Pembuatan pintar

Daripada Wikipedia, ensiklopedia bebas.

Pembuatan pintar [1] ialah sebuah kategori pembuatan yang luas yang menggunakan pengilangan bersepadu komputer, tahap kebolehsuaian yang tinggi dan perubahan reka bentuk yang pantas, teknologi maklumat digital dan latihan tenaga kerja teknikal yang lebih fleksibel.[2] Matlamat lain pembuatan pintar termasuklah kebolehan untuk perubahan pantas dalam tahap pengeluaran berdasarkan permintaan,[3] [1] pengoptimuman rantaian bekalan, [3] pengeluaran yang cekap dan kitar semula.[4] Dalam konsep ini, kilang pintar mempunyai sistem saling kendali, pemodelan dan simulasi dinamik berbilang skala, automasi pintar, keselamatan siber yang kukuh dan penderia rangkaian.

Takrifan luas pembuatan pintar merangkumi banyak teknologi yang berbeza. Beberapa teknologi utama dalam pergerakan pembuatan pintar termasuklah keupayaan pemprosesan data besar, peranti dan perkhidmatan sambungan industri, dan robotik termaju.[5]

[6] Grafik sistem kawalan pembuatan sampel yang menunjukkan kesalinghubungan analisis data, pengkomputeran dan automasi.
Robotik termaju yang digunakan dalam pengeluaran automotif

Pemprosesan data besar[sunting | sunting sumber]

Pembuatan pintar menggunakan analisis data besar, untuk memperhalusi proses yang rumit  dan menguruskan rantaian bekalan . [7] Analitis data besar merujuk kepada kaedah untuk mengumpul dan memahami set data besar dari segi apa yang dikenali sebagai tiga V, halaju (Velocity), kepelbagaian (Variety) dan volum (Volume). Halaju memberitahu kekerapan pemerolehan data, yang boleh serentak dengan aplikasi data sebelumnya. Kepelbagaian (Variety) menerangkan jenis data yang berbeza yang mungkin dikendalikan. Volum (Volume) mewakili jumlah data. [8] Analisis data besar membolehkan perusahaan menggunakan pembuatan pintar untuk meramalkan permintaan dan keperluan untuk perubahan reka bentuk dan bukannya bertindak balas terhadap pesanan yang dibuat.[2]

Sesetengah produk mempunyai penderia terbenam (embedded sensors), yang menghasilkan sejumlah besar data yang boleh digunakan untuk memahami perilaku pengguna dan menambah baik versi produk masa hadapan.[9] [10] [11]

Robotik termaju[sunting | sunting sumber]

Robot industri termaju, juga dikenali sebagai mesin pintar, beroperasi secara autonomi dan boleh berkomunikasi secara langsung dengan sistem pembuatan. Dalam beberapa konteks pembuatan lanjutan, mereka boleh bekerja dengan manusia untuk tugas pemasangan bersama. [12] Dengan menilai input deria dan membezakan antara konfigurasi produk yang berbeza, mesin pintar sebegini dapat menyelesaikan masalah dan membuat keputusan bebas daripada manusia. Robot sebegini dapat menyelesaikan kerja melebihi apa yang mereka telah diprogramkan pada mulanya dan mempunyai kecerdasan buatan yang membolehkan mereka belajar daripada pengalaman. [5] Mesin ini mempunyai fleksibiliti untuk dikonfigurasikan semula dan digunakan semula. Ini memberi mereka keupayaan untuk bertindak balas dengan pantas kepada perubahan reka bentuk dan inovasi, yang merupakan kelebihan daya saing berbanding proses pembuatan yang lebih tradisional. [13] Walaupun perkara ini membawa kebimbangan. Antara kebimbangan mengenai robotik termaju ialah keselamatan dan kesejahteraan pekerja manusia yang berinteraksi dengan sistem robotik. Secara tradisinya, langkah telah diambil untuk mengasingkan robot daripada tenaga kerja manusia, tetapi kemajuan dalam keupayaan kognitif robotik telah membuka peluang, seperti kobot, untuk robot bekerja secara kolaboratif dengan manusia.[14]

Pengkomputeran awan membenarkan sejumlah besar storan data atau kuasa pengiraan digunakan dengan pantas pada pembuatan, dan membenarkan sejumlah besar data mengenai prestasi mesin dan kualiti output dikumpul. Perkara ini boleh meningkatkan konfigurasi mesin, membuat penyelenggaraan berdasarkan ramalan dan analisis kerosakan. Ramalan yang lebih baik boleh memudahkan strategi yang lebih baik untuk memesan bahan mentah atau menjadualkan pengeluaran.

