Gdzie automatyka i dane rzeczywiście tworzą wartość?

Punkt wyjścia
Na przykładzie sześciu rzeczywistych wdrożeń pokazujemy, jakie szanse niesie transformacja technologiczna i jakie są jej ograniczenia.

SCADA, telemetria, sztuczna inteligencja, Control Room – w rozmowach o rozwoju przedsiębiorstw wod-kan i ciepłowniczych technologie te przywoływane są coraz częściej. Tyle, że samo ich wdrożenie nie daje gwarancji pojawienia się korzyści. Nowe rozwiązania przynoszą wartość tylko wtedy, gdy pozwalają realizować cele firmy, a te bywają bardzo różne.

Jedno przedsiębiorstwo może chcieć szybciej reagować na awarie. W innym priorytetem jest ograniczenie liczby wyjazdów do rozproszonych obiektów. Jeszcze inne dąży do lepszego wykorzystania energii albo do stworzenia systemu, w którym setkami węzłów można zarządzać z jednej dyspozytorni.

Aby pokazać, jak różne technologie pozwalają realizować różne biznesowe zadania, przywołujemy przykłady sześciu rzeczywistych projektów:

• Automatyzacji Stacji Uzdatniania Wody Zaborowo w MPWiK Leszno,
• Implementacji Zintegrowanego Systemu Efektywności Energetycznej w oczyszczalni Płaszów,
• Budowy systemu sterowania pompami z wykorzystaniem AI w Wodociągach Miasta Krakowa,
• Modernizacji oczyszczalni ścieków w Trzyciążu,
• Wprowadzenia systemu telemetrii w MPEC Tarnów,
• Rozwoju systemu SCADA i Control Roomu w MPEC Nowy Sącz.

Nie po to, żeby stworzyć katalog dostępnych rozwiązań. Bardziej interesowało nas to, co z tych projektów wynika; kiedy integracja ma sens; kiedy dane naprawdę pomagają podejmować decyzje; w którym momencie zaawansowane technologie mogą stać się niepotrzebnym obciążeniem.

Każdy z tych projektów był inny. Różniły się skalą, celami, czasem realizacji i kompetencjami zespołów. Trudno więc traktować je jako źródło gotowych recept, które można bezpośrednio przenieść do dowolnej spółki komunalnej. Można jednak wyłuskać z nich kilka zasad, które powtarzają się niezależnie od wielkości organizacji.

Nie trzeba integrować wszystkiego

W przedsiębiorstwach zarządzających rozproszoną infrastrukturą naturalnie pojawia się potrzeba zebrania danych w jednym systemie.

Ujęcia wody, pompownie, przepompownie, stacje uzdatniania, oczyszczalnie, źródła ciepła i węzły mogą być oddalone od siebie o wiele kilometrów. Bez telemetrii i centralnego nadzoru część informacji trafia do organizacyjnej świadomości dopiero podczas wizyty pracownika albo wtedy, gdy problem jest już odczuwalny dla odbiorców.

Nie oznacza to jednak, że należy łączyć wszystko tylko dlatego, że jest to technicznie możliwe.

Każde połączenie powinno mieć konkretne uzasadnienie. Czy dzięki niemu wcześniej zauważymy awarię? Czy łatwiej ustalimy jej przyczynę? Czy operator będzie wiedział, co zrobić? Czy ograniczymy niepotrzebne wyjazdy na obiekt?

Jeżeli odpowiedź na te pytania nie jest jasna, integracja może jedynie zwiększyć złożoność systemu i stworzyć kolejne zależności.

SUW Zaborowo: zdalny nadzór nie zastępuje przygotowania ludzi

Po modernizacji Stacja Uzdatniania Wody Zaborowo w MPWiK Leszno stała się obiektem bezobsługowym, nadzorowanym zdalnie z innej lokalizacji.

Pracownicy uzyskali dostęp do danych procesowych i możliwość szybkiego reagowania na zdarzenia. System przygotowano również z myślą o dalszym rozwoju i podłączaniu kolejnych obiektów.

Warto jednak zwrócić uwagę na element, który łatwo pominąć w opisie technicznym. Projekt obejmował także szkolenia i przygotowanie pracowników do współpracy z generalnym wykonawcą oraz podwykonawcami.

To ważne, bo zdalny nadzór nie zwalnia organizacji z odpowiedzi na podstawowe pytania. Kto reaguje na alarm? Kiedy wystarczy reakcja zdalna, a kiedy trzeba wysłać pracownika? Co dzieje się w przypadku utraty komunikacji?

MPEC Tarnów: wartość powstawała przez lata

Inną skalę pokazuje MPEC Tarnów.

Rozwijany od 2003 roku system telemetryczny objął ponad tysiąc rozproszonych obiektów, w tym węzły cieplne i przepompownie. Baza danych została przygotowana do gromadzenia wartości około 50 tysięcy parametrów.

Nie był to jednak projekt polegający na jednorazowym zakupie systemu. Dużą część rozwiązania rozwijał zespół inżynierów MPEC. ASTOR wspierał koncepcję, wybrane funkcje, technologię i rozwój kompetencji.

To dobry przykład pokazujący, że przy dużej skali największą wartością może być nie sam produkt, ale konsekwentnie rozwijany standard, wiedza zespołu i architektura pozwalająca bezpiecznie dołączać kolejne obiekty.

Centralizacja ma przy tym swoje granice. Lokalna automatyka musi nadal bezpiecznie prowadzić proces po utracie łączności. Trzeba też świadomie zarządzać dostępem zdalnym, ponieważ każdy kolejny punkt połączenia zwiększa potencjalne skutki ataku.

Pierwszy wniosek
Integrujmy nie wszystko, co jest dostępne, lecz to, co pomaga szybciej reagować, ograniczać ryzyko i lepiej zarządzać procesem.

Dane same nie obniżają kosztów

Zbieranie danych jest dziś stosunkowo łatwe. Znacznie trudniejsze jest takie ich uporządkowanie, aby prowadziły do konkretnej decyzji.

Informacja o tym, ile energii zużyła pompa albo dmuchawa, niewiele mówi bez wiedzy o obciążeniu obiektu, przepływie, temperaturze, wymaganym efekcie technologicznym czy czasie pracy urządzenia.

Jeżeli zużycie wzrosło, nie musi to jeszcze oznaczać pogorszenia sprawności. Być może urządzenie pracowało dłużej albo obsługiwało większy przepływ.

Dopiero dane zestawione z warunkami procesu pozwalają ocenić, czy rzeczywiście pojawił się problem.

ZSEE w Płaszowie: pomiar był dopiero początkiem

W Zintegrowanym Systemie Efektywności Energetycznej w oczyszczalni Płaszów zestawiono dane o pracy urządzeń z parametrami procesowymi i środowiskowymi.

Celem nie było jedynie wyświetlanie bieżącego zużycia energii. System miał wspierać dobór sposobu pracy urządzeń w konkretnych warunkach.

Projekt został opracowany przez Wodociągi Miasta Krakowa i Akademię Górniczo-Hutniczą. Część wykonawczą realizowały ASTOR i firma Semako.

W opisie projektu wskazano średnie ograniczenie zużycia energii o 12,5%, a dla wybranych urządzeń wyższe wartości. Tych liczb nie należy jednak traktować jako uniwersalnego wyniku, który można obiecać każdej oczyszczalni. Dotyczą określonego zakresu, urządzeń i warunków prowadzenia procesu.

Znacznie ważniejszy jest mechanizm. Połączono dane, które wcześniej były analizowane osobno, i wykorzystano je do zmiany sposobu pracy.

MPEC Nowy Sącz: Control Room nie jest ścianą ekranów

W MPEC Nowy Sącz rozwijany przez wiele lat system SCADA został rozbudowany do Platformy Systemowej i rozwiązania klasy Control Room.

