dotyczących identyfikowalności opublikowanych przez stowarzyszenie Automotive Industry Action Group.

Podsumowanie

Inteligentna automatyzacja, będąca podstawą Przemysłu 4.0, opiera się na szeregu technologii potrzebnych do jej wdrożenia, w tym na rosnącej liczbie warstw sieciowych z łącznością przewodową i bezprzewodową, co skutkuje coraz bardziej złożonymi zagrożeniami dla cyberbezpieczeństwa. Ponadto wdrażane jest uczenie maszynowe od brzegu sieci do chmury, mające na celu wspieranie obliczania wskaźników i wykonywania analiz w czasie rzeczywistym wraz z identyfikowalnością i ujednoliconym systemem realizacji produkcji (MES). Wreszcie wprowadzana jest technologia blockchain (łańcuch bloków), mająca na celu obsługę baz danych odpornych na nieautoryzowaną ingerencję i możliwych do weryfikacji.