Modeliranje in simulacija robotizirane montažne linije prototipne pametne tovarne

(1)

UNIVERZA V LJUBLJANI Fakulteta za strojništvo

Modeliranje in simulacija robotizirane montažne linije prototipne pametne tovarne

Magistrsko delo magistrskega študijskega programa II. stopnje Strojništvo

Marko Draksler

Ljubljana, september 2021

(2)

(3)

(4)

(5)

UNIVERZA V LJUBLJANI Fakulteta za strojništvo

Modeliranje in simulacija robotizirane montažne linije prototipne pametne tovarne

Magistrsko delo magistrskega študijskega programa II. stopnje Strojništvo

Marko Draksler

Mentor: doc. dr. Marko Šimic, univ. dipl. inž.

Somentor: prof. dr. Niko Herakovič, univ. dipl. inž.

Ljubljana, september 2021

(6)

(7)

(8)

(9)

Zahvala

V prvi vrsti bi se rad zahvalil mentorju doc. dr. Marku Šimicu in somentorju prof. dr. Niku Herakoviču, da sta mi omogočila opravljanje magistrskega dela pod njunim mentorstvom v Laboratoriju za strego, montažo in pnevmatiko (LASIM) Fakultete za strojništvo Univerze v Ljubljani. Hvala za usmerjanje in nasvete pri izdelavi magistrskega dela.

Zahvalo za vso pomoč in čas namenjam tudi asistentu dr. Mihaelu Debevcu, ki mi je pri opravljanju dela pomagal s strokovnimi nasveti za boljše razumevanje izbranega programskega orodja za modeliranje in izvajanje simulacij.

Posebna zahvala gre tudi mojim domačim in vsem ostalim, ki so me pri delu podpirali in mi bili vedno pripravljeni pomagati na celotni študijski poti.

(10)

(11)

(12)

(13)

Izvleček

UDK 658.515:004.94:007.52(043.2) Tek. štev.: MAG II/1007

Modeliranje in simulacija robotizirane montažne linije prototipne pametne tovarne

Marko Draksler

Ključne besede: modeliranje simulacija montažna linija robotska celica eksperimenti

Modeliranje in simulacija je vse pogosteje uporabljen pristop pri optimizaciji proizvodnih sistemov in procesov. V okviru magistrskega dela je obravnavana robotizirana montažna linija prototipne pametne tovarne, za katero je izvedena računalniška simulacija na osnovi diskretnih dogodkov. Podrobneje sta obravnavani dve robotski celici z več montažnimi mesti, na katerih se izvaja proces montaže več izdelkov. V prvem delu je predstavljen razvoj in izdelava simulacijskega modela proizvodne linije. V nadaljevanju je predstavljena poglobljena analiza robotiziranega montažnega procesa. Osrednji del naloge predstavlja integracija genetskih algoritmov v simulacijski model in izvedba simulacijskih eksperimentov, s katerimi smo optimizirali zaporedje strege baznih delov za nadaljnjo izvedbo montažnih procesov. Glavni kriterij za optimizacijo je predstavljal pogoj za dosego čim krajšega časa izdelave izbrane serije 25-ih izdelkov. V zaključku naloge smo oblikovali dodaten simulacijski scenarij za primerjavo učinkovitosti obstoječe razporeditve robotskih strežnih in montažnih operacij s predlaganimi novimi strežnimi in montažnimi operacijami, pri čemer smo upoštevali kriterij najkrajšega časa izdelave izbrane serije 25-ih izdelkov.

(14)

(15)

Abstract

UDC 658.515:004.94:007.52(043.2) No.: MAG II/1007

Modelling and simulation of robotic assembly line of smart factory prototype

Marko Draksler

Key words: modelling simulation assembly line robotic cell experiments

Modelling and simulation is an increasingly used approach to the optimization of production systems and processes. In the master thesis it is discussed about robotic assembly line, for which a discrete event-based computer simulation is performed. Two robotic cells with several assembly places, on which the assembly process for different products is carried out, is analyzed in more detail. The first part presents design and development of simulation model of production line. The next part is a representation of detailed analysis of robotic assembly process. The main part of the thesis is the integration of genetic algorithms into the simulation model and the simulation experiments runs, with which we optimize the sequence of serving the base parts for further execution of assembly processes. The main criterion for optimization was condition to achieve the shortest possible production time of the selected series of 25 products. At the end of the thesis we designed an additional simulation scenario to compare the efficiency of the existing arrangement of robotic serving and assembly operations with the proposed new serving and assembly operations, taking into account the evaluation criterion of the shortest possible production time of the selected series of 25 products.

(16)

(17)

Kazalo

Kazalo slik ... xv

Kazalo preglednic ... xvii

Seznam uporabljenih simbolov ... xix

Seznam uporabljenih okrajšav ... xxi

1 Uvod ... 1

1.1 Ozadje problema ... 1

1.2 Cilji ... 3

2 Teoretične osnove in pregled literature ... 5

2.1 Industrija 4.0 ... 5

2.1.1 Komponente industrije 4.0 ... 6

2.1.2 Vloga simulacije proizvodnih procesov v industriji 4.0 ... 9

2.2 Digitalizacija proizvodnih tehnologij in sistemov ... 11

2.3 Digitalni modeli ... 12

2.4 Digitalni dvojčki ... 14

2.5 Simulacijski modeli proizvodnih linij ... 17

2.6 Računalniška simulacija ... 20

2.6.1 Opredelitev problema ... 22

2.6.2 Izdelava simulacijskega modela ... 22

2.6.3 Oblikovanje programa za računalnik ... 25

2.6.4 Preverjanje primernosti modela ... 25

2.6.5 Načrtovanje simulacijskih eksperimentov ... 26

2.6.6 Izvajanje simulacijskega procesa in analiziranje rezultatov ... 27

2.7 Optimizacija sistema s »kaj-če« simulacijskimi scenariji ... 30

3 Metodologija raziskave ... 33

3.1 Popis obstoječega sistema ... 33

3.2 »Kaj-če« na mestu MM2 montažne operacije izvajata oba robota ... 36

3.3 Analiza obnašanja obravnavanega proizvodnega sistema ... 37

3.4 Izdelava virtualnega modela ... 38

3.4.1 Zbiranje podatkov za postavitev objektov simulacijskega modela ... 38

(18)

3.4.2 Oblikovanje izhodiščnega koncepta simulacijskega modela ... 42

3.5 Oblikovanje programskih ukazov ... 51

3.6 Validacija modela ... 56

3.7 Načrtovanje simulacijskih eksperimentov ... 56

3.7.1 Izdelava dodatnega simulacijskega modela za izvedbo »kaj-če« analize ... 56

3.7.2 Simulacijski eksperimenti ... 58

3.8 Izvajanje simulacijskih eksperimentov ... 59

4 Rezultati in diskusija ... 61

5 Zaključki ... 67

Literatura ... 69

Priloga A ... 73

(19)

Kazalo slik

Slika 1.1: Načini analiziranja sistema [1]. ... 2

Slika 2.1: Razvoj industrije od industrije 1.0 do industrije 4.0 [4]. ... 6

Slika 2.2: Značilnosti pametne tovarne [10]. ... 7

Slika 2.3: Današnja proizvodnja in ukrepi za njeno optimizacijo [4]. ... 8

Slika 2.4: Način uporabe simulacije za obvladovanje procesov [14]. ... 10

Slika 2.5: Podatkovni tok pri digitalnem modelu (levo) in digitalnem dvojčku (desno) [18]. ... 13

Slika 2.6: Povezava fizičnega in digitalnega okolja v primeru digitalnega dvojčka [22]. ... 15

Slika 2.7: Izdelava digitalnega dvojčka [22]. ... 16

Slika 2.8: Shematični prikaz simulacijskega modela za montažno linijo [28]. ... 18

Slika 2.9: Koraki računalniške simulacije [27]. ... 21

Slika 2.10: Shematični prikaz splošnega simulacijskega modela [33]. ... 29

Slika 2.11: Povratna zanka optimizacije simulacijskega modela [33]. ... 29

Slika 3.1: Demo center Pametna tovarna LASIM [35]. ... 34

Slika 3.2: Zalogovniki sestavnih delov. ... 35

Slika 3.3: Avtomatizirana montažna mesta demo centra LASIM [35]. ... 35

Slika 3.4: Tlorisni pogled na model demo centra LASIM [36]. ... 38

Slika 3.5: Dimenzije transportne linije [36]. ... 39

Slika 3.6: Simbolična shema proizvodnega procesa za sestav vzorca iz kock. ... 40

Slika 3.7: (a) Sestav vzorca iz kock [37], (b) Sestav RPi-ja... 41

Slika 3.8: Časovne točke diskretnih dogodkov [38]. ... 43

Slika 3.9: Izhodiščni virtualni model opazovanega proizvodnega sistema. ... 44

Slika 3.10: Parametri objektov R1 in R2 simulacijskega modela. ... 46

Slika 3.11: Vhodni parametri objektov transportne linije simulacijskega modela. ... 49