System obejmuje dane z ponad 600 węzłów, źródeł ciepła i rozproszonej infrastruktury. Pozwala analizować alarmy, weryfikować nastawy, usprawniać raportowanie i planować pracę przedsiębiorstwa.

Control Room łatwo sprowadzić do efektownej sali z dużymi ekranami. Tymczasem jego wartość nie wynika z wielkości monitorów.

Operator potrzebuje informacji pomagających prowadzić proces. Utrzymanie ruchu potrzebuje historii pracy urządzeń. Osoba odpowiedzialna za energię powinna móc porównywać zużycie w podobnych warunkach. Zarząd potrzebuje danych wspierających decyzje o modernizacjach i kierunkach rozwoju.

Jeżeli wszystkim pokażemy te same wskaźniki, otrzymamy dużo danych, ale niewiele użytecznej informacji.

Drugi wniosek
Wartość danych nie wynika z ich liczby, ale z tego, czy pozwalają lepiej zrozumieć sytuację i podejmować decyzje.

AI może być kolejnym krokiem. Nie powinna być pierwszym

W przypadku sztucznej inteligencji łatwo rozpocząć rozmowę od samej technologii.

Projekt realizowany w Wodociągach Miasta Krakowa miał jednak inną historię. Wcześniej zmodernizowano układ sterowania, przygotowano opomiarowanie i przez lata gromadzono dane. Dopiero później pojawiła się możliwość wykorzystania modelu AI do sterowania pompami.

W pracach uczestniczył dział automatyki Wodociągów Miasta Krakowa, konsultanci ASTOR, integrator Semako oraz specjaliści eBigData.

System nie przejął bezwarunkowo kontroli nad procesem. Określono warunki, w których AI mogła sterować układem. Po ich przekroczeniu sterowanie wracało do klasycznego rozwiązania opartego na PLC.

Według opisu wdrożenia uzyskano oszczędności sięgające 8%, co przy cenach energii z okresu publikacji odpowiadało około 200 tys. zł rocznie.

Ta kwota dobrze działa na wyobraźnię, ale nie powinna przesłaniać najważniejszej lekcji. Wynik był możliwy dzięki skali układu, dostępności danych i wcześniejszemu uporządkowaniu procesu. Nie można go przenieść wprost na małą przepompownię czy gminną oczyszczalnię.

W Trzyciążu potrzebne było coś zupełnie innego

Modernizacja oczyszczalni ścieków w Trzyciążu pokazuje, że nie zawsze trzeba sięgać po zaawansowaną analitykę.

W tym przypadku zastosowano między innymi przemienniki częstotliwości, system wizualizacji i rozwiązania umożliwiające zdalny nadzór. Dzięki płynnej regulacji urządzenia mogły pracować w lepiej dopasowanych punktach charakterystyki. Ograniczało to ich obciążenie mechaniczne i zużycie energii.

Projekt realizował integrator BIAP przy technologicznym i technicznym wsparciu ASTOR.

Nie zaczęto od AI. Najpierw rozwiązano podstawowe problemy procesu, sterowania i pracy urządzeń.

Trzeci wniosek
AI ma sens wtedy, gdy wcześniejsze etapy automatyzacji i pracy z danymi są już uporządkowane, a potencjalny efekt uzasadnia dodatkowy koszt i złożoność.

Nie istnieje jeden właściwy poziom cyfryzacji

Sześć opisanych projektów różni niemal wszystko.

W Trzyciążu odpowiedzią była modernizacja lokalnej automatyki i napędów. W Lesznie przygotowanie bezobsługowej stacji oraz systemu zdalnego nadzoru. W Tarnowie wartość powstawała przez wieloletni rozwój telemetrii przez własnych inżynierów. W Nowym Sączu skala infrastruktury uzasadniła stworzenie Control Roomu. W Krakowie kolejne etapy optymalizacji doprowadziły do wykorzystania AI.

Nie ma jednego docelowego poziomu cyfryzacji, do którego powinny dążyć wszystkie przedsiębiorstwa.

Bardziej zaawansowane rozwiązanie nie zawsze jest lepsze. Czasem zwiększa koszty utrzymania, uzależnienie od kompetencji zewnętrznych albo ryzyko związane ze złożonością architektury.

Przed rozpoczęciem inwestycji warto więc zadać kilka podstawowych pytań:

• jaki problem chcemy rozwiązać,
  
• co po wdrożeniu powinno działać inaczej,
  
• czy mamy dane potrzebne do oceny efektu,
  
• kto będzie korzystał z rozwiązania,
  
• kto będzie je utrzymywał,
  
• jak obiekt zachowa się po utracie komunikacji,
  
• czy skala korzyści uzasadnia koszty wdrożenia i późniejszego rozwoju.

Warto również uczciwie opisywać role w projekcie.

W części wdrożeń system rozwijał przede wszystkim zespół użytkownika. W innych ważną rolę pełnił integrator. ASTOR dostarczał technologię, wiedzę, wsparcie techniczne, pomagał w budowie koncepcji lub angażowaniu odpowiednich partnerów.

Nie oznacza to, że ASTOR był wykonawcą całego każdego z opisanych projektów. Taki podział ról nie osłabia referencji. Przeciwnie, pokazuje, że powodzenie inwestycji zależy od połączenia wiedzy użytkownika, kompetencji integratora i właściwie dobranej technologii.

Czwarty wniosek
Dobra transformacja nie polega na zastosowaniu najbardziej zaawansowanej technologii. Polega na wyborze rozwiązania adekwatnego do problemu, skali i możliwości organizacji.

Czego uczą te wdrożenia?

W każdym z projektów punktem wyjścia był konkretny problem: brak centralnego nadzoru, ograniczony dostęp do danych, wysokie zużycie energii, rosnąca liczba obiektów albo potrzeba szybszej reakcji.

Dopiero później pojawiały się SCADA, telemetria, system nadrzędny, Control Room czy AI.

Technologia nie działała sama. Potrzebni byli ludzie, którzy znali proces, potrafili zbudować koncepcję, wdrożyć rozwiązanie, a później je utrzymywać i rozwijać.

I chyba właśnie to jest najważniejszy wniosek z tych sześciu projektów:

Najważniejszy wniosek
Technologia tworzy wartość nie wtedy, gdy zbiera najwięcej danych albo wykorzystuje najbardziej zaawansowany algorytm. Tworzy ją wtedy, gdy pomaga ludziom działać sprawniej, bezpieczniej i podejmować lepsze decyzje.

Pełne opisy wdrożeń

• MPWiK Leszno: automatyzacja SUW Zaborowo
• Wodociągi Miasta Krakowa: Zintegrowany System Efektywności Energetycznej w oczyszczalni Płaszów
• Wodociągi Miasta Krakowa: sztuczna inteligencja i optymalizacja pracy pomp
• Oczyszczalnia ścieków w Trzyciążu: modernizacja zrealizowana przez BIAP
• MPEC Tarnów: system telemetrycznego nadzoru sieci
• MPEC Nowy Sącz: system SCADA i Control Room

OKIEM INTEGRATORA

Jako uzupełnienie prezentujemy unikalną perspektywę trzech integratorów i ich spostrzeżenia dotyczące projektów w obszarze wod-kan i ciepłownictwa, które przynoszą największą wartość:

Zadbaj o aktualne oprogramowanie

Do kwestii aktualizacji oprogramowania działającego w środowisku przemysłowym AVEVA należy podejść dwuetapowo. W pierwszej kolejności dobrze jest zadbać o uaktualnienie fundamentu, czyli systemu operacyjnego, na którym to oprogramowanie działa. W drugim kroku warto skorzystać z ułatwień w aktualizacji samego oprogramowania AVEVA.