Percetakan 3D[sunting | sunting sumber]

Sehingga tahun 2019, percetakan 3D digunakan terutamanya dalam prototaip pantas, iterasi reka bentuk dan pengeluaran berskala kecil. Penambahbaikan dalam kelajuan, kualiti dan bahan boleh menjadikannya berguna dalam pengeluaran besar-besaran [15] [16] dan penyesuaian dalam skala besar-besaran.[16]

Walau bagaimanapun, percetakan 3D berkembang begitu pesat dalam beberapa tahun kebelakangan ini sehingga ia tidak lagi digunakan hanya sebagai teknologi untuk prototaip. Sektor percetakan 3D telah bergerak melangkaui tahap prototaip kerana ia telah menjadi semakin meluas dalam rantaian bekalan. Industri di mana pembuatan digital dengan percetakan 3D paling banyak dilihat ialah automotif, perindustrian dan perubatan. Dalam industri auto, percetakan 3D digunakan bukan sahaja untuk prototaip tetapi juga untuk pengeluaran penuh bahagian dan produk akhir. Percetakan 3D juga telah digunakan oleh pembekal dan pengilang digital yang berkumpul untuk membantu memerangi COVID-19.[17]

Percetakan 3D membolehkan penghasilan prototaip yang lebih bermutu, justeru syarikat menjimatkan masa dan wang kerana sejumlah besar bahagian boleh dihasilkan dalam tempoh yang singkat. Terdapat potensi yang besar untuk percetakan 3D untuk merevolusikan rantaian bekalan, justeru lebih banyak syarikat menggunakannya. Cabaran utama yang dihadapi oleh percetakan 3D ialah perubahan minda orang ramai. Selain itu, sesetengah pekerja perlu mempelajari semula dan melatihkan diri dalam set kemahiran baharu untuk menguruskan teknologi percetakan 3D. [17]

Menghapuskan ketidakcekapan dan bahaya di tempat kerja[sunting | sunting sumber]

Pembuatan pintar juga boleh dikaitkan dengan meninjau ketidakcekapan di tempat kerja dan membantu dalam keselamatan pekerja. Pengoptimuman kecekapan ialah tumpuan besar bagi pengguna sistem "pintar", yang dilakukan melalui penyelidikan data dan automasi pembelajaran pintar. Sebagai contoh, pengendali boleh diberikan kad akses peribadi dengan Wi-Fi dan Bluetooth terbina, yang boleh bersambung ke mesin dan platform Awan untuk menentukan pengendali yang sedang mengusahakan mesin dalam masa nyata.[18] Sistem 'pintar' yang pintar dan saling berkaitan boleh diwujudkan untuk menetapkan sasaran prestasi, menentukan sama ada sasaran itu boleh diperolehi, dan mengenal pasti ketidakcekapan melalui sasaran prestasi yang gagal atau tertangguh.[19] Secara umum, automasi boleh mengurangkan ketidakcekapan akibat kesilapan manusia dan secara sekaligus, AI juga berkembang untuk menghapuskan ketidakcekapan pendahulunya.

Memandangkan robot akan mengambil lebih banyak tugas fizikal pembuatan, pekerja manusia tidak perlu lagi hadir dan semakin kurang terdedah kepada unsur bahaya di tempat kerja. [20]

Kesan Industri 4.0[sunting | sunting sumber]

Industri 4.0 ialah projek dalam strategi teknologi tinggi kerajaan Jerman yang menggalakkan penggunaan pengkomputeran dalam industri tradisional seperti pembuatan. Matlamatnya ialah kilang pintar (Smart Factory) yang dicirikan oleh kebolehsuaian, kecekapan sumber dan ergonomik, serta penyepaduan pelanggan dan rakan kongsi perniagaan dalam proses perniagaan dan nilai. Asas teknologinya terdiri daripada sistem fizikal siber dan Internet of Things.[21]

Jenis "pengilangan pintar" ini memanfaatkan:

  • Sambungan wayarles, semasa pemasangan produk dan interaksi jarak jauh dengannya;
  • Penderia generasi lepas, diedarkan di sepanjang rantaian bekalan dan produk yang sama ( Internet of things )
  • Penghuraian sejumlah besar data untuk mengawal semua fasa pembinaan, pengedaran dan penggunaan sesuatu barang.

