Polska firma Transition Technologies, działająca w sektorze IT, dołączy do międzynarodowego konsorcjum i będzie pracować nad projektem badawczo-rozwojowym z zakresu przemysłu 4.0. W ramach „Improve” przygotowany ma zostać modelowy system zarządzania fabryką przyszłości. Prace będą realizowane wspólnie z 15 innymi podmiotami, w tym Monachijskim Uniwersytetem Technicznym i firmami Reifenhauser Reicofil czy OCME, a finansowane z unijnego programu Horyzont 2020. Budżet projektu wynosi 4,1 mln EUR. Prace potrwają trzy lata. Zakładany efekt: wypracowanie nowego podejścia do modelowania pracy urządzeń w fabryce, tak by zoptymalizować ich działanie i zwiększyć kontrolę nad nimi w sytuacji awarii. A dokładnie samokontrolę. Chodzi o przebadanie modelu fabryki doskonałej, w której system informatyczny samodzielnie będzie analizować procesy produkcyjne — ostrzeże przez ryzykiem wystąpienia usterki, powiadomi o potrzebie wymiany podzespołów itp. Wszystko za sprawą oprogramowania i zestawu odpowiednioskonfigurowanych z nim sensorów.
— Całościowe podejście do realizacji projektu będzie zgodne z ideami przemysłu 4.0 i internetu rzeczy, opartych na systemach cyberfizycznych i sieciowej komunikacji maszyna-maszyna oraz człowiek-maszyna, dzięki czemu możliwa staje się wymiana danych oraz informacji procesowych pomiędzy urządzeniami pracującymi w fabrykach a osobami na każdym szczeblu organizacji produkcyjnej. W przypadku fabryk przyszłości skłaniałbym się bardziej ku hasłu „przemysłowy intranet rzeczy” — zaznacza Adam Gąsiorek, dyrektor operacyjny ds. rozwoju firmy Transition Technologies.
Analiza ma być impulsem do rozwoju europejskiego przemysłu. Ale projekt stanowi też okazję do zaprezentowania możliwości polskich inżynierów i programistów na arenie międzynarodowej.
— Projekt „Improve” jest najlepszym przykładem na to, że powinniśmy przestać bać się innowacji i zacząć jeszcze więcej w nie inwestować — mówi Konrad Świrski, prezes Transition Technologies. Do głównych zadań firmy należeć będzie m.in.: opracowanie koncepcji zarządzania danymi oraz opracowanie algorytmów do analizy i optymalizacji modułów produkcyjnych. © Ⓟ