W wielu zakładach przemysłowych nadal funkcjonują systemy oparte na starszych wersjach Windows, takich jak 7, 8 czy 10. Uruchamiane są na nich zarówno aplikacje inżynierskie, jak i rozwiązania przemysłowe, w tym systemy AVEVA, SCADA, MES czy HMI. Choć działają poprawnie, ich największym problemem jest brak wsparcia producenta – oznacza to brak poprawek zapewniających najwyższy poziom bezpieczeństwa, aktualizacji sterowników oraz zgodności z nowoczesnymi mechanizmami uwierzytelniania i szyfrowania. W efekcie środowiska OT stają się coraz bardziej podatne na cyberataki, a jednocześnie przestają spełniać wymagania norm branżowych, takich jak IEC 62443 czy regulacje wynikające z dyrektywy NIS2.

Windows 11 rozwiązuje te problemy, oferując nowoczesny zestaw wbudowanych mechanizmów bezpieczeństwa. Wymóg posiadania modułu TPM 2.0, obsługa Secure Boot, izolacja krytycznych funkcji w oparciu o wirtualizację (VBS, HVCI), a także zabezpieczenia takie jak Credential Guard czy logowanie biometryczne Windows Hello – to elementy, które znacznie podnoszą odporność infrastruktury na współczesne zagrożenia. Dzięki nim system lepiej chroni dane logowania, zapobiega uruchamianiu nieautoryzowanego kodu i utrudnia działanie złośliwego oprogramowania.

Z punktu widzenia użytkowników oprogramowania AVEVA dodatkową wartością jest pełna zgodność rozwiązań od wersji 2020 R2 z Windows 11. Oznacza to brak ryzyka niekompatybilności, szybsze i bezpieczniejsze wdrażanie aktualizacji oraz możliwość pełnego wykorzystania nowych funkcji zabezpieczeń Microsoftu. Migracja do Windows 11 staje się więc nie tylko decyzją technologiczną, ale strategiczną – zwiększa cyberodporność, ułatwia spełnienie wymagań regulacyjnych i przygotowuje organizację do audytów bezpieczeństwa.

Pozostawanie przy starszych systemach to coraz większe ryzyko. Windows 10 traci wsparcie w 2025 roku, a nowsze wersje oprogramowania przemysłowego przestają być certyfikowane dla poprzednich platform. Brak zgodności z nowymi rozwiązaniami ochrony czy systemami kopii zapasowych może prowadzić do realnych luk w zabezpieczeniach. Dlatego myśląc o rozwoju infrastruktury OT, warto zaplanować migrację do Windows 11, aktualizację licencji i dostosowanie sprzętu – tak, aby środowisko przemysłowe było przygotowane na przyszłe wymagania technologiczne i regulacyjne.

Drugi krok, aktualizacja samego oprogramowania AVEVA

Tu także kluczowe jest zadbanie o najnowsze wersje aplikacji i tu też korzyścią jest utrzymanie najwyższej jakości procesowej oraz najwyższego poziomu bezpieczeństwa w zgodzie z aktualnymi wymogami regulacyjnymi. Zdobycie i utrzymanie najnowszego oprogramowania jest możliwe dzięki programowi modernizacji AVEVA FLEX. To czasowa promocja umożliwiająca aktualizację posiadanych licencji AVEVA do najnowszej wersji oraz objęcie ich dwuletnim Kontraktem Pomocy Technicznej ASTOR.

Kontrakt zapewnia priorytetowe wsparcie certyfikowanych inżynierów bez dodatkowych kosztów, dostęp do aktualizacji, możliwość otrzymywania poprawek (hot-fix), a także zniżki – 20% na konsultacje techniczne i szkolenia Akademii ASTOR.

Do programu mogą przystąpić firmy, które od co najmniej dwóch lat nie mają aktywnego kontraktu, posiadają licencje w starszych wersjach i spełnią minimalne kryterium wartości licencji. Program obejmuje wszystkie licencje w danej lokalizacji.