Slika 3.12: Simulacijski model opazovanega sistema (vsi objekti). ... 52

Slika 3.13: Lasten program objekta DM2. ... 52

Slika 3.14: Obstoječa razporeditev montažnih operacij robotov R1 in R2. ... 57

Slika 3.15: Predlagan scenarij razporeditve montažnih operacij robotov R1 in R2. ... 57

Slika 4.1: Razvrstitev baznih delov v vhodni tabeli Delovni_nalog_RP po optimizaciji. ... 63

Slika 4.2: S simulacijo pridobljen čas izdelave 25-ih vzorcev iz kock pri eksperimentih 1 in 3. .... 64

Slika 4.3: S simulacijo pridobljen čas izdelave 25-ih RPi-jev pri eksperimentih 2, 4 in 5. ... 65

(20)

(21)

Kazalo preglednic

Preglednica 3.1: Izmerjene vrednosti na sliki 3.5 označenih dimenzij. ... 39

Preglednica 3.2: Robotska orodja za sestavljanje vzorca iz kock in RPi-ja. ... 42

Preglednica 3.3: Objekti in enote na sliki 3.9 prikazanega virtualnega modela. ... 45

Preglednica 3.4: Časi pobiranja in odlaganja posameznega orodja robotov R1 in R2. ... 47

Preglednica 3.5: Časi posameznih gibov objekta R1 v sekundah. ... 48

Preglednica 3.6: Časi posameznih gibov objekta R2 v sekundah. ... 49

Preglednica 3.7: Hitrosti transportne linije simulacijskega modela. ... 50

Preglednica 3.8: Vrednosti časovnih parametrov izbranih objektov modela. ... 50

Preglednica 3.9: Spremenljivke modela in na njihove vrednosti vezani dogodki. ... 53

Preglednica 3.10: Primer vhodne tabele simulacijskega eksperimenta. ... 55

Preglednica 3.11: Primer podtabele baznega dela RPi-ja. ... 55

Preglednica 3.12: Časi gibov objekta R1 v sekundah za model predlaganega koncepta. ... 58

Preglednica 4.1: S simulacijo pridobljen čas izdelave izdelkov pri eksperimentih 1 in 2. ... 61

Preglednica 4.2: S simulacijo pridobljen čas izdelave izdelkov pri eksperimentu 3, 4 in 5. ... 62

Preglednica 5.1: Programske kode v posameznih metodah simulacijskega modela. ... 74

(22)

(23)

Seznam uporabljenih simbolov

Oznaka Enota Pomen

A / število generacij

a s čas premikanja materiala od predhodne delovne postaje do trenutne

B / velikost generacije

b s čas čakanja izdelka na izvedbo procesa na trenutni delovni postaji

C / število eksperimentov za vrednotenje individuala c s čas izvajanja procesa za izdelek na trenutni delovni

postaji

d s čas čakanja izdelka po izvedbi procesa na premik do naslednje delovne postaje

E / učinek delovanja sistema

f / razmerje

N / število simulacijskih eksperimentov

n / število izdelkov

t s čas

w / število delovnih postaj

X / spremenljivka ali parameter, ki je nadzorovan

x / vhodna spremenljivka

Y / spremenljivka ali parameter, ki ni nadzorovan

y / izhodna spremenljivka

Indeksi

i i-ta spremenljivka ali parameter, ki je nadzorovan j j-ta spremenljivka ali parameter, ki ni nadzorovan

m m-ta izhodna spremenljivka

n n-ta vhodna spremenljivka

ned nedokončan

p prenos

r ročno

s sistem

sest sestavljen

sv strojni vid

t časovni

w delovna postaja

1 prva spremenljivka

2 druga spremenljivka

(24)

(25)

Seznam uporabljenih okrajšav

Okrajšava Pomen

CPS kibernetsko-fizični sistemi (angl. Cyber-Physical Systems) IoS internet storitev (angl. Internet of Services)

IoT internet stvari (angl. Internet of Things)

JIT planiranje proizvodnje ob pravem času (angl. Just in Time)

LASIM Laboratorij za strego, montažo in pnevmatiko Fakultete za strojništvo Univerze v Ljubljani

MRP planiranje potreb po materialu na osnovi predvidevanja prodaje končnih izdelkov (angl. Material Requirements Planning)

RFID radiofrekvenčna identifikacija (angl. Radio Frequency Identification)

RPi naziv mini računalnika (angl. Raspberry Pi)

SME mala in srednje velika podjetja (angl. Small and Medium-sized Enterprises)

TPS Tecnomatix Plant Simulation (računalniški program za modeliranje in izvajanje simulacijskih eksperimentov)

(26)

(27)

1 Uvod

Na začetku magistrskega dela smo preučili ozadje obravnavanega problema in si postavili cilje, ki smo jih z raziskovanjem želeli doseči in na podlagi katerih smo načrtovali potek magistrskega dela.

1.1 Ozadje problema

Za preučevanje karakteristik proizvodnih sistemov in procesov ter iskanje najboljših možnih variant (razporeditev elementov in delovnih operacij, število posameznih komponent ipd.) so se podjetja v preteklosti posluževala predvsem eksperimentiranja na fizičnih sistemih. Na podlagi izkušenj ter znanja posameznikov se je sprejemalo odločitve o ustreznih ukrepih oziroma akcijah za izboljšanje razporeditve delovnih mest in strojev, poteka delovnih operacij in delovanja sistema. Z večanjem kompleksnosti sistemov in procesov ter zahtev s strani trga po hitrejši dobavi novih in kakovostnejših izdelkov, omenjen pristop optimiziranja proizvodnih sistemov in procesov in način obvladovanja sistemov za ohranitev konkurenčnosti ne zadošča več. Četrta industrijska revolucija je s povezljivostjo in medsebojno komunikacijo človeka, stroja in naprave preko interneta stvari, razvojem avtonomnih sistemov s sposobnostjo samoodločanja, naprednim modeliranjem in simulacijo s povratno zanko ponudila priložnost za hitrejše in učinkovitejše ukrepanje [1, 2].

V primeru izvajanja poskusov na realnih sistemih gre velikokrat za stroškovno velik zalogaj in zamuden postopek. Tudi rezultat tovrstnega eksperimentiranja je običajno precej negotov, saj odločitve ne sprejema stroj ali naprava s pomočjo vgrajene lastne inteligence ampak človek z negotovim znanjem glede trenutnega stanja in posledic, ki jih bo načrtovana sprememba prinesla. To povzroči večje tveganje za neučinkovito ukrepanje, zato se za analiziranje delovanja sistema in preizkušanje različnih variant sistema brez poseganja v realno okolje vse pogosteje uporablja računalniška simulacija. Ta raziskovalna metoda omogoča modeliranje sistemov v virtualnem okolju, v katerem se lahko nato na podlagi simulacijskih eksperimentov analizira in določa preteklo, trenutno ali načrtovano stanje sistema ob nemotenem poteku dejanske proizvodnje.

Za pridobitev ustreznih rezultatov se uporabljajo različni pristopi k modeliranju in izvajanju simulacij. Učinkovito podporo pri razmišljanju in odločanju o spremembah realnega okolja

(28)

Uvod

predstavlja modeliranje »kaj-če« scenarijev in njihova simulacijska analiza. S simulacijo tovrstnih scenarijev se namreč lahko preveri vpliv določene spremembe na proces in obnašanje sistema še preden se ta sprememba implementira v realni sistem. S tem se minimalizira možnost za neuspeh pri določanju ukrepov za izboljšanje delovanja sistema in procesa ter iskanju optimalnega scenarija sistema in poteka procesa. Zaradi omenjenih razlogov se računalniška simulacija dandanes uporablja za reševanje problemov v vedno več različnih aplikacijah. Izkazala se je za učinkovito in močno odločitveno orodje na sledečih področjih [1]:

- Načrtovanje in analiziranje proizvodnih sistemov in procesov

- Vrednotenje vojaških orožarskih sistemov ali njihovih logističnih potreb - Določanje zahtev strojne opreme ali protokolov za komunikacijska omrežja

- Načrtovanje in upravljanje transportnih sistemov kot so letališča, avtoceste, pristanišča in podzemne železnice

- Vrednotenje načrtov za storitvene organizacije kot so klicni centri, restavracije s hitro hrano, bolnišnice in pošte

- Reinženiring poslovnih procesov - Analiziranje oskrbovalnih verig - Analiziranje rudarskih dejavnosti - …

Problematika obravnavanega magistrskega dela je povezana s področjem analiziranja proizvodnih sistemov in procesov. Kot prikazuje slika 1.1 se katerikoli sistem lahko preučuje na dva načina, in sicer z eksperimentiranjem na dejanskih sistemih ali z izdelavo simulacijskih modelov sistemov in analiziranjem le-teh [1].

Slika 1.1: Načini analiziranja sistema [1].

(29)

Uvod

Preučevanje sistema preko modelov se lahko izvaja na podlagi fizičnih ali matematičnih modelov. Fizični model ponazarja elemente proizvodnih sistemov, ki predstavljajo simulacijske objekte z lastnostmi fizičnih sistemov. Tovrsten model pogosto imenujemo tudi maketa preučevanega objekta ali sistema. Odvisno od namena modeliranja je fizični model sestavljen iz enakih gradnikov kot preučevani objekt ali različnih gradnikov. Z matematičnim modeliranjem se sistem predstavi in analizira preko matematičnih formul in logičnih povezav med objekti sistema. Za namen računalniške simulacije proizvodnih sistemov in procesov se matematični model gradi posredno [1, 3].

Pri magistrskem delu smo za sistem preučevanja izbrali demonstracijski center Pametna tovarna Laboratorija za strego, montažo in pnevmatiko (LASIM) Fakultete za strojništvo Univerze v Ljubljani. Gre za linijski proizvodni sistem, zasnovan po načelih pametne tovarne, katere značilnost je tudi analiziranje in optimizacija proizvodnih sistemov in procesov z uporabo računalniške simulacije diskretnih dogodkov. Simulacijski model preučevanega sistema smo popisali s ključnimi gradniki sistema. Povezave, odvisnosti med gradniki in gradniki sami pa so popisani matematično in parametrično. Računalniško simulacijo smo predstavili kot raziskovalno metodo in uporabili pristop »kaj-če«

simulacijskih scenarijev za vrednotenje predlagane razporeditve montažnih operacij obravnavanega sistema.

1.2 Cilji

Cilji magistrske naloge so:

- Seznaniti se s komponentami industrije 4.0 in pomen simulacije proizvodnih procesov v sklopu industrije 4.0.

- Pregledati možnosti preučevanja realnih sistemov in procesov preko digitalnih modelov v virtualnem okolju.

- Analizirati raziskovalno metodo računalniška simulacija diskretnih dogodkov:

- seznaniti se z aktivnostmi in posameznimi koraki znotraj aktivnosti računalniške simulacije,

- predstaviti uporabo »kaj-če« simulacijskih scenarijev za namen optimizacije sistemov in procesov.

- Izdelati simulacijski model obravnavane proizvodne linije:

- popisati materialni tok in gradnike proizvodne linije demo centra LASIM s podrobnejšo analizo robotiziranih montažnih operacij,

- z izbranim programskim orodjem izdelati poenostavljen simulacijski model obstoječega sistema, ki bo vključeval transportno linijo, zalogovnik z baznimi deli in izdelki, zalogovnike sestavnih delov, robotski celici z robotskima objektoma za opravljanje strežnih in montažnih operacij, tri avtomatizirana in eno ročno montažno mesto, kolaboracijski robotski objekt ter delovno postajo s strojnim vidom.

- Določiti najugodnejše zaporedje strege baznih delov izbranega proizvodnega naloga v simuliran montažni proces za dosego čim krajšega časa izdelave 25-ih izdelkov:

- podrobneje preučiti način uporabe modula, ki je v izbranem simulacijskem programskem orodju namenjen integraciji genetskih algoritmov v simulacijski model, - načrtovati in izvesti simulacijske eksperimente za optimizacijo zaporedja strege baznih

delov.

(30)

Uvod

- S simulacijskim eksperimentiranjem ugotoviti ali je pri izbranem proizvodnem nalogu za izdelavo serije 25-ih izdelkov predlagan scenarij razporeditve montažnih operacij robotov R1 in R2 z vidika čim krajšega časa izdelave izbranih izdelkov učinkovitejši kot obstoječe robotske strežne in montažne operacije:

- uporabiti pristop »kaj-če« scenarijev in oblikovati dodaten simulacijski scenarij razporeditve robotskih montažnih operacij,

- načrtovati in izvesti simulacijske eksperimente za vrednotenje oblikovanih scenarijev, - analizirati obnašanje sistema pri obeh simulacijskih scenarijih na način, da se primerja

čas izdelave 25-ih izdelkov izbranega proizvodnega naloga.

(31)

2 Teoretične osnove in pregled literature

Najprej smo se seznanili s teoretičnimi osnovami tematike magistrskega dela. Podali smo razloge za velik napredek proizvodne industrije v zadnjih letih, smernice in ključne komponente industrije 4.0 ter se seznanili z vlogo modeliranja in simulacije pri vsem tem.

Na kratko smo povzeli kako se mala, srednje velika in velika podjetja soočajo z digitalizacijo proizvodnih tehnologij in sistemov, katera omogoča povezavo realnih sistemov in procesov z virtualnimi. Z modeliranjem digitalnih modelov in razvojem digitalnih dvojčkov je preko izvajanja simulacij omogočeno spremljanje in analiziranje proizvodnih sistemov in procesov v realnem času. Za digitalni model, ki se uporablja za namene simuliranja se uporablja izraz simulacijski model. Tovrsten model smo podrobneje razložili. Na izbranem primeru smo predstavili način modeliranja in uporabe simulacijskega modela. V drugem delu pregleda literature smo se osredotočili na računalniško simulacijo, njene aktivnosti in korake, ki so potrebni za dosego raziskovalnega cilja. Kot enega izmed simulacijskih pristopov k optimizaciji proizvodnih sistemov in procesov smo omenili tudi »kaj-če« scenarije.

2.1 Industrija 4.0

Nove potrebe svetovnega trga, želja po lagodnejšemu življenju in razvoj novih tehnologij je pripomoglo k uvedbi sprememb v industrijskih sistemih in procesih. V preteklosti so se zato že zgodile tri industrijske revolucije, katerih glavne značilnosti so navedene na sliki 2.1 [4].

Največji tehnološki napredek se je zgodil v zadnjih dvajsetih letih. Industrija se sooča z vedno večjim povpraševanjem trga po novih izdelkih, naraščajočem obsegu variantnosti izdelkov, zahtevami po visoki kakovosti, čim nižji ceni in kratkimi časi dostave. Skrb podjetij, da ob vsem tem ostanejo konkurenčna in zadostijo potrebam svetovnega trga je pospešilo razvoj novih tehnologij in modelov predvsem na področju informatike, komunikacijskega omrežja, proizvodnih procesov, organizacije in logistike. Uvajanje inovacij v moderne poslovne in proizvodne sisteme je sprožilo četrto industrijsko revolucijo in novo industrijsko dobo, za katero se je prijel izraz industrija 4.0 [2].

(32)

Teoretične osnove in pregled literature

Slika 2.1: Razvoj industrije od industrije 1.0 do industrije 4.0 [4].

V industriji 4.0 imajo pomembno vlogo manjši, zmogljivejši in cenovno ugodnejši senzorji, vse bolj razvita informacijsko-komunikacijska tehnologija in vsesplošno prisotni internet. S tem se ustvarja okolje, ki omogoča sodelovanje industrije na globalni ravni ter povezovanje virtualnih in fizičnih proizvodnih sistemov.

2.1.1 Komponente industrije 4.0

Ključne komponente industrije 4.0 so [5]:

‐ kibernetsko-fizični sistemi (angl. Cyber-Physical Systems)

‐ internet stvari (angl. Internet of Things – IoT)

‐ internet storitev (angl. Internet of Services – IoS)

‐ pametna tovarna (angl. Smart Factory)

Kibernetsko-fizični sistemi (CPS) so integracija računalniških, omrežnih in fizičnih sistemov. Kibernetski sistemi so sestavljeni iz logičnih enot in senzorjev, medtem ko fizične sisteme predstavljajo aktuatorske enote. Kibernetsko-fizični sistemi so torej pametni, povezani sistemi z vgrajenimi senzorji, procesorji in aktuatorji, ki »se zavedajo« okolja in se odzivajo v fizičnem okolju. Omogočajo delovanje na principu povratne zanke in s tem zagotavljajo optimalno načrtovanje in delovanje proizvodnih procesov. Z uporabo ustrezne senzorske tehnologije lahko CPS-ji sprejmejo direktne podatke realnega sistema in procesa ter jih pretvorijo v digitalne signale. Te informacije potem posredujejo na digitalno omrežje, ki je dostopno ostalim sistemom v podjetju ter tako sooblikujejo internet stvari [6].

Internet stvari (IoT) je medsebojna povezanost stvari (izdelki, procesi, kraji itd.) in ljudi preko z internetom povezanih tehnologij (računalniških naprav, pametnih telefonov), ki

(33)

od glavnih povezav med fizičnim ter digitalnim svetom. Preko njega se lahko izvaja natančen nadzor in optimizacija sredstev (energijskih, finančnih virov) ter dejavnosti na vseh področjih oskrbovalnih verig [7, 8].

Internet storitev (IoS) je nov poslovni model, ki uporablja internet kot povezovalni medij za nudenje in prodajanje različnih storitev (dobava, servisiranje, vzdrževanje, recikliranje itd.).

Ponudniki in porabniki storitev tvorijo poslovne mreže, kjer gre za izmenjavo zahtev porabnikov in temu primernih ukrepov ponudnikov storitev. Znotraj teh mrež različne organizacije, skupine (podjetje, kupci, posredniki, dobavitelji) ali oddelki (raziskave, razvoj, konstrukcija, proizvodnja, trženje, prodaja in distribucija) delujejo usklajeno in interaktivno, kar daje dodatno vrednost storitvi. Prav tako je pomembno, da se storitve enega poslovnega procesa usklajujejo in dopolnjujejo s storitvami drugih poslovnih procesov, z namenom, da se zadosti zahtevam, ki presegajo zmožnosti ene organizacije [9].

Pametne tovarne so glavni steber industrije 4.0. So skupek tehnologij, ki omogočajo izvajanje optimalnih metod in tehnik za upravljanje kompleksnih procesov in sistemov ter izdelovanje dobrin z visoko učinkovitostjo. V pametni tovarni imajo ključno vlogo pametni izdelki, pametni stroji in naprave, procesi, ki morajo biti popisani z modeli v digitalnem okolju. Med ljudmi, stroji, izdelki in drugimi viri poteka komunikacija (izmenjava informacij) preko interneta stvari. V ta namen mora imeti pametna tovarna standardizirane mrežne vmesnike, ki omogočajo komunikacijo, edinstveno identiteto in spomin, avtonomnost ter možnost lokaliziranja v vsakem trenutku. Te in še nekatere druge značilnosti pametne tovarne so prikazane na sliki 2.2. Cilji pametne tovarne so povečati produktivnost in fleksibilnost proizvodnje, avtomatizirati delovna mesta, zagotoviti varno delovno okolje, skrajšati pretočne čase, znižati proizvodne stroške, dosegati visoko kakovost proizvodov in optimizacija procesov tovarne preko virtualnih modelov in simulacij [4].

Slika 2.2: Značilnosti pametne tovarne [10].

CPS, IoT in IoS pametnim tovarnam omogočajo upravljati kompleksne procese in sisteme.

S sodobno informacijsko in komunikacijsko tehnologijo poteka preko brezžične povezave

(34)

– izdelki kot to prikazuje slika 2.3. Delavec se v vsakem trenutku zaveda kaj se dogaja v proizvodnji in v primeru zastojev lahko hitro reagira in odpravi napako. Na sliki 2.3 so prikazani ukrepi za prehod tovarne iz tradicionalne v pametno.

Slika 2.3: Današnja proizvodnja in ukrepi za njeno optimizacijo [4].

Eno izmed osnovnih načel industrije 4.0 je povezovanje sistemov, strojev in naprav ter ostalih delovnih enot z namenom, da se ustvari pametne mreže znotraj vrednostne verige, katere lahko potem delajo ločeno in avtonomno izvajajo kontrolo med seboj [11]. Gre za idejo, ki bi močno povečala učinkovitost proizvodnih in ostalih sistemov na področju industrije. V skladu s tem se bo odvijal napredek predvsem v treh smereh [5]:

1. Digitalizacija proizvodnje: digitalna tehnologija bo prisotna na vsakem koraku, s čimer se bo omogočilo in zagotovilo takojšen vpogled v sprotne podatke iz proizvodnih obratov, boljše in učinkovitejše proizvodne procese, celovito obvladovanje in vodenje proizvodnega procesa (od materialnih tokov, sledenja delavcev, dela in tehnoloških postopkov), vodenje sledljivosti proizvodov ter spremljanje in ugotavljanje ključnih parametrov v proizvodnji.

2. Avtomatizacija: ena izmed rešitev za znižanje proizvodnih stroškov ter hkrati povečanje produktivnosti in kakovosti proizvedenih izdelkov je uvajanje delovnih mest, kjer prisotnost človeka ni potrebna. Njihovo mesto prevzemajo stroji, predvsem roboti. Pri industriji 4.0 so pomembni predvsem avtomatizirani sistemi za pridobitev podatkov iz proizvodnih linij in delovnih strojev.

3. Povezovanje proizvodnih in dobavnih členov v obširno globalno verigo, kjer bo potekala hitra in učinkovita izmenjava informacij.

Zgoraj naštete in iz slike 2.3 razvidne karakteristike moderne proizvodnje učinkujejo tudi na samo zasnovo in ureditev proizvodnih procesov. Pri industriji 4.0 tako lahko govorimo o

(35)

1. Integralni pristop: vse komponente podjetja (oddelki, stroji, procesi, ljudje…) se morajo med seboj povezovati, dopolnjevati in komunicirati preko interneta stvari. Sodelovanje med oddelki, ki so zadolženi za določeno fazo nastanka izdelka je pomembno predvsem z vidika preprečevanja napak (osredotočenost na začetne faze nastajanja izdelka) in reševanja zapletov, nejasnosti. Z uvedbo integralnega pristopa se zelo zmanjšajo proizvodni stroški, skrajša pretočni čas in poveča kakovost izdelkov.

2. Virtualni modeli: dejanski procesi in razmere na strojih se spremljajo s pomočjo senzorske tehnologije, ki je povezana z virtualnimi modeli. Za industrijo 4.0 je pomembno, da ima vsak proces iz fizičnega okolja svoj t.i. digitalni dvojček v virtualnem okolju, kjer se lahko ustrezno preoblikuje, testira določene spremembe ali izboljšave v popolni izolaciji oziroma brez posega v dejanske, fizične procese. Šele, ko virtualni model izpolnjuje želene kriterije in deluje brezhibno, se temu primerno prilagodi tudi procese v realnem okolju.

3. Decentralizacija: pri industriji 4.0 je različnim sistemom znotraj pametne tovarne omogočeno, da se odločajo avtonomno in ob tem ne odstopijo od skupnega cilja organizacije.

4. Analiza podatkov v realnem času: za učinkovito in zanesljivo delovanje pametne tovarne je potrebno skorajda vse storiti v realnem času. Nadzor in optimizacija elementov proizvodnega procesa, zajemanje, prenašanje in obdelava ogromnih količin podatkov kot tudi interakcija med napravami, izdelki v proizvodnji in ljudmi so stvari, ki morajo biti dosežene v realnem času.

5. Osredotočenost na storitve: pri industriji 4.0 internet stvari oblikuje potencialne storitve, ki se povezujejo in dopolnjujejo med seboj ter ustvarjajo internet storitev za hiter in učinkovit odziv na potrebe potrošnikov.

6. Modularna gradnja (slika 2.3): modularna gradnja izdelkov in proizvodnih sistemov povečuje fleksibilnost pametne tovarne. To je ena izmed rešitev za različne in hitro spreminjajoče potrebe trga, saj se z modularno gradnjo proizvodnja hitro in enostavno prilagodi na trenutne zahteve. Določena proizvodna linija se lahko zamenja, razširi ali nadgradi z nikakršnim ali minimalnim posegom v ostale izdelke ali proizvodne procese.

2.1.2 Vloga simulacije proizvodnih procesov v industriji 4.0

Proizvodni sistemi in procesi postajajo vse kompleksnejši in posledično preko klasičnega pristopa ocenjevanja razmer in načrtovanja »po občutku« težko obvladljivi. V industriji 4.0 dodatno odločitveno oporo predstavljajo simulacijska orodja, s pomočjo katerih se proizvodne procese izvaja in analizira v virtualnem okolju. S simulacijo se lahko pridobi podatke o preteklem, trenutnem ali prihodnjem stanju proizvodnje, na podlagi katerih se sisteme in procese natančneje spoznava, bolje organizira in odpravi oziroma zmanjša število zastojev. Pri preučevanju in načrtovanju kompleksnih proizvodnih procesov, na izvedbo katerih vpliva veliko različnih parametrov, se z uporabo simulacijskih orodij enostavneje popiše vhodne parametre, analizira izhodne in njihovo relacijo z vhodnimi parametri [12, 13]. Oblikuje se lahko različne virtualne modele in podmodele (podmodel procesa, izdelka, delovnih sredstev ipd.) ter se jih združuje v skupen sistem imenovan virtualna tovarna. V njej se podatki realnega informacijskega sistema izmenjujejo s podatki virtualnega sistema, ki se pridobijo s pomočjo simulacij (slika 2.4). Na principu povratne zanke se s pomočjo

(36)

simulacije obvladuje dejanske proizvodne procese in nadzorovano načrtuje ter implementira nenehne izboljšave realnih sistemov in procesov [14].

Slika 2.4: Način uporabe simulacije za obvladovanje procesov [14].

V proizvodni industriji je večino napak generiranih v fazi razvoja in planiranja, zaznane in odpravljene pa so šele v fazi proizvodnje [15]. Za odpravo teh napak so zato potrebni ukrepi oziroma posegi v procese po tem, ko že steče planirana proizvodnja, kar za podjetja pomeni visoke stroške, podaljševanje dobavnih rokov in naraščanje nezadovoljstva kupcev. V industriji 4.0 se zato simulacija uporablja tudi kot vezni člen med fazo planiranja in fazo proizvajanja. Njen namen je načrtovanje, preverjanje in analiziranje proizvodnih procesov v virtualnem okolju brez kakršnihkoli posegov v dejanski proizvodni sistem. Ob tem se ne porablja dejanskega materiala, energije in sredstev, kar je še dodatna prednost simulacije.

Na podlagi rezultatov simulacij se napake pravočasno odkrije in odpravi ter tako zniža stroške in poveča zanesljivost dejanske proizvodnje [12, 13].

(37)

2.2 Digitalizacija proizvodnih tehnologij in sistemov

Ko je govora o digitalnem svetu in njegovih orodjih za industrijo velja najprej razložiti pojem digitalizacija, ki se velikokrat uporablja v napačnem kontekstu. Digitalizacija ali digitalna transformacija je integracija več različnih tehnologij z namenom pretvorbe podatkov in informacij v digitalno obliko [16, 17]. Gre za sposobnost izkoriščanja več virov podatkov [2]. V industriji je vir podatkov lahko človek, produkt, stroj ali oprema. Preko različnih tehnik in tehnologij se podatke zajame, prenese v digitalno okolje in obdela na način, da koristijo in predstavljajo pomembno oporo pri odločanju. Podjetja se odločajo za digitalizacijo proizvodnje, ker v tem vidijo priložnost za dosego večje produktivnosti in učinkovitosti poslovanja [18]. Povečuje se transparentnost, kar pomeni več podatkov v dobavni verigi in več podatkov na dosegu roke potrošnikov, s čimer se moč premakne na stran potrošnikov. Transparentnost podatkov in razna orodja digitalnega okolja potrošniku olajšajo medsebojne primerjave lastnosti izdelkov (primerjanje cen, zmogljivosti oziroma delovanje izdelka) ali oceno kakovosti opravljene storitve. Vsaka slabo izvedena storitev ali napaka na izdelku je pri potrošniku hitreje prepoznana. Digitalizacija procesov v podjetjih pripomore, da se le-ta v realnem času odzivajo na kritike potrošnikov [2]. V primeru pozitivnih kritik nadaljujejo razvoj v začrtani smeri, v primeru negativnih kritik prenehajo izvajati aktivnosti, ki povzročajo nezadovoljstvo kupcev in poizkušajo zmanjšati tveganje za ponovitev napake. Da so podjetja v realnem času sposobna ugoditi hitro spreminjajočim potrebam trga je potrebno celotno vrednostno verigo prilagoditi in digitalizirati procese znotraj verige. S tem se proizvodnim podjetjem poveča fleksibilnost, kar jim daje možnost proizvajati izdelke tudi v manjših serijah na dobičkonosen način [8, 19].

Po navedbah vira [8] bo uspešnost digitalne transformacije proizvodne industrije odvisna od prilagoditve in implementacije digitalnih tehnologij v malih in srednje velikih podjetjih (angl. Small and Medium-sized Enterprises – SME), saj prav ta oblikujejo »hrbtenico«

večine gospodarstev. Tovrstna podjetja v vlogi dobaviteljev predstavljajo pomemben člen v oskrbovalni in vrednostni verigi velikih multinacionalnih podjetij, zato je digitalizacija SME-jev v interesu tudi velikih podjetij, da se lahko oblikuje IoT in IoS znotraj obeh omenjenih verig.

Hitrost realizacije digitalizacije proizvodnje je v veliki meri odvisna od kvalitete obstoječe baze proizvodnih podatkov. Ta je predvsem v SME-jih zelo heterogena in nezadostna, kar predstavlja precejšnjo oviro pri oblikovanju primernega digitalnega okolja z digitalnim dvojčkom, ki je eden izmed glavnih ciljev digitalizacije proizvodnje in je predstavljen v poglavju 2.4 Digitalni dvojčki. Za dosego zadostne stopnje integracije podatkov med fizičnim in digitalnim okoljem, da se lahko kreira digitalni dvojček je tekom digitalizacije proizvodnje potrebno izvesti ustrezne ukrepe v proizvodnem in virtualnem okolju podjetja [20]:

1. Vključitev sledljivosti in nadzora s pomočjo senzorjev in strojnega vida za pridobivanje podatkov proizvodnih procesov. Sledljivost s senzorji nam daje informacije o poteh in poziciji zaposlenih v proizvodnji, mobilnih proizvodnih napravah (npr. viličarji) ter izdelkih. Strojni vid pa omogoča zaznavanje in identifikacijo vrste oziroma tipa izdelkov v proizvodnji, ugotavljanje geometrijske ustreznosti izdelkov, stanja strojev, razmer na stroju med obdelavo ipd.

(38)

2. Razvoj sistema virtualne proizvodnje, ki generira podatke glede na dejanski proizvodni sistem z vključenima v prvem koraku omenjenima tehnologijama pridobivanja podatkov.

3. Kreira se dva nivoja znotraj sistema virtualne proizvodnje, in sicer izvleček podatkov (podatkovni nivo) ter informacijski in optimizacijski nivo. Pri vsem tem ima pomembno vlogo internet stvari (IoT), ki povezuje fizični in digitalni svet.

4. Strojna oprema za pridobivanje podatkov iz dejanskih proizvodnih procesov se poveže s podatkovnim nivojem.

Zaradi pomanjkanja znanja in veščin za vpeljavo novih tehnologij v proizvodnjo ter strahu pred kompleksnostjo in prevelikimi stroški se predvsem SME-ji previdno in posledično počasi soočajo z digitalizacijo [8]. Digitalna orodja, med katera spada tudi digitalni model za simulacijo materialnega toka, zahtevajo posebno strokovno znanje za njihovo učinkovito rabo in pridobivanje ustreznih podatkov, da se v čim večji meri izkoristi potencial tovrstnih orodij znotraj proizvodne industrije. V ta namen velika podjetja zaposlujejo strokovnjake znotraj posameznih oddelkov, da je poskrbljeno za natančen popis procesov in izvajanje simulacij. Čeprav so proizvodni sistemi v SME-jih enako ali celo bolj kompleksni kot v velikih podjetjih, se večina SME-jev težje odloča za investicije v razširitev kadra za obvladovanje proizvodnih sistemov z digitalnimi orodji. Razlog za to je pomanjkanje finančnih sredstev in strah pred neuspehom. V SME-jih lahko že manjša napaka pri postopku implementacije načrtovanih sprememb ogrozi poslovanje podjetja. Kljub zahtevnejši nalogi glede realizacije digitalizacije se SME-ji zavoljo svojega obstoja digitalni transformaciji procesov v bližnji prihodnosti vseeno ne bodo mogli izogniti. Ena izmed rešitev, ki olajša pot do uveljavitve digitalnih simulacijskih orodij, je avtomatska generacija simulacijskega modela na podlagi že zbranih informacij znotraj podjetja [21].

Velika podjetja so bolj pripravljena vstopila v dobo digitalne transformacije industrije. V večini primerov imajo procese spremljane in nadzorovane bolj kot SME-ji, kar pomeni, da so podatki o procesih preglednejši. V večjih podjetjih je tudi oblikovanje kibernetsko- fizičnih sistemov z digitalnim dvojčkom enostavnejše, saj je v tovrstnih podjetjih v ospredju avtomatizacija in je tudi zbiranje informacij iz proizvodnega okolja ter prenos le-teh v centralno bazo podatkov že avtomatizirano. Na podlagi teh informacij se izvaja virtualno modeliranje in simulacije.

Tematika magistrskega dela je računalniško modeliranje in simulacija, zato bo v nadaljevanju govora predvsem o virtualnih modelih in analizi podatkov. Virtualni modeli nastajajo z uporabo digitalne tehnologije. Kreirajo se na računalnikih, ki procesirajo in uporabljajo digitalne informacije (informacije v obliki numerične kode). Zato se virtualne modele lahko poimenuje tudi z izrazom digitalni modeli.

