Pojďme se zblízka zaměřit na druhou skupinu. Řadíme do ní výpočetní systémy využívající adaptivní regulátory, optimalizační metody, statistiky nebo jiné pokročilé vyhodnocovací metody. Jmenovat můžeme zejména APS systémy, které jsou často jedinými informačními systémy ve společnosti, které do této kategorie patří. Stav softwarové infrastruktury v pokročilé výrobní společnosti je složen z několika transakčních systémů (MES, WMS, docházkový systém), hlavního ERP systému a několika výpočetních systémů podporujících pokročilá vyhodnocení – forecasting SW a APS systémy.

APS jako adaptivní systém vůči okolnímu prostředí

APS systémy jsou většinou nastaveny jako transakční systém s neměnnými parametry. Takový stav naprosto neodpovídá možnostem daného odvětví. APS systémy hrají roli řídicího a výkonového centra mezi exekutivní vrstvou společnosti (MES, WMS, FI, HR) a „datovou centrálou” (ERP systémem). Z toho plyne, že jejich aktuální chování má být zpřesněno měnícími se parametry plánování podle aktuální konzistence dostupných vstupních dat (stavy zásob, zákaznické požadavky, kapacity strojní a lidské). APS systém je tedy živoucím organismem, který můžeme jeho chováním přirovnat k živočichovi adaptujícímu se na okolní prostředí.

Adaptace APS systému probíhá pomocí dynamických veličin, které je nutné spravovat v pravidelném cyklu. Tato operativa vyžaduje dokonalé pochopení prostředí, ve kterém se obsluha pohybuje. Pokud se ve výrobní společnosti takový uživatel nachází, jde o první krok k úspěšnému využití systémů na vyšší úrovni. Pokročilé vyhodnocovací nástroje se pak opravdu řadí do rozhodovacího systému společnosti obklopeného centrálním mozkem (ERP systémem) a exekutivou.

Překážky zavedení plánovacích nástrojů

Pokud již dojde k rozhodnutí zlepšit plánování pomocí systémů přímo k tomu určených, jen málo manažerů si uvědomuje, nakolik je firma pro takový projekt (ne)připravena. Implementace tak mohou zkrachovat nikoliv na začátku, ale bohužel hlavně v průběhu implementace. Příčin může být několik a v každé firmě se mohou vyskytnout v jiném zastoupení. Ze zkušeností s implementačními projekty se ukazuje, že hlavní je nedostatečná kvalita dat v interních informačních systémech. Pro podporu plánovacího nástroje jsou klíčové zdroje dat ERP a MES systémy.

Základem pro tvorbu plánu pomocí informačního systému je správná evidence výrobních číselníků a postupů. To, co lze v případě manuálního plánování nahradit zkušenostmi plánovače a vedoucích výroby, nelze využít pro APS systémy. Ty pracují vždy jen s daty, která mají k dispozici. Mohou být sice nastaveny tak, aby informovaly uživatele o možných problémech (například nedostatek vstupního materiálu), ale přináší to s sebou zvýšené úsilí během tvorby plánu a při operativním plánování založeném na online informacích z výroby.

Digitalizace z pohledu plánování

Posuňme se však ve světle Průmyslu 4.0 a IoT o kousek dál. Data pro přesné rozhodování a optimalizační výpočty jsou již dostupná. Automatizace a digitalizace z pohledu plánování je možná v několika po sobě jdoucích krocích:

• Vícehodnotová fuzzy logika – implementace rozhodovacích algoritmů v podobě scénářů reagujících na vzniklé situace.
• Zpětnovazební řízení – smyčka řízená regulační odchylkou dané veličiny a regulující se na základě předem definovaného modelového chování. Chování systému je nastaveno jako stabilní.
• Celočíselné programování – optimalizace zohlední situaci jako vícedimenzionální rovinu veličin (vytížení kapacit, zpoždění, skladové zásoby, cena dopravy, vytížení dopravců atp.), ve které nalezne lokální/globální minima, často je výpočetně velmi náročná. Tento přístup zohledňuje předem definované situace v určitém ohraničeném prostoru.
• Adaptivní regulace s prvky umělé inteligence – první „dynamický“ přístup k regulaci systému (výrobní společnosti) jako celku. Zakládá se na identifikaci chování systému, na jehož základě jsou nastaveny základní parametry. Následně probíhá takzvaná adaptivní regulace, tedy identifikace možného dalšího kroku, který již historicky nastal. Pokud tyto historické situace zaznamenáme a určíme v nich ještě souvislosti, posuneme stabilní systém na adaptivní systém.

Výrobní společnosti občas využívají první stupeň vyhodnocovacích scénářů – fuzzy logiku. I přesto jsou výsledky hmatatelné na první pohled:

• Autonomní reakce plánu 24/7.
• Řešení kolizních situací v reálném čase (problematika JIS/JIT plánování).
• Bezchybnost publikace na všechna dotčená pracoviště a úseky.

Pokud se přeneseme do blízké budoucnosti a využijeme z pohledu plánování všechny čtyři „self control“ stupně, dosáhneme plně automatizované informační struktury bez nutnosti zásahu člověka. Personální obsazení se pak přesune z exekutivní pozice na pozici kontrolora a údržbáře takového systému.

Vícehodnotová fuzzy logika – vytvoření plánu na jedno kliknutí

Vytvoření plánu se po implementaci APS systému redukuje na jedno kliknutí. Plán je vytvořen během několika desítek sekund. Není to samozřejmě tak úplně snadné – předem musí být sestaven plánovací algoritmus, který přesně reflektuje požadavky na plán. Pak se vytvořený plán blíží dokonalosti. Co takové vytvoření algoritmu znamená?

I ve zdánlivě jednoduchých automotive výrobách je přesné nastavení plánovacího algoritmu poměrně složité. Je to způsobeno řadou omezujících požadavků na plán. Typickou omezující podmínkou je velmi nízká meziprocesní zásoba.

Představte si situaci, kdy existuje několik paralelních pracovišť s poměrně dlouhým časem nastavení (a tím požadavkem na kumulaci dávek). Ty zásobují následující proces (pec) s kontinuálním zpracováním. Jedná se o dva asynchronní procesy, ale meziprocesní zásoba na dopravníku před pecí může být maximálně jedna hodina. Spolu s požadavkem na optimalizaci počtu obsluh se jedná o poměrně složitou plánovací úlohu.

Návrh ideálního algoritmu se v takových případech nemusí povést napoprvé. Je třeba postupovat iteračně – to znamená provést nastavení, algoritmus otestovat na konkrétních datech, provést úpravy a tento postup několikrát opakovat. Tento proces může trvat různě dlouho v závislosti na použitém řešení. Programování plánovacího algoritmu na míru může trvat týdny, na trhu jsou ale i systémy s přednastavenými komponenty, které stačí vhodně poskládat.

Pavel Boháč Autor článku je ředitelem divize Asprova ve společnosti Aimtec, kde působí od roku 2013. Vystudoval ZČU v Plzni, obor automatizace a mechatronika. pavel.bohac@aimtec.cz