Kiekviena didesnė popieriaus gamybos linija turi įdiegtą kokybės kontrolės sistemą, kuri matuoja įvairius gaminamo popieriaus parametrus. Be šios sistemos, popieriaus gamyba vyktų „aklai“, o defektai būtų pastebimi tik po to, kai produktas jau būtų pagamintas. Itin svarbu atitinkamai prižiūrėti QCS. Tai padeda palaikyti ir gerinti gamybos kokybę, našumą ir efektyvumą. Čia labai svarbų vaidmenį atlieka QCS techninės priežiūros specialistai.
Tobulėjant QCS technologijai, keičiasi ir jos aparatinė/programinė įranga bei duomenų valdymo būdai, o tai plečia technikų atsakomybes. Pavyzdžiui, nuolatinis, nepertraukiamas prisijungimas prie įrangos realiu laiku tapo itin reikšmingas. Be to, galimybė nuotoliniu būdu dalintis duomenimis su ekspertais padeda greičiau spręsti problemas. Žinoma, kyla iššūkių tokių kaip greitas duomenų perdavimas ar patikimas šifravimas, tačiau turint stiprią IT saugumo komandą, tai yra išsprendžiama.
Gamyklos, pasitelkusios skaitmeninius įrankius, automatizavimą ir kvalifikuotus specialistus, gali pereiti nuo reaktyvios priežiūros prie prevencinės ir kitų, dar pažangesnių metodų. Visa tai tik dalis skaitmeninės revoliucijos QCS aptarnavimo srityje.
Dabartinis paslaugų modelis
Šiuo metu QCS paslaugos vis dar didele dalimi priklauso nuo rankinių procedūrų, kurias atlieka vietoje dirbantys technikai. Jų darbas apima planinę prevencinę priežiūrą: vizualinę apžiūrą, įrangos veikimo tikrinimą, valymą, įrangos operatorių apmokymą, matavimų koreliacijos vertinimą, pagrindinių veiklos rodiklių (KPI) fiksavimą bei valdymo sistemos saugos užtikrinimą (iliustracija 1). Šios reguliarios užduotys reikalauja tikslumo ir nuoseklumo tam, kad sistema veiktų optimaliai.
Visgi šis „rašiklio ir lentelės“ metodas turi savo apribojimų. Technikai per dieną gali atlikti tik tam tikrą skaičių patikrų, be to, kai kurią įrangą sunku pasiekti arba ją reikia stabdyti prieš patikrą. Tokiu būdu surinkti duomenys tėra momentinė sistemos būsena, todėl gali būti praleidžiami lėtai besivystantys ar protarpiniai sutrikimai. Duomenų fiksavimo ir perdavimo praktikos taip pat nėra vieningos. Pasitaiko nuo ranka rašytų užrašų iki skaitmeninių įrašų metodų, todėl kyla iššūkių užtikrinant nuoseklų informacijos perdavimą ir analizę.
Pramonės lūkesčiai ir reikalavimai
Šiuolaikinėje konkurencingoje gamybos aplinkoje klientų reikalavimai dar niekada nebuvo tokie aukšti. Iš įmonių tikimasi pateikti kokybiškus, tiksliai pagal specifikacijas pagamintus produktus ir kuo ekonomiškiau. Optimizacija ne visada reiškia galutinio produkto savybių gerinimą. Dažnai yra svarbiau sumažinti sąnaudas, padidinti gamybos apimtis ir kartu išlaikyti produkto kokybę. Tokie lūkesčiai reiškia, kad nuolatinis tobulėjimas tampa būtinybe.
Kitas iššūkis yra darbuotojų kartų kaita, kai patyrę specialistai išeina į pensiją, o kartu su jais ir dešimtmečius kauptos žinios. Nauji darbuotojai turėtų kuo sklandžiau perimti šias žinias ir įgyti kompetencijas. Skaitmeninis duomenų rinkimas padeda šią informaciją kaupti, išversti ir perduoti kitiems.
