Internet věcí v podání SAP, to jsou řešení pokrývající širokou škálu oblastí od železniční dopravy až po veřejné toalety, jejichž společným jmenovatelem jsou předvídání a úspory v údržbě a výrobě. O tom, jak mohou vypadat v praxi, jsme si povídali s Vladimírem Heřtem, který ve společnosti SAP pracuje jako Presales Expert.
Výrobci ERP systémů, SAP nevyjímaje, dodávají řešení pro strukturovaná data. IoT však generuje nesourodá „big data“ z velkého množství zdrojů, čidel. Jak je hodláte zpracovávat a ke strukturovaným datům připojit, integrovat?
SAP je společností, která vyvíjí systémy pro řízení podnikových procesů. Co se týče internetu věcí, hromadění a zpracování dat ze zařízení dává možnost nahradit manuální pořizování dat za automatické s daleko vyšší frekvencí a bez zkreslení, které může vnést lidský faktor. V našich řešeních tedy využíváme kombinaci strukturovaných dat s nestrukturovanými daty sbíranými ze zařízení. Například oblast prediktivní údržby je zcela typickým příkladem kombinace těchto dvou typů dat. Strukturovaná data pořizují mechanici, pracovníci odboru údržby apod., jde např. o informace o tom, co na zařízení opravovali, proč, kdy, jaké náhradní díly použili atd. Když se k těmto strukturovaným datům připojí ta nestrukturovaná ze zařízení, je možné kombinací těchto dat získat nové procesy třeba pro prediktivní údržbu. Kombinací tohoto velkého množství dat jsme pak schopni vytvořit něco nového, co můžeme nazývat diagnostickou údržbou, kdy sledujeme určitý parametr a ve chvíli, když se dostaneme na jeho mez, můžeme údržbu provést. Co je však mnohem důležitější, je skutečnost, že jsme schopni kombinací těchto dvou druhů dat předvídat, co je třeba učinit v budoucnosti. Toto je sice záležitost prediktivní údržby, ale podobným způsobem pracuje řada aplikací i v jiných oblastech. Znamená to tedy, že data posbíraná ze zařízení mohu jednak okamžitě použít k operativnímu řízení, a jednak k nějakým predikcím.
Rád bych se v této oblasti zmínil o italské železniční společnosti Trenitalia, která je jednou z výkladních skříní IoT v oblasti poskytovatelů přepravních služeb. Trenitalia totiž vybavila čidly jak svoje hnací vozidla, tj. lokomotivy, tak vozové jednotky. Dnes už sbírají data ze zhruba šesti milionů senzorů, ročně takto posbírají asi 700 TB dat s cílem predikovat údržbu. Po dvou letech provozu IoT dnes mají dva typy zařízení, které jsou schopni udržovat skutečně velice efektivně.
Za prvé jde o baterie, kde jsou dnes díky IoT schopni sledovat závislosti mezi napětím a nabíjecími a vybíjecími proudy. Z těchto závislostí je možno získat jakýsi otisk či podpis baterie, podle kterého se přesně pozná, zda je zapotřebí baterii vyměnit či nikoliv. Z hlediska nákladů na údržbu to znamená zhruba 20% úsporu.
Za druhé jde o brzdné soustavy, kde sledují, kolikrát se natlakovala hydraulika apod. Díky zpracování těchto údajů dokázali ušetřit opět zhruba 20 % nákladů na údržbu brzdných soustav.
K projektu uvedu ještě tři postřehy. I když nasbíráte nestrukturovaná data a k tomu máte spoustu strukturovaných dat, teprve v rámci projektu se hledají algoritmy, jak s využitím těchto dat vytvářet predikce.
Dále u ručního sběru strukturovaných dat do informačního systému bylo v Trenitalia třeba sjednotit způsob zaznamenávání činností údržby. Například pokud došlo v případě opakované poruchy ke změně způsobu její opravy, znamenala tato změna při tvorbě predikcí problémy. Proto bylo potřeba přizpůsobit a standardizovat způsob pořizování těchto strukturovaných dat v údržbě.
Za třetí, ve společnosti Trenitalia sbírají např. také informace o tom, jak často a rychle se otevírají dveře vozových jednotek. Když si pak dají tato data do souvislosti s tím, jak a kde se dané vozové jednotky pohybovaly, a že dochází k jejich různému opotřebