Bài viết này xem xét các xu hướng tự động hóa chính trong sản xuất điện tử, bao gồm các lớp kết nối ngày càng tăng, nhu cầu an ninh mạng ngày càng tăng, triển khai ML chuyên biệt cũng như cách truy xuất nguồn gốc và MES hỗ trợ các số liệu, phân tích sản xuất theo thời gian thực.
Gia tăng các tầng kết nối
IIoT trong ngành công nghiệp 4.0 bao gồm nhiều lớp mạng có dây và không dây hơn cho mạng cảm biến, robot di động tự động (AMR) và các hệ thống khác. Ví dụ: IO-Link được phát triển để cung cấp kết nối mạng có dây được đơn giản hóa cho số lượng lớn cảm biến, bộ truyền động, chỉ báo và các thiết bị cạnh cũ chưa được kết nối trước đây cho các mạng cấp cao hơn như Ethernet IP, Modbus TCP/IP và PROFINET. Với IO-Link, đầu vào và đầu ra (IO) của các thiết bị này được thu thập và chuyển đổi thành giao thức IO-Link để kết nối nối tiếp được xác định trong IEC 61131-9 bằng một cáp không có vỏ bọc 4 hoặc 5 dây được xác định trong IEC 60974- 5-2 (Hình 1). Ngoài việc cung cấp một lớp mạng mới để nắm bắt thông tin chi tiết hơn về các quy trình của nhà máy, IO-Link hỗ trợ triển khai nhanh chóng và cấu hình, giám sát và chẩn đoán từ xa của các thiết bị được kết nối để hỗ trợ các thay đổi về quy trình và dây chuyền cần thiết cho việc tùy chỉnh hàng loạt trong các nhà máy Công nghiệp 4.0.
Các thiết bị IIoT không dây, từ cảm biến đến robot cũng góp phần vào sự phát triển của các lớp mạng. Các giao thức không dây khác nhau, bao gồm Wi-Fi, 5G, LTE và các giao thức khác, được sử dụng trong các nhà máy hiện đại. Ví dụ: AMR sử dụng kết hợp các cảm biến tích hợp và kết nối Wi-Fi để hiểu môi trường của chúng, xác định các chướng ngại vật có thể xảy ra và di chuyển an toàn và hiệu quả từ nơi này sang nơi khác. Robot cộng tác (cobot) được thiết kế để làm việc với con người nhằm nâng cao hiệu quả hoạt động và thường yêu cầu kết nối không dây. Trong một số trường hợp, AMR di chuyển cobot từ nhiệm vụ này sang nhiệm vụ khác khi cần thiết (Hình 2).
Gia tăng mối nguy hiểm trên mạng
Các lớp ngày càng tăng trong các mạng công nghiệp, kết hợp với sự bùng nổ về số lượng thiết bị được kết nối, dẫn đến số lượng vectơ đe dọa bảo mật và các mối nguy hiểm trên mạng cũng ngày càng tăng. Một số tiêu chuẩn và phương pháp bảo mật dành riêng cho công nghiệp và IoT đã được phát triển, bao gồm Ủy ban kỹ thuật điện quốc tế (IEC) 62443 và Tiêu chuẩn đánh giá bảo mật cho nền tảng IoT (SESIP).
IEC 62443 là một loạt các tiêu chuẩn được phát triển bởi ủy ban 99 của Hiệp hội Tự động hóa Quốc tế (ISA) và được IEC phê duyệt. IEC 62443 là bộ tiêu chuẩn dài hơn 800 trang dành cho Hệ thống điều khiển và tự động hóa công nghiệp (IACS) trong 14 tiểu mục và bốn tầng (Hình 3). Các phần chính xác định các yêu cầu bảo mật và phát triển sản phẩm cho các thành phần là: IEC 62443-4-1: Yêu cầu vòng đời phát triển bảo mật sản phẩm – xác định vòng đời phát triển sản phẩm bảo mật bao gồm định nghĩa yêu cầu ban đầu, thiết kế và triển khai bảo mật, xác minh và xác thực, quản lý lỗi và vá lỗi cũng như kết thúc vòng đời.
IEC 62443-4-2: Bảo mật cho các hệ thống điều khiển và tự động hóa công nghiệp: Yêu cầu bảo mật kỹ thuật cho các thành phần IACS – chỉ định các khả năng bảo mật cho phép một thành phần giảm thiểu các mối đe dọa đối với một mức độ bảo mật nhất định.
ML từ đám mây đến biên
ML là một công cụ hỗ trợ chính của tự động hóa thông minh, hỗ trợ cải tiến quy trình liên tục và các sản phẩm chất lượng cao. Việc sử dụng mạng nơ ron là một kỹ thuật ML được thiết lập tốt trong Công nghiệp 4.0. Nó bắt đầu được bổ sung với học sâu trên đám mây. Học sâu thêm một khung thuật toán hướng mục tiêu vào lõi mạng nơ ron. Ban đầu, việc ứng dụng kỹ thuật học sâu chỉ giới hạn trong các môi trường có thể lặp lại như chơi trò chơi. Ngày nay, các thuật toán có thể hoạt động trong các môi trường ảo. Trong tương lai, việc triển khai học sâu nâng cao có thể tiến tới ứng dụng trí tuệ nhân tạo.
ML không chỉ có trên đám mây; nó được triển khai tận khu vực nhà máy. Các khe cắm mở rộng trong PC công nghiệp và bộ điều khiển khả trình trong nhà máy ngày càng lưu trữ các thẻ tăng tốc ML và AI để kiểm soát quy trình thông minh.