2.3 Digitalni modeli

V viru [18] je podana sledeča definicija digitalnega modela: »Digitalni model je digitalna predstavitev obstoječega ali planiranega fizičnega objekta, kjer se ne uporablja nobena oblika avtomatizirane izmenjave podatkov med fizičnim in digitalnim objektom.« Kot je

(39)

objektom realizirana ročno. To pomeni, da sprememba stanja fizičnega objekta ne povzroči spremembe stanja digitalnega objekta v digitalnem modelu in obratno, če ni ročnega posega v stanje objekta. Med tovrstne modele spadajo simulacijski modeli za planiranje tovarn, matematični modeli novih produktov in ostali modeli fizičnih objektov, ki nimajo avtomatizirane integracije podatkov. Če so avtomatizirani podatkovni tokovi vzpostavljeni pomeni, da je kreiran digitalni dvojček fizičnega sistema (slika 2.5) [18].

Slika 2.5: Podatkovni tok pri digitalnem modelu (levo) in digitalnem dvojčku (desno) [18].

Digitalni model vključuje celovit popis fizičnega objekta. V proizvodni industriji se uporablja na različnih nivojih tovarne:

- Digitalni model tovarne služi za oblikovanje, planiranje, razporejanje infrastrukture tovarne. Z njim lahko simuliramo in testiramo različne variante tovarniškega koncepta.

- Digitalni model izdelka je digitalna verzija dejanskega izdelka in prikazuje faze življenjskega cikla izdelka. Iz digitalnega modela izdelka se lahko oblikuje simulacijski model, ki simulira nastajanje izdelka po posameznih obdelovalnih in montažnih operacijah ter omogoča testiranje izdelka že v začetnih fazah razvoja izdelka. S tem se izognemo kasnejšim napakam na izdelkih in minimaliziramo stroške izdelave izdelkov.

- Digitalni model segmentov proizvodnje (proizvodnega sistema, procesa, linije, stroja ipd.) se uporablja za snovanje in virtualni preizkus zagona in izvajanja operacij.

Pomemben je predvsem digitalni model za simulacijo proizvodnih operacij z namenom, da se določi in optimizira ključne parametre operacij. S tem skrbimo za učinkovito in nemoteno delovanje proizvodnje (preprečevanje ozkih grl, ugotavljanje napak v sistemu, preventivno vzdrževanje, da se izognemo nepričakovanim zastojem ipd.).

Z oblikovanjem digitalnih modelov za potrebe simulacije delovanja segmentov proizvodnje ali celotne tovarne se pridobi možnost virtualnega preizkušanja »kaj-če« scenarijev, kar bo izpostavljeno in podrobneje razloženo v nadaljevanju (poglavje 2.7 Optimizacija sistema s

»kaj-če« simulacijskimi scenariji). Poleg analiziranja preteklih in trenutnih razmer v tovarni lahko digitalni model služi tudi kot vzorec načrtovanja bodočih segmentov proizvodnje ali celotne tovarne. Digitalni modeli so pogosto uporabljeni med razvojem produkta ali pri planiranju proizvodnje. Z njihovo pomočjo je prenos informacij med odgovornimi osebami enostavnejši in proces načrtovanja planiranih akcij bolj učinkovit, saj se v precejšnji meri zmanjša tveganje za napačne odločitve in kasnejše težave pri vzpostavitvi dejanskega sistema. Za digitalni model, ki je virtualna replika fizičnega objekta in simulira dejansko dogajanje v tovarni v realnem času se uporablja izraz digitalni dvojček [22].

(40)

2.4 Digitalni dvojčki

Z razvojem digitalne tehnologije se je tudi na področju industrije pričelo razreševati probleme in iskati rešitve s pomočjo računalniških modelov in simulacij. Vse cenejša in zmogljivejša računalniška oprema, programska orodja prilagojena proizvodnim aplikacijam, pametne naprave, senzorji, internet stvari itd. skrbijo za vedno večjo povezanost realnega sveta z digitalnim. Preteklo, trenutno ali prihodnje stanje določenega segmenta ali celotne proizvodnje se določa na podlagi ogromnih količin podatkov, ki so pridobljeni z meritvami in analizirani v realnem času. Na podlagi senzorskih meritev se v realnem času v digitalnem okolju vseskozi razvija in posodablja digitalni model ali t.i. digitalni dvojček opazovanega objekta ali procesa. Digitalni dvojček je virtualna predstavitev stanja fizičnega objekta, procesa, storitve v skladu z možnostmi modela, pridobljenimi informacijami in podatki [20, 22]. Za namene proizvodne industrije je v viru [23] digitalni dvojček razložen na sledeč način: »Digitalni dvojček sestoji iz virtualne predstavitve proizvodnega sistema, katera ima možnost izvedbe simulacije v različnih simulacijskih disciplinah, ki so, zahvaljujoč zaznanim podatkom in povezanim pametnim napravam, matematičnim modelom in obdelavi podatkov v realnem času, okarakterizirana s sinhronizacijo med virtualnim in realnim sistemom.« Z vidika proizvodnih sistemov industrije 4.0 je njegov glavni namen ta, da pomaga napovedovati obnašanje proizvodnega sistema v vsaki fazi življenjskega cikla in optimizirati proizvodno učinkovitost v realnem času [20, 22, 23]. Ključno vlogo pri tem imajo razni senzorji. S senzorsko tehnologijo se spremlja objekt ali proces v realnem okolju in zajete informacije se v realnem času posredujejo v virtualno okolje (na računalnik), kjer se preko digitalnega modela simulira objekt ali proces s trenutnimi nastavitvami. Digitalni dvojček s tem nudi pomemben vpogled v delovanje sistema. Lahko se izvede analiza prejetih podatkov, informacij v določeni periodi in ugotovi trend dejanske proizvodnje. Primerja se ga z idealnim trendom in če dejanski potek proizvodnje ni v dopustnem območju se v skladu z digitalnim modelom prilagodi realno okolje. Digitalni dvojček tako narekuje ustrezne ukrepe v fizičnem svetu. Ti ukrepi so lahko na primer vezani na spremembe pri proizvodnih procesih ali na samem izdelku [22].

Digitalno proizvodno okolje združuje napredne proizvodne tehnike in IoT, s čimer poteka komunikacija, obdelava informacij in analiza z namenom uvajanja pametnih ukrepov v fizično okolje. Vse skupaj je zasnovano na principu povratne zanke in digitalni dvojček je del tega zaokroženega sistema [22]. Iz proizvodnih procesov preko senzorjev pridobivamo podatke, ki jih posredujemo na računalnik, kjer potem na digitalnih dvojčkih izvedemo primerne simulacije in analiziramo rezultate. Rešitve, ki so optimalne, prenesemo na dejanske procese. Novi vhodni podatki generirajo nove izhodne podatke, ki jih uporabimo za ponovne računalniške analize in simulacije. Na sliki 2.6 so prikazane omenjene relacije med fizičnim in digitalnim okoljem na primeru proizvodnega procesa pametne tovarne.

Preko povratne zanke se izvajajo nenehne izboljšave proizvodnega okolja [22].

(41)

Slika 2.6: Povezava fizičnega in digitalnega okolja v primeru digitalnega dvojčka [22].

Kot je vidno na sliki 2.6 je za učinkovito delovanje fizično – digitalnega modela proizvodnega procesa z implementiranim digitalnim dvojčkom potrebnih pet komponent [22]:

- Senzorji

Senzorji, ki so nameščeni na določenih lokacijah delovnega mesta beležijo različne parametre proizvodnih procesov (trenutna lokacija izdelka, hitrost, transportne poti, tip izdelka ipd.). Iz procesnih in parametrov okolja (temperatura, vlažnost…), ki vplivajo na dejanske proizvodne procese, senzorji kreirajo signale, ki jih lahko analiziramo v digitalnem okolju.

- Podatki

S senzorjem zajeti podatki delovnih operacij in okoliških vplivov se združijo z ostalimi podatki podjetja (podatki o materialih, podatki iz tehnične dokumentacije itd.). Kombinacija teh podatkov omogoča celovit vpogled v realno okolje in posledično natančnejše simulacije v digitalnem okolju.

- Integracija

Podatki se iz senzorjev posredujejo na računalnik preko integracijske tehnologije (komunikacijski vmesniki, varnostni sistemi…). Integracija poteka tudi v obratni smeri.

Novi podatki pridobljeni iz simulacij in drugih oblik analize v digitalnem okolju se integrirajo v fizično okolje na dejanske procese, stroje in naprave.

- Analiza

Za iskanje optimalnih rešitev se uporabljajo različne analitične tehnike. Podatke iz fizičnega sveta se analizira preko raznih simulacij in ostalih orodij, ki jih omogoča koncept digitalnega dvojčka.

- Aktuatorji

Po obdelavi in analizi podatkov na računalniku se nove zamisli realizirajo na dejanskih procesih. Pretvorniki, ki signal iz digitalnega sveta pretvorijo v akcijo v fizičnem svetu so aktuatorji. Skupaj s človeškimi posegi skrbijo za realizacijo rešitev dobljenih s pomočjo digitalnega dvojčka.