Licencje w ramach FLEX są aktualizowane do najnowszej wersji i objęte kontraktem na dwa lata, z możliwością przedłużenia. Rozszerzenia i nowe zakupy odbywają się poprzez kredyty FLEX. Po zakończeniu kontraktu licencje pozostają wieczyste, a ich ewentualny zwrot rozliczany jest proporcjonalnie do kosztów aktualizacji.

Cena programu ustalana jest na podstawie wartości cennikowych odpowiadających najnowszym wersjom posiadanych licencji.

W skrócie:

AVEVA i Windows 11 – pełna kompatybilność i synergia

Rozwiązania AVEVA – od wersji 2020 R2 wzwyż – są w pełni przetestowane i wspierane na Windows 11. Oznacza to:

• brak ryzyka niekompatybilności,
• szybsze i bezpieczniejsze wdrażanie aktualizacji,
• optymalizację systemów AVEVA pod kątem nowych funkcji bezpieczeństwa Microsoftu.

AVEVA jako globalny lider przemysłowych rozwiązań cyfrowych prowadzi portal Cyber Security Updates, gdzie można znaleźć rekomendacje dotyczące podatności, aktualizacji i zgodności z platformami Microsoft.

Wsparcie dla Twojej odpowiedzialności – NIS2 i odporność OT

Aktualizacja do Windows 11 oraz posiadanie aktualnych licencji AVEVA to kluczowe kroki w:

• spełnieniu wymogów regulacyjnych wynikających z dyrektywy NIS2 (zarządzanie podatnościami, łańcuch dostaw, zgodność z normami),
• zwiększaniu cyberodporności infrastruktury OT,
• zapewnieniu bezpieczeństwa danych historycznych i operacyjnych,
• przygotowaniu do potencjalnych audytów i inspekcji bezpieczeństwa.

Pozostanie przy starszym systemie oznacza ryzyko

• Windows 10 traci wsparcie w 2025 roku,
• starsze wersje AVEVA nie wspierają Windows 11 – brak aktualizacji = wzrost ryzyka,
• brak kompatybilności z nowymi technologiami ochrony to realna luka w bezpieczeństwie.

Co rekomendujemy?

1. Sprawdź, z jakich wersji AVEVA korzystasz w zakładzie.
2. Skontaktuj się z opiekunem ASTOR – pomożemy dobrać odpowiednią ścieżkę aktualizacji.
3. Zaplanuj aktualizację środowiska Windows – sprzętowo i licencyjnie.

Technologie AI wsparciem dla analityki i zarządzania produkcją

Jak wynika z raportu EY „Jak polskie firmy wdrażają AI” przedsiębiorstwa w naszym kraju coraz częściej dostrzegają korzyści wynikające z wykorzystania sztucznej inteligencji do tworzenia usprawnień procesowych i zwiększania przychodów. Już 25% badanych przedsiębiorstw twierdzi, że w 2024 r. zakończyło proces wdrażania przynajmniej jednego z takich rozwiązań, to o 5 punktów procentowych więcej niż rok wcześniej. Aż 40 % twierdzi, że jest w trakcie procesu wdrażania AI. W 2023 r. takiej odpowiedzi udzieliło 42% respondentów. Jednocześnie maleje liczba firm, które zdecydowanie nie rozważają wdrażania AI. W 2023 r. planów związanych ze sztuczną inteligencją nie miało aż 9% ankietowanych firm. Rok później już tylko 5%. Z 22 do 18% spadł odsetek firm, które nie wdrażają rozwiązań AI, ale przyglądają się pewnym rozwiązaniom.

Trendy rynkowe są więc jasne. Rośnie znaczenie sztucznej inteligencji, ze względu na coraz większe możliwości tej technologii i coraz większa świadomość jej potencjału po stronie biznesu.