Việc sử dụng ML trong các ứng dụng cảm biến đang phát triển nhanh chóng. Một ví dụ về ứng dụng ML là phân tích cảm biến IIoT trong các thiết bị biên chạy bằng pin hoặc sủ dụng năng lượng.
Số liệu và phân tích thời gian thực
Số liệu và phân tích thời gian thực là những khía cạnh thiết yếu của tự động hóa thông minh. Truy xuất nguồn gốc 4.0 kết hợp khả năng hiển thị sản phẩm, khả năng hiển thị chuỗi cung ứng và khả năng hiển thị chi tiết đơn hàng từ các thế hệ truy xuất nguồn gốc trước đây. Ngoài ra, nó bao gồm tất cả các thông số của máy và quy trình, đồng thời hỗ trợ các số liệu về hiệu quả của thiết bị tổng thể (OEE) nhằm tối ưu hóa các quy trình sản xuất (Hình 5) .
Khả năng truy xuất nguồn gốc rất quan trọng trong nhiều ngành công nghiệp, từ sản xuất thiết bị y tế đến ô tô và hàng không vũ trụ. Hệ thống ô tô và hàng không vũ trụ có thể có hàng chục nghìn bộ phận để theo dõi, từ lịch sử, kích thước hình học của từng bộ phận riêng lẻ (GD&T).
Truy xuất nguồn gốc có thể cải thiện độ chính xác và hiệu quả của việc thực hiện thu hồi sản phẩm. Nó cho phép nhà sản xuất xác định tất cả các sản phẩm bị ảnh hưởng và nhà cung cấp hoặc các nhà cung cấp của bất kỳ thành phần bị lỗi nào.
Các hành động khắc phục và phòng ngừa có thể được tăng tốc thông qua việc sử dụng truy xuất nguồn gốc. Giống như việc thu hồi sản phẩm, việc biết được nguồn gốc đầy đủ của sản phẩm cho phép các nhà sản xuất nhắm mục tiêu và lên lịch hiệu quả cho các hoạt động dịch vụ và bảo trì cho các sản phẩm tại hiện trường.
Truy xuất nguồn gốc và MES
Việc triển khai MES hợp nhất kết hợp khả năng truy xuất nguồn gốc có thể tạo ra cơ sở dữ liệu có thể tìm kiếm được về tất cả thông tin liên quan đến các sản phẩm riêng lẻ, bao gồm các thiết kế theo kế hoạch và kết quả khi triển khai. Ví dụ: truy xuất nguồn gốc được sử dụng để theo dõi các thành phần và vật liệu riêng lẻ khi chúng đến nơi, bao gồm dữ liệu kiểm tra chất lượng đầu vào, vị trí của nhà máy cung cấp,… trước khi bắt đầu sản xuất. MES xác minh thông tin đó dựa trên thiết kế đã lên kế hoạch và đưa vào các hoạt động lắp ráp và hoạt động trong cơ sở dữ liệu quy trình.
Dữ liệu truy xuất nguồn gốc do IIoT cung cấp kết hợp với MES hỗ trợ tùy chỉnh hàng loạt sản phẩm trong Công nghiệp 4.0. MES cho phép sử dụng đúng nguyên liệu, quy trình và các nguồn lực khác ở đúng nơi để đảm bảo chi phí sản xuất thấp nhất và kết quả chất lượng cao nhất. Ngoài ra, MES và truy xuất nguồn gốc có thể kết hợp và chứng minh sự tuân thủ các quy định của chính phủ và giúp kiểm toán viên hoặc những người khác dễ dàng truy cập dữ liệu theo yêu cầu.
Chuỗi khối
Trong một chuỗi cung ứng có nhiều người tham gia, blockchain có thể cải thiện hiệu quả giao dịch và làm cho các giao dịch có thể xác minh và chống giả mạo. Hai ví dụ về lợi ích của việc sử dụng blockchain trong các hoạt động của chuỗi cung ứng bao gồm:
Thay thế các quy trình thủ công. Các quy trình dựa trên giấy thủ công dựa trên chữ ký hoặc các hình thức xác minh vật lý khác có thể được cải thiện bằng cách sử dụng chuỗi khối. Tuy nhiên, số lượng người tham gia trong sổ cái phải hữu hạn và dễ nhận biết. Một công ty giao hàng với cơ sở dữ liệu thay đổi liên tục về những khách hàng xa lạ có thể không phải là ứng cử viên sáng giá cho blockchain.
Tăng cường truy xuất nguồn gốc. Chuỗi khối có thể cung cấp một công cụ tốt để cải thiện tính minh bạch của chuỗi cung ứng và đáp ứng các yêu cầu về thông tin tiêu dùng và quy định ngày càng tăng. Ví dụ: chuỗi khối có thể hỗ trợ Đạo luật bảo mật và chuỗi cung ứng dược phẩm và ủy quyền nhận dạng thiết bị duy nhất từ Cục quản lý thực phẩm và dược phẩm Hoa Kỳ. Trong ngành ô tô và các ngành công nghiệp khác, các nhà cung cấp trong toàn bộ chuỗi cung ứng có thể tham gia vào việc triển khai thu hồi và chuỗi khối có thể cung cấp một công cụ tốt để triển khai nguyên tắc truy xuất nguồn gốc do nhóm ngành ô tô triển khai.
Theo Jeff Shepard (DigiKey)