(42)

Senzorji in aktuatorji so del fizičnega sveta, medtem ko se obdelava podatkov in analiza dogaja na digitalni strani modela (slika 2.6). Vseskozi pa poteka integracija elementov fizičnega okolja z elementi digitalnega in obratno. Digitalni dvojček je aplikacija, ki uporablja senzorje, podatke, integracijo in analitiko na način, da ustvarja simulacijski model fizičnega procesa z možnostjo delovanja v realnem času.

Glavni izziv pri kreiranju digitalnega dvojčka proizvodnega procesa je določitev optimalne količine detajlov, s katerimi popišemo realni proces v virtualnem okolju. V primeru, da se snovanja digitalnega modela lotimo preveč obsežno in detajlno se lahko hitro izgubimo v kompleksnosti sistema. Če namreč želimo zajeti vsako najmanjšo podrobnost procesa in njegove okolice ter ob tem zagotoviti funkcionalnost digitalnega modela, je potrebno v opazovan sistem vgraditi ogromno senzorjev in v digitalnem sistemu potem obdelati še več signalov, ki jih ti senzorji vseskozi generirajo. Vse to lahko vodi do nepreglednosti celotnega sistema, izgube časa in smisla modela. Po drugi strani pa, če preveč poenostavimo snovanje digitalnega dvojčka ne izkoristimo vsega potenciala, ki nam ga ta koncept ponuja. Zato je pomembno poiskati kompromis in določiti katere podrobnosti, parametri fizičnega okolja so za proces in model ključni in kateri imajo zanemarljiv vpliv na sistem. Na sliki 2.7 so prikazane smernice kreiranja in razvijanja digitalnega dvojčka [22].

Slika 2.7: Izdelava digitalnega dvojčka [22].

Za čim boljši nadzor nad poslovanjem je potrebno digitalni dvojček postopoma integrirati v celotno organizacijsko strukturo podjetja. Cikel snovanja digitalnega dvojčka se ponovi za različne segmente podjetja. Nastajajo nove variante modelov poslovnih in proizvodnih procesov, ki omogočajo hitre odzive podjetja na nove, vse bolj kompleksne zahteve globalnega trga. Proizvodna podjetja, ki želijo na globalni ravni ostati konkurenčna razvijajo ključne tehnologije za digitalizacijo proizvodnje kot tudi celotne oskrbovalne verige. Nove

(43)

v realnem času, avtonomne sisteme, kar omogoča uporabo digitalnih dvojčkov skozi celoten cikel nastajanja izdelka (od razvoja, konstruiranja do izdelave in prodaje). S tem se poveča učinkovitost proizvodnje in podjetjem omogoči proizvajanje oblikovno in tehnično zahtevnejših izdelkov [20, 24].

Proizvodni inženirji in proizvodni delavci obvladujejo razvoj izdelka in proizvodnjo z integralnim pristopom. Montažni in proizvodni procesi se izvajajo s podporo digitalnih tehnologij, ki so sestavni del digitalnih dvojčkov in avtomatizirane montaže, robotov, 3D tiskanja in analize podatkov. Prednosti inovativnih digitalnih tehnologij se v podjetju odražajo na različne načine. Pripomorejo k optimalni zasnovi izdelka že v prvem poizkusu, omogočajo potek proizvodnje brez nenačrtovanih zastojev ali izpadov in prilagajanje dobave glede na povpraševanje. Največji učinek digitalizacije pa je lahko dosežen le, ko so podjetja s svojimi ključnimi dobavitelji in kupci povezana v realnem času [24].

Digitalne tehnologije, ki pomagajo delavcem v enakem času narediti več in izboljšujejo procese ter kakovost izdelka, igrajo vse pomembnejšo vlogo v proizvodni industriji. Poleg sodelovanja med človekom (delavcem) in robotom je oblikovanje digitalnih dvojčkov glavno področje, na katerem se bo gradila industrija prihodnosti [24].

2.5 Simulacijski modeli proizvodnih linij

Osnovni gradniki digitalnih dvojčkov so simulacijski modeli. Če želi proizvodno podjetje ostati konkurenčno mora proizvodne sisteme in procese znotraj tovarne vseskozi prilagajati novim in vedno bolj zahtevnim potrebam trga. Da so možne hitre spremembe sistemov in procesov znotraj tovarne, je dobro poznavanje že tako kompleksnega obstoječega stanja proizvodnje ključnega pomena. Definirani morajo biti elementi proizvodnih sistemov, brez katerih proizvodnja ne more potekati in interakcije med njimi, da se lahko zavedamo posledic posamezne akcije (spremembe, izboljšave, posodobitve stanja), ki jo nameravamo izvesti v tovarni. Ena izmed rešitev za boljše razumevanje, učinkovitejše obvladovanje proizvodnih sistemov in procesov ter večjo podporo pri odločanju o prej omenjenih akcijah je vzpostavitev simulacijskih modelov proizvodnih linij.

Simulacijski model je računalniška predstavitev obravnavanega objekta ali sistema, katera preko simulacije odraža aktivnost objekta ali sistema. Zasnovan je na osnovi matematičnih zakonitosti, preko katerih se pri izvajanju simulacij na osnovi vhodnih podatkov generirajo izhodni podatki, s čimer se opisuje dinamično obnašanje simuliranega sistema [25, 26].

Njegovo osnovno strukturo se lahko poenostavljeno zapiše z naslednjo enačbo [27]:

𝐸 = 𝑓(𝑋_𝑖, 𝑌_𝑗) (2.1)

Kjer je:

E…učinek delovanja sistema

Xi…spremenljivke in parametri, ki so nadzorovani Yj…spremenljivke in parametri, ki niso nadzorovani f…razmerje med Xi in Yj, ki daje vrednost E

(44)

Simulacijski model je sestavljen iz vhodnih veličin Xi, ki so nadzorovane in je njihova vrednost poznana ter iz vhodnih spremenljivk in parametrov Yj, ki niso nadzorovani in se njihova vrednost samo predvideva ali se je sploh ne pozna. Slednje so v modelu prisotne, ker običajno niso znane vse podrobnosti opazovanega procesa ali pa je število spremenljivk tolikšno, da z vključitvijo vseh modeliranje procesa postane preveč kompleksno. Zaradi teh razlogov model skoraj nikoli ni povsem enak originalu in približno popisuje opazovani sistem ali segment sistema [3]. Vpliv spremenljivk ter parametrov, ki se jih v procesu ne da jasno popisati, mora biti tako majhen, da se simulacijski model na relaciji vhod-izhod obnaša enako kot original, kar je poglavitna karakteristika simulacijskega modela. Modele zato ne označujemo kot pravilne ali napačne, resnične ali neresnične ampak jih opisujemo z besedami primerni ali neprimerni, dovolj natančni ali dovolj nenatančni [27]. Osnovni princip uporabe simulacijskega modela materialnega toka je z blok shemo predstavljen na sliki 2.8 [28].

Slika 2.8: Shematični prikaz simulacijskega modela za montažno linijo [28].

Na sliki 2.8 z blokovno shemo prikazan primer uporabe simulacijskega modela je povzet iz vira [28] in je oblikovan z namenom analize delovanja montažne linije podjetja, ki se ukvarja z izdelavo ter montažo pohištva in industrijskih lesnih izdelkov. Glavne komponente omenjenega modela so [28]:

- nadzorovani vhodni podatki:

- število izdelkov, n

- število delovnih postaj, w - verjetnostni vhodni podatki:

- čas premikanja materiala od predhodne delovne postaje do trenutne, at

- čas čakanja izdelka na izvedbo procesa na trenutni delovni postaji, bt

- čas izvajanja procesa za izdelek na trenutni delovni postaji, c

(45)

- osrednji model za izračun časa izvajanja procesa za n število izdelkov - izhodni parametri:

- celoten čas prisotnosti n izdelkov na delovni postaji, tw

- celoten čas prisotnosti n izdelkov v montažnem sistemu, ts

- obratovalne karakteristike (stanje montažnega sistema po eni uri delovanja, povprečni čas čakanja na izvajanje operacije, celotni čas prisotnosti n izdelkov na montažni liniji) V primeru iz slike 2.8 je glede na velikost izdelkov in zmožnost posamezne delovne postaje število izdelkov, ki vstopijo na montažno linijo, omejeno s številom n. To število v danem času ne sme biti preseženo in je zato poleg števila delovnih postaj nadzorovan vhodni parameter simulacijskega modela. Verjetnostni vhodni časi at, bt, ct in dt so definirani na podlagi zbranih podatkov dejanskega sistema in njihove analize. Po oblikovanju okvirnega simulacijskega modela z definiranimi vhodi in izhodi je za izvajanje simulacij modeliranih materialnih tokov potrebno modelu v pravilnem zaporedju dodati še logične ukaze [28].