A jak jest w branży produkcyjnej? W trakcie konferencji Biznes i Produkcja, która odbyła się pod koniec maja w Jachrance pod Warszawą; a która zgromadziła praktyków biznesu produkcyjnego z całego kraju; mieliśmy okazję porozmawiać z przedstawicielami wybranych firm i poznać ich zdanie na temat potencjału sztucznej inteligencji w przemyśle, a także wyzwań, które blokują przełomowe wdrożenia w tym obszarze. Oto główne wnioski z tych rozmów.

Jaki rozwiązania AI już są wykorzystywane w przemyśle

Firmy produkcyjne zdecydowanie dostrzegają potencjał sztucznej inteligencji i coraz chętniej wdrażają nowe systemy wykorzystujące tę technologię. Na zautomatyzowanych liniach produkcyjnych coraz częściej sprawdzają się na przykład systemy wizyjne wykorzystujące AI, które rozpoznają detale. Ułatwia to ich segregację oraz właściwe ułożenie na taśmie produkcyjnej.

Jedna z firm z branży spożywczej wdrożyła własnego czatbota, przypominającego ChatGPT, który ucząc się w sposób ciągły, wspiera decyzje dotyczące zachowań operatorów na liniach produkcyjnych. Dodatkowo wspiera też optymalizację tworzenia instrukcji stanowiskowych. Jest to długoterminowy proces, gdyż AI cały czas wymaga nowych próbek do uczenia. 

Inna z firm wykorzystuje z AI do predykcji zdarzeń alarmowych. System wykorzystujący sztuczną inteligencję wychwytuje anomalie w pracy systemów produkcyjnych i na podstawie ich analizy z wyprzedzeniem ostrzega, jeśli wzrasta ryzyko wystąpienia błędu, awarii czy przestoju w zakładzie. AI wspiera też mechanizmy optymalizacji parametrów procesowych, aby w przyszłości eliminować podobne incydenty.

Przedsiębiorstwo z branży elektronicznej wykorzystuje sztuczną inteligencję do optymalizowania parametrów produkcyjnych poprzez analizę zdjęć RTG łączeń lutowniczych, spoin spawów. Pozwala to utrzymywać najwyższą jakość produktu końcowego i tym samym eliminować niepotrzebne koszty dotyczące przyszłych gwarancji i reklamacji.

Podobne mechanizmy używania AI do analiz porównawczych są eksploatowane np. w branży ciepłowniczej, gdzie parametry wytwarzania ciepła są porównywane z wzorcowym modelem matematycznym dla danego źródła ciepła, czyli na przykład kotła czy bloku energetycznego po to, by optymalizować koszty wytwarzania i zużycia paliw energetycznych.

Czy firmy są gotowe na nową technologię, a jeśli nie, to jakie czynniki stanową największe ograniczenia?

Choć pojawiają się już pierwsze jaskółki, jeśli chodzi o wdrożenia, wiele firm wciąż jest raczej w fazie obserwacji lub pierwszych przygotowań. To etap, na którym ujawniają pewne braki czy to kompetencyjne, czy technologiczne, czy procesowe oraz wyzwania blokujące dalsze działania.

Kluczowym czynnikiem niezbędnym do skutecznego wdrażania systemów AI jest kompetentny i zaangażowany zespół, który potrafi wykorzystywać informacje zebrane przez sztuczną inteligencję i tłumaczyć je na język celów biznesowych przedsiębiorstwa. W zespole takim musi pojawić się lider rozumiejący mechanizmy działania AI, ale jednocześnie znający procesy w zakładzie, umiejący wyłuskać te informacje, które są najbardziej istotne dla całego zakładu od strony analizy i optymalizacji.

Zbudowanie takiego zespołu jest o tyle trudne, że działy IT oferują tu ograniczone wsparcie. Często nie rozumieją potrzeb produkcji, w rezultacie dostarczają „suche” informacje często wymagające dalszego przetworzenia i dopasowania do potrzeb poszczególnych działów: produkcji, jakości, performance czy maintenance.