Dėl šių veiksnių vis labiau pasikliaujama valdymo sistemomis, o norint išlaikyti aukštą lygį, reikia vis daugiau žinių ir kompetencijos. Siekdami padėti gamykloms išnaudoti visą potencialą, paslaugų teikėjai, tokie kaip ABB, turi žvelgti į ateitį ir ieškoti optimaliausių būdų, kaip atliepti klientų poreikius.
Šiuolaikinis požiūris į QCS paslaugas
QCS paslaugų ateitis – tai produktyvumo didinimas pasitelkiant skaitmeninius įrankius ir automatizavimą (iliustracijos 2, 3). Duomenų rinkimas ir analizė leidžia supaprastinti rutininę, reguliarią priežiūrą, todėl technikai gali daugiau dėmesio skirti sudėtingesnėms ir reikšmingesnėms užduotims. Šis metodas leidžia spręsti problemas nuotoliniu būdu ir kone realiu laiku dalintis duomenimis su ekspertais, taip trumpinant reakcijos laiką [1]. Duomenų analizė padeda atskleisti dėsningumus, kurių kartą per savaitę atliekamos pavienės apžiūros metu nebūtų galima pastebėti. Taip sumažėja prastovų skaičius, pagerėja supratimas apie įrangos būklę, o gedimų priežasčių analizė tampa dar tikslesnė.
2 – Pereinant nuo reagavimo prie prevencinės priežiūros, ženkliai sumažėja poreikis korekciniams veiksmams. X ašis žymi sąlyginį laiko grafiką [2] 
3 Skaitmenizavimas ir ryšys - ateities paslaugų modelis
Šie patobulinimai taikomi ne tik prevencinėms apžiūroms. Dideli duomenų srautai ir prisijungimas prie įrangos leidžia atlikti ir korekcinius veiksmus. Pavyzdžiui, jei gaunamas pranešimas, kad reikia optimizuoti kilpą ar atnaujinti nustatymą, inžinierius gali prisijungti nuotoliniu būdu ir atlikti pakeitimus neišeidamas iš savo darbo vietos. Rezultatai matomi vos tik sistema pateikia grįžtamąjį ryšį. Tokiu būdu išvengiama kelionės į objektą, greičiau atliekami pataisymai, o gamykla gali tęsti darbą beveik be trikdžių.
Duomenų perdavimo kanalai gali būti įvairūs. Pavyzdžiui, el. paštas, SMS žinutė, internetinis portalas ar tiesioginis perdavimas į valdymo patalpą. Šių kanalų personalizavimas padidina efektyvumą, o svarbiausių pranešimų prioritetizavimas padeda išlaikyti dėmesį svarbiausiems klausimams.
Saugumas visada išlieka svarbiausiu prioritetu. Patobulintos problemų sprendimo priemonės sumažina nesaugių situacijų riziką. Pavyzdžiui, po sustabdymo dažnai skubama atnaujinti gamybą, o operatoriai gali būti pavargę nuo intensyvių darbų, tad trumpesnis remonto laikas sumažina rizikas.
Dar vienas svarbus patobulinimas yra problemų ir sprendimų kaupimas ir dokumentavimas. Taip kuriama ir didinama žinių bazė, kurioje fiksuojami įrangos būklės pokyčiai, jų priežastys ir sėkmingi sprendimai. Dalijimasis šia žinių baze tarp kelių gamyklų padeda spręsti problemas remiantis kitos vietos patirtimi. Tai taip pat priartina prie nurodomosios („prescriptive”) priežiūros
Ateityje skaitmeninės paslaugos gali apimti vadinamus „veiksmų vadovus“ (angl. playbooks), kuriuose nurodoma, kaip reaguoti į įspėjimus ir tiesioginę komunikaciją su pagalbos linijomis greitam diagnostikos atlikimui. Kai kurios „veiksmų vadovų“ (angl. playbooks) dalys gali būti standartinės veiklos procedūros, padedančios išvengti spėlionių, ką daryti toliau.