Pelan Hala Tuju Eropah " Kilang Masa Hadapan" dan satu Jerman " Industrie 4.0″ telah menggambarkan beberapa garis tindakan yang perlu dilakukan dan faedah yang berkaitan. Beberapa contoh ialah:

  • Proses pembuatan lanjutan dan prototaip pantas akan membolehkan setiap pelanggan memesan produk satu-satunya tanpa peningkatan kos yang ketara.
  • Platform Kilang Maya Kolaboratif (VF) akan secara drastik mengurangkan kos dan masa yang berkaitan dengan reka bentuk produk baharu dan kejuruteraan proses pengeluaran, dengan mengeksploitasi simulasi lengkap dan ujian maya sepanjang Kitaran Hayat Produk.
  • Peranti Interaksi Manusia-Mesin Lanjutan (HMI) dan realiti tambahan (AR) akan membantu meningkatkan keselamatan di kilang pengeluaran dan mengurangkan permintaan fizikal kepada pekerja (yang umurnya mengalami trend yang semakin meningkat).
  • Pembelajaran mesin akan menjadi asas untuk mengoptimumkan proses pengeluaran, kedua-duanya untuk mengurangkan masa pendahuluan dan mengurangkan penggunaan tenaga.
  • Sistem siber-fizikal dan komunikasi mesin-ke-mesin (M2M) akan membolehkan untuk mengumpul dan berkongsi data masa nyata dari tingkat kedai untuk mengurangkan masa henti dan masa terbiar dengan menjalankan penyelenggaraan ramalan yang sangat berkesan .

Perangkaan[sunting | sunting sumber]

Kementerian Ekonomi, Perdagangan dan Industri di Korea Selatan mengumumkan pada 10 Mac 2016 bahawa ia telah membantu pembinaan kilang pintar dalam sejumlah 1,240 perusahaan kecil dan sederhana, yang dikatakan mengakibatkan purata penurunan 27.6% dalam produk rosak, pengeluaran 7.1% lebih cepat prototaip, dan 29.2% kos lebih rendah.[22]

Lihat juga[sunting | sunting sumber]

  • Pembuatan terbuka
  • Pengilangan lanjutan
  • Revolusi Perindustrian Keempat

Rujukan[sunting | sunting sumber]