Wyzwania ujawniają się także w obszarze finansowym. Problemem może być na przykład przygotowanie uzasadnienia biznesowego dla projektu wdrożenia sztucznej inteligencji czy wyliczenie ROI (Return of Investment). Wdrożenie AI nie może być postrzegane jako projekt inwestycyjny, który „zwróci się” np. w 24 miesiące, ale sposoby szacowania tego zwrotu, w przypadku tak nowatorskich rozwiązań nie są oczywiste.

Niektóre firmy zaczynają od zlokalizowania wąskich gardeł i dla nich przygotowują business case, z wykorzystaniem AI. Dobre przeprowadzenie wstępnych kalkulacji może przynosić spektakularne efekty. Tak było w przypadku wspomnianego przedsiębiorstwa z branży elektronicznej z północnej Polski, które wykorzystało sztuczną inteligencję do inspekcji zdjęć RTG spoin i lutów. Zwrot inwestycji w tym zakładzie udało się uzyskać już po 9 miesiącach, w dodatku przy zachowaniu wszystkich etatów.

Ostatnie z dużych wyzwań wymienianych przez naszych rozmówców dotyczy jakości danych. Raport firmy Seagate wskazuje, że tylko 7% agregowanych danych ma wartość biznesową. Jeśli więc chcemy, by sztuczna inteligencja pracująca na danych przynosiła realne korzyści, musimy zadbać o jakość dostarczanych jej informacji. To może być wyzwaniem, jeśli w firmie działa wiele aplikacji przemysłowych czy wiele baz danych, ale nie są ze sobą skorelowane, nie komunikują się ze sobą.

Dodatkowo nasi rozmówcy wskazali na wiele mniejszych zjawisk, które blokują dostęp do korzyści płynących z AI na produkcji. Wśród tych o charakterze technicznym wymienili na przykład trudności związane z wyborem modułu AI do konkretnego zadania, czy pewne braki w infrastrukturze informatycznej. Tu rozwiązaniem może być przygotowanie przy udziale zewnętrznych ekspertów tzw. mapy cyfrowej transformacji. Wśród wyzwań o charakterze mniej technicznym, rozmówcy wymieniali obawę załogi przed zmianami czy wręcz opór przed wdrażaniem rozwiązań, które zmieniają status quo. Tu pomóc może program szkoleń. Do tego dochodzą wyzwania natury proceduralnej czy regulacyjnej. W tym kontekście najczęściej wymieniana była dyrektywa unijna NIS2, która ma na celu zapewnienie cyberbezpieczeństwa.

Podsumowując:

Poprawne wdrożenie technologii AI w przemyśle jest procesem ciągłym, wymagającym przygotowania i higieny w trzech podstawowych wymiarach:

• dane (surowe/wstępnie przetworzone, o dużej wartości analitycznej)
• ludzie (kompetentny zespół analityków, rozumiejących możliwości techniczne AI, ale też potencjalne korzyści w wymiarze biznesowym)
• narzędzia AI (skrojone na miarę potrzeb i głównych celów biznesowych przedsiębiorstwa, odpowiadające na jego potrzeby i dopasowane do aktualnego poziomu rozwoju technologicznego).

Dodatkowo firmy produkcyjne stawiające na sztuczną inteligencję powinny pamiętać o dość prozaicznych kwestiach, takich jak tworzenie kopii zapasowych danych przygotowanych przez AI, tak by stanowiły one wiedzę ogólnie dostępną w organizacji nawet na wypadek zmian kadrowych i rotacji pracowników. Powinny też dbać o rozwój kardy i cały czas inwestować w jej kształcenie, na przykład stawiać na wewnątrz zakładowych specjalistów IT. Pozwala to nie tylko najefektywniej wykorzystywać nowe rozwiązania, ale dodatkowo buduje zaangażowany zespół, który rozumie nie tylko techniczne aspekty wdrożeń, ale też ich biznesowy wymiar, co z kolei przekłada się na lepsze wyniki całej organizacji i je wyższą pozycję konkurencyjną.