Mašininio mokymosi ir dirbtinio intelekto įtaka
Mašininio mokymosi diegimas iš esmės keičia procesų analizę, nes sumažina šališkumą ir sutrumpina duomenų analizės laiką. Mašininis mokymasis apima prižiūrimą mokymąsi, neprižiūrimą mokymąsi ir sustiprintą mokymąsi. Kiekvienas tipas reikalauja skirtingo kiekio ir detalumo duomenų modeliui apmokyti tam, kad šis galėtų prognozuoti rezultatus pagal procesų kintamuosius. Modelių tikslumas tikrinamas remiantis realiais duomenimis, todėl vertinga turėti platų ir įvairiomis sąlygomis surinktą duomenų rinkinį.
Mašininis mokymasis taps itin svarbus pereinant nuo būkle pagrįstos priežiūros prie nurodomosios (angl. prescriptive) priežiūros, nes siūlys greitesnes ir tikslesnes prognozes nei analitikų komanda.
Mašininis mokymasis yra dirbtinio intelekto dalis. Nors dažnai manoma, kad reikėtų kuo greičiau įdiegti dirbtinį intelektą dėl jo potencialo, būtina atsakingai vertinti jo rezultatus. Žmogaus žinios ir patirtis išlieka būtinos tam, kad būtų išvengta neteisingų išvadų ir netinkamų sistemos korekcijų. Be to, kai kurie remonto darbai negali būti automatizuoti ir vis tiek reikės atlikti vietoje gyvai.
4a – Slankmačio jutiklio gedimų sumažėjimas įdiegus prognozinius įspėjimus. Apatinėje grafiko dalyje oranžiniai taškai rodo sankaupų susidarymą. Raudonos vertikalios punktyrinės linijos žymi įspėjimus, o žalios vertikalios punktyrinės linijos rodo, kada sankaupos buvo pašalintos ir įspėjimai išvalyti. 
5a – CD svorio variacijos stabilizavimas įdiegus standartinę darbo procedūrą (angl. standard operating procedures) apipjaustymo purškimui.
Skaitmeninių paslaugų iššūkiai ir sprendimai
Nepaisant daugybės privalumų, skaitmeninės paslaugos vis dar susiduria su tam tikrais barjerais.
Duomenų saugumas:
- Didėjant skaitmeninėms grėsmėms, būtinos stiprios IT saugumo priemonės.
- Būtina užtikrinti griežtą vartotojų paskyrų valdymą, išduodamus leidimus prisijungti prie vartotojų paskyrų ir duomenų šifravimą.
Klientų pasirengimas:
- Kai kurie klientai gali nenoriai priimti skaitmeninius įrankius.
- Programos turi būti pritaikomos pagal kliento skaitmeninį brandos lygį ir plėtros galimybes.
Įspėjimų optimizavimas:
- Svarbu kurti aktualius, laiku pateikiamus įspėjimus, neperkraunant vartotojų informacijos pertekliumi.
- Tai reikalauja patyrusių darbuotojų, kurie nustatytų tinkamus įspėjimų lygius ir sumažintų neteisingų aliarmų tikimybę.
Sparčiai besikeičiantis paslaugų pasaulis
Kokybės kontrolės sistemos (QCS) paslaugų perėjimas nuo rankinių metodų prie skaitmeninių sprendimų žada reikšmingą techninės priežiūros efektyvumo ir sistemos patikimumo pokytį. Naudojant skaitmeninius įrankius ir mašininį mokymąsi, QCS specialistai gali pereiti nuo reagavimo į gedimus prie jų prevencijos, pagerindami popieriaus gamybos procesų rezultatus ir sumažindami prastovas. Tokie iššūkiai kaip duomenų saugumas, klientų pasirengimas ar įspėjimų tvarkymas gali būti įveikti nuosekliai diegiant sprendimus ir nuolat juos tobulinant ir tokiu būdu užtikrinant sėkmingą skaitmeninę transformaciją.
Išnašos:
[1] Stanley, D. et al., “Advanced Data Strategies for Papermaking Optimization,” TAPPICon 2021, Atlanta, GA, 2021
[2] Starr, K., “Automation Service Solutions for the 21st Century,” International Society of Automation, ISA 2016. Available: https://isa.ie/wp-content/uploads/2016/06/2016_ISA_Automation_Services_for_the_21st_Century-Kevin_Star.pdf. [Accessed June 7, 2024.]