  1. ^ a b Lu, Yuqian; Xu, Xun; Wang, Lihui (July 2020). "Smart manufacturing process and system automation – A critical review of the standards and envisioned scenarios". Journal of Manufacturing Systems (dalam bahasa Inggeris). 56: 312–325. doi:10.1016/j.jmsy.2020.06.010.
  2. ^ a b Davis, Jim; Edgar, Thomas; Porter, James; Bernaden, John; Sarli, Michael (2012-12-20). "Smart manufacturing, manufacturing intelligence and demand-dynamic performance". Computers & Chemical Engineering. FOCAPO 2012. 47: 145–156. doi:10.1016/j.compchemeng.2012.06.037. Ralat petik: Tag <ref> tidak sah, nama ":1" digunakan secara berulang dengan kandungan yang berbeza
  3. ^ a b SMLC 2011
  4. ^ Shipp, Stephanie S. (March 2012). "Emerging Global Trends in Advanced Manufacturing" (PDF). Emerging Global Trends in Advanced Manufacturing. Institute for Defense Analysis. Diarkibkan daripada yang asal (PDF) pada 2012-06-06. Dicapai pada 2020-04-12.
  5. ^ a b "On the Journey to a Smart Manufacturing Revolution". www.industryweek.com. 2015-12-30. Dicapai pada 2016-02-17. Ralat petik: Tag <ref> tidak sah, nama ":02" digunakan secara berulang dengan kandungan yang berbeza
  6. ^ Albus, James S. (1995-01-01), English: Architecture for the NBS Automated Manufacturing Research Facility (AMRF)., dicapai pada 2016-03-04
  7. ^ Rachuri, Sudarsan (February 4, 2014). "Smart Manufacturing Systems Design and Analysis" (PDF). National Institute of Standards and Technology. Dicapai pada February 16, 2016.
  8. ^ Leveling, J.; Edelbrock, M.; Otto, B. (2014-12-01). "Big data analytics for supply chain management". 2014 IEEE International Conference on Industrial Engineering and Engineering Management. m/s. 918–922. doi:10.1109/IEEM.2014.7058772. ISBN 978-1-4799-6410-9.
  9. ^ Yang, Chen; Shen, Weiming; Wang, Xianbin (January 2018). "The Internet of Things in Manufacturing: Key Issues and Potential Applications". IEEE Systems, Man, and Cybernetics Magazine. 4 (1): 6–15. doi:10.1109/MSMC.2017.2702391.
  10. ^ Porter, Michael E. (November 2014). "How Smart, Connected Products Are Transforming Competition". Harvard Business Review. April 2016.
  11. ^ "Building Smarter Manufacturing With The Internet of Things (IoT)". IT World Canada. Lopez Research. 2014. Dicapai pada 2020-04-12.
  12. ^ Wang, W.; Li, R.; Chen, Y.; Diekel, Z.; Jia, Y. (2019). "Facilitating Human-Robot Collaborative Tasks by Teaching-Learning-Collaboration From Human Demonstrations". IEEE Transactions on Automation Science and Engineering (dalam bahasa Inggeris). 16 (2): 640–653. doi:10.1109/tase.2018.2840345. ISSN 1545-5955.
  13. ^ "Robotic Systems for Smart Manufacturing". www.nist.gov (dalam bahasa Inggeris). US Department of Commerce. October 2013. Dicapai pada 2016-03-04.
  14. ^ Bicchi, Antonio; Peshkin, Michael A.; Colgate, J. Edward (2008-01-01). Siciliano, Bruno; Khatib, Oussama Khatib (penyunting). Safety for Physical Human–Robot Interaction (dalam bahasa Inggeris). Springer Berlin Heidelberg. m/s. 1335–1348. doi:10.1007/978-3-540-30301-5_58. ISBN 9783540239574.
  15. ^ Zimmermann, Stefan (March 26, 2018). "Industry 4.0 – 3D Printing in Manufacturing Industries". Atos Blog. Atos SE. Dicapai pada 2019-06-09.
  16. ^ a b Hughes, Andrew (Mar 23, 2017). "Industry 4.0 is About More Than Data: 3D Printing in Manufacturing". Digital Transformation and Operational Excellence Blog. LNS Research. Dicapai pada 2019-06-09.
  17. ^ a b Wilson, Georgia (May 16, 2020). "The evolution of 3D printing in manufacturing". Manufacturing Global. BizClick Medial Limited. Dicapai pada 2021-06-04. Ralat petik: Tag <ref> tidak sah, nama "Wilson2020" digunakan secara berulang dengan kandungan yang berbeza
  18. ^ "ThingTrax". ThingTrax Connected Manufacturing. London. Diarkibkan daripada yang asal pada 2017-04-12. Dicapai pada 2020-04-12.
  19. ^ Jung, Kiwook (2015-03-16). "Mapping Strategic Goals and Operational Performance Metrics for Smart Manufacturing Systems". Procedia Computer Science. 44 (44 p.184–193): 184–193. doi:10.1016/j.procs.2015.03.051.
  20. ^ Louchez, Alain (January 6, 2014). "From Smart Manufacturing to Manufacturing Smart". www.automationworld.com. Automation World. Dicapai pada 2016-03-04.
  21. ^ Jacinto, Joan (July 31, 2014). "Smart Manufacturing? Industry 4.0? What's It All About?". The Vault - Siemens Totally Integrated Automation.
  22. ^ Jung Min-hee (March 11, 2016). "Smart Factories Improving Productivity of SMEs".

Pautan luar[sunting | sunting sumber]

Templat:Industrial RevolutionTemplat:History of technologyTemplat:Western culture

Diambil daripada "https://ms.wikipedia.org/w/index.php?title=Pembuatan_pintar&oldid=5926277"