Količina detajlov, ki jih je potrebno vključiti v model, je odvisna od namena, za katerega se model razvija in mejnih prispevkov dodatnega detajla. Simulacijski model, ki se na primer razvije z namenom določitve triletnega strateškega načrta podjetja, ni potrebno, da vključuje zelo podrobno definirane proizvodne urnike na vseh strojih. Po drugi strani pa mora model, ki je oblikovan za vrednotenje alternativnih proizvodnih urnikov za izpolnitev mesečne kvote, vsebovati podroben opis procesov vključujoč čase na vseh strojih za vse izdelke [27].

Potek proizvodnega procesa je zapleten sistem, na katerega vplivajo številni faktorji in interakcije med njimi. Simulacijski model je podprt z ustrezno logiko in kontrolno strategijo, da se preko simulacije lahko virtualno prikaže potek modeliranega procesa ali možne variante izvajanja procesa. Obstaja kar nekaj računalniških orodij oziroma programske opreme za oblikovanje simulacijskih modelov proizvodnih linij. Med najbolj uporabljenimi so Tecnomatix Plant Simulation, Delmia in Arena^® Simulation Software [15, 25, 28].

Vključevanje računalniških rešitev kot je simulacijski model v proizvodni inženiring pripomore k zmanjšanju tveganja za napake med implementiranjem večjih sprememb obstoječega proizvodnega sistema (npr. moderniziranje proizvodnih linij). Posledično se lahko občutno zmanjšajo stroški in skrajšajo časi načrtovanja in poseganja v obstoječ sistem.

Z rešitvami, ki so podkrepljene s simulacijskim modelom podjetje torej učinkoviteje izbira proizvodne strategije. Simulacijski modeli prikazujejo lastnosti in omejitve preučevanih sistemov kot tudi obnašanje sistemov oziroma način izvajanja procesov v specifičnih pogojih. Običajno se uporabljajo, ko je nemogoče ali zelo težko razviti analitično rešitev obravnavanega problema, kar se pojavi v primeru analiziranja dinamičnega obnašanja proizvodnih sistemov in procesov [25].

Pri gradnji modela je potrebno stremeti k temu, da se oblikuje čim bolj enostaven model, ki čim bolj natančno popisuje aktivnost modeliranega objekta. Sklene se veliko kompromisov in poenostavitev, saj se z večanjem natančnosti modela veča njegova kompleksnost [3]. Če se v model vključi preveč podrobnosti opazovanega sistema, je opredelitev vpliva ključnih spremenljivk otežena. Iz tega razloga modeliranje od oblikovalca zahteva ustrezno znanje o modeliranem objektu in dobro poznavanje uporabljenega računalniškega programa. Po izdelavi modela se izvede simulacija, da se analizira točno določene elemente sistema ali procesa [25].

(46)

2.6 Računalniška simulacija

Preučevanje pojavov in procesov je povezano z vrsto aktivnosti začenši s praktičnimi aktivnostmi v obliki opazovanja preučevanega subjekta in vplivnih dejavnikov ter z zaključkom v obliki teoretične analize [25]. V industriji 4.0, kjer je v ospredju uporaba informacijsko-komunikacijske tehnologije, se vse več industrijskih sistemov in procesov preučuje z aktivnostmi vezanimi na virtualno okolje. Omenjene aktivnosti s skupno besedo imenujemo računalniška simulacija.

Simulacija se lahko izvede tudi brez uporabe računalnika (na fizičnih modelih) vendar je to zelo zamuden način pridobivanja zadovoljive rešitve in obravnavan problem v tem času lahko že spremeni lastnosti. Večina simulacij je zato računalniških. Izbere se ustrezna programska oprema, da modeliranje, izvajanje simulacijskega procesa ter analiza podatkov potekajo hitreje, enostavneje ter učinkoviteje [3, 27].

Vir [25] računalniško simulacijo pojasnjuje kot učinkovito raziskovalno metodo, ki s pomočjo ustrezne programske opreme v virtualnem okolju z uporabo simulacijskega modela približno ponazarja delovanje preučevanega sistema. Sestavljajo jo sledeče aktivnosti [25]:

- opredelitev problema,

- izdelava simulacijskega modela, - oblikovanje programa za računalnik, - preverjanje primernosti modela,

- načrtovanje simulacijskih eksperimentov,

- izvajanje simulacijskega procesa in analiziranje rezultatov.

Naštete aktivnosti so med seboj tesno povezane. Na primer, če se pri vrednotenju in analiziranju rezultatov simulacije pokaže potreba po spremembi modela, se je potrebno vrniti na začetne aktivnosti in jih dopolniti. Po zaključku določene aktivnosti torej ni nujno, da se ta aktivnost delno ali v celoti ne ponovi v nadaljevanju raziskovanja, kar je razvidno tudi iz slike 2.9. Pri izvajanju vseh aktivnosti se je potrebno zavedati raziskovalnega cilja simulacije, da se izbere čim bolj enostavna pot do izpolnitve cilja. Na sliki 2.9 so prikazani posamezni koraki, ki se odvijajo znotraj prej naštetih šestih aktivnosti računalniške simulacije. Prva aktivnost, tj. opredelitev problema je dodatno razmejena na tri korake, v katerih se formulira problem, našteje omejitve in razmisli o smiselnosti uporabe simulacije za reševanje problema. V naslednjih podpoglavjih, v katerih so podrobneje opisane posamezne aktivnosti računalniške simulacije, so vključeni tudi opisi korakov, ki so za pridobitev ustreznih rezultatov pri raziskovanju ključni in si sledijo v takšnem zaporedju kot je predstavljen na sliki 2.9 [27].

(47)

Slika 2.9: Koraki računalniške simulacije [27].

(48)

2.6.1 Opredelitev problema

V prvem koraku računalniške simulacije je potrebno definirati problem, za katerega se kot možna rešitev ponuja simulacijsko eksperimentiranje. Na podlagi opazovanja izbranega procesa in že znanih dejstev se proces popiše. Pregleda se vhodne in izhodne elemente procesa ter samo izvajanje procesa ter njegove povezave z ostalimi komponentami sistema [3]. Na ta način se identificira glavni problem oziroma elemente procesa, ki imajo največji potencial za izboljšave. V primeru, da se z računalniško simulacijo želi predvideti delovanje še ne obstoječega procesa, se z opredelitvijo problema definira glavne karakteristike zahtevanega procesa.

Pri opredelitvi problema je potrebno izpostaviti vse omejitve, ki v procesu obstajajo, da se le-ta lahko izvaja in te omejitve predstavljajo nekakšne robne pogoje za preučevanje procesa.

Ob upoštevanju omenjenih omejitev je potrebno postaviti raziskovalni cilj in kot je tudi razvidno iz slike 2.9 oceniti smiselnost uporabe računalniške simulacije za rešitev problema oziroma izpolnitev cilja.

2.6.2 Izdelava simulacijskega modela

Če se oceni, da je uporaba simulacije smiselna za preučevanje opredeljenega problema, sledi izdelava modela. Vsak model nastane z vrsto aktivnosti, ki jih s skupno besedo imenujemo modeliranje. Za lažje razumevanje pomena le-tega za računalniško simulacijo je v nadaljevanju najprej na kratko razložen pojem modeliranja.

V SSKJ-ju je modeliranje definirano kot prenos lastnosti, značilnosti raziskovanega predmeta na podoben predmet, narejen po določenih pravilih [29]. Z modeliranjem se torej v obliki modela predstavi nek objekt ali sistem, njegove lastnosti, način delovanja ipd. Po načinu gradnje modelov se lahko razdeli v tri kategorije [3]:

- Formalno modeliranje, kjer se zakonitosti, ki veljajo med elementi modeliranega sistema ali procesa formalno opiše oziroma definira z besedami, predstavi z risbo ali diagramom.

Za bolj nazorno predstavo realnega sistema je formalni model običajno sestavljen kar iz kombinacije opisa ter diagramov ali risb.

- Fizično modeliranje, pri katerem se s fizičnim modelom predstavi izgled raziskovanega objekta ali njegovo delovanje. Običajno so fizični modeli kopija originalov v pomanjšanem merilu.

- Matematično ali logično modeliranje, kjer se teoretično predstavi realni sistem ali proces, kar pripomore k lažjemu in boljšemu razumevanju kako opazovan sistem ali proces deluje ali kako bi lahko deloval. Po naravi je tovrstno modeliranje kompleksnejše, saj gre za dinamično modeliranje [27].

Glede na naštete kategorije modeliranja obstajajo torej formalni, fizični in matematični modeli. Za potrebe računalniške simulacije se uporabljajo matematični in formalni modeli.

Slednji ni nujno, da so vključeni v postopek modeliranja računalniške simulacije. V primeru, da so prisotni, se kreirajo pred izdelavo simulacijskega modela. Formalni model nazorneje predstavi opazovan proces in problem. V formalnem opisu so med drugim izpostavljeni ključni parametri procesa in povezave med njimi, vplivni faktorji obravnavanega problema