روشی جدید برای تشخیص سریع مشکلات موجود در کارخانه ها

محققان آمریکایی در حال ایجاد سیستم تشخیصی کارآمدی هستند که می تواند مشکلات جدی کارخانه ها را در بخش های سخت افزاری و نرم افزاری در سریع ترین زمان ممکن تشخیص دهد و از ایجاد زیان مالی و یا آسیب های جبران ناپذیر در کارخانه های اتوماسیون سازی شده جلوگیری کند.

روشی جدید برای تشخیص سریع مشکلات موجود در کارخانه ها

به گزارش کلیک ، امروزه کارخانه های مختلف دارای بخش های سخت افزاری و نرم افزاری مختلفی هستند که شامل ربات ها، نوار نقاله های متحرک برای انتقال محصولات، حسگرها، شبکه های ارتباطی و سیستم های کنترل کننده می شود و همه این بخش ها به طور هماهنگ در یک سیستم منظم با یکدیگر کار می کنند تا مراحل مختلف تولید محصول نهایی با موفقیت طی شوند و اختلالی در روند تولید ایجاد نشود؛ اما گاهی اوقات مشکلاتی همچون مختل شدن و عمل نکردن بخش های نرم افزاری، اشتباهات اپراتورها و حملات سایبری، می توانند باعث ایجاد مشکلات جدی تری شوند و عواقب بدی را به همراه داشته باشند. این مشکلات می توانند باعث ایجاد اختلال جدی در روند تولید شوند و یا روند تولید را به طور کامل متوقف کنند. توقف برنامه ریزی نشده مراحل تولید، هزینه های زیادی را به کارخانه ها تحمیل می کند. حتی گاهی اوقات این مشکلات می توانند باعث آسیب جدی به پرسنل و دستگاه ها شوند.

گروهی از محققان دانشگاه میشیگان آمریکا در تلاش هستند تا سیستمی ایجاد کنند که این مشکلات را تقریبا هم زمان با رخ دادن آن ها تشخیص دهد و فعالیت های عملیاتی کارخانه ها را بر اساس مشکلات ایجاد شده در سریع ترین زمان ممکن و به نحو احسن تغییر دهد.

در حقیقت استادان و دانش آموزن این گروه تحقیقاتی قصد دارند روش جدیدی برای کنترل سیستم های درگیر در فرایند تولید ایجاد کنند که هم باعث افزایش کارایی کارخانه ها شود و هم ظرفیت رقابتی آن ها را افزایش دهد.

آن ها این روش را سیستم کنترل کننده تعریف شده با نرم افزار نامیده اند.

در حقیقت کاری که این محققان انجام می دهند این است که تمام محیط یک کارخانه را به صورت مستمر شبیه سازی می کنند. آن ها پس از انجام این شبیه سازی، نرم افزاری را ایجاد می کنند که به وسیله آن فعالیت های عملیاتی در حال انجام کارخانه را با آنچه که باید بر اساس مدل شبیه سازی شده رخ دهد، مقایسه می کنند.

یکی از سرمایه گذاران اصلی این پروژه به نام آقای دان تیبوری اذعان کرد که محققان نیازمند این هستند که یک کارخانه واقعی فیزیکی و یک مدل شبیه سازی شده از آن را در اختیار داشته باشند و این دو را با هم مقایسه کنند. چنانچه تفاوتی بین این دو وجود داشته باشد، مشخص می شود که یک مشکل جدی و یا حتی یک حمله سایبری بزرگ در حال اتفاق است. وی افزود هدف محققان ایجاد یک سیستم کنترل کننده هوشمند است که از امنیت بالایی برخوردار باشد و در صورت لزوم بتواند تغییراتی به صورت خودکار در خود ایجاد کند و پیکربندی خود را تغییر دهد.

در صورتی که چنین اتفاقی رخ دهد، در صورت بروز مشکل، روندهای تولیدی کارخانه مجددا برنامه ریزی می شوند تا تجهیزاتی که مشکل دارند، در فرایند تولید درگیر نباشند. این سیستم در کارخانه هایی که فرایند اتوماسیون سازی در آن ها در حال گسترش است، می تواند بسیار منفعت بخش باشد؛ زیرا در این کارخانه ها یافتن روش های بهتر برای نظارت بهتر و بیشتر، ضروری است.

تیبوری معتقد است اتوماسیون سازی می توانند باعث افزایش کارایی کارخانه ها و کیفیت محصولات آن ها شود، اما از سویی دیگر باعث افزایش آسیب پذیری آن ها نیز می شود.

ربات هایی که در کارخانه ها مورد استفاده قرار می گیرند، به صورت فزاینده ای در حال شبکه شدن هستند و شرکت هایی سازنده این گونه ربات ها این توانایی را دارند که آن ها را از راه دور کنترل کنند. اگر چه دسترسی شرکت های سازنده به سیستم های شبکه ای کنترل کننده ربات ها کاملا قانونی و حتی ضروری است؛ اما همین سیستم ها می توانند زمینه را برای آسیب پذیری کارخانه ها فراهم کنند و امنیت سایبری آن ها را به خطر بیندازند. هر چه سیستم های درگیر در فرایند تولید بیشتر دیجیتالی و پیچیده شوند، بیشتر در معرض خطر حملات سایبری هستند.

یکی از استادیاران مهندسی مکانیک دانشگاه میشیگان اذعان کرد که هدف محققان این دانشگاه دستیابی به دانش و فناوری هایی است که بتوانند با استفاده از آن ها سیستم هایی را که دارای کارایی کم و آسیب پذیری بالایی هستند، به سیستم هایی تبدیل کنند که بتوانند مشکلات را در سطح سیستمی تشخیص دهند، آن ها را طبقه بندی کنند و اقدامات لازم جهت برطرف کردن آن ها را انجام دهند. وی افزود به کارگیری این سیستم ها موجب می شود مدت زمان توقف فعالیت های کارخانه ها کمتر شود، مشکلات سریع تر تشخیص داده شوند و برطرف شوند و کارایی کارخانه ها نیز افزایش پیدا کند.

محققان در حال حاضر در مراحل ابتدایی تحقیقات خود، در حال تمرکز بر روی فرایند تولید آن دسته از محصولاتی هستند که قطعات آن ها به صورت جداگانه تولید می شود (مانند خودرو، گوشی و غیره)؛ اما قصد دارند در آینده این روش تشخیصی خود را در فرایند تولید قطعات نیمه رسانا و قطعاتی که برای پردازش های دسته ای مورد استفاده فرار می گیرند، نیز به کار بگیرند.

ارسال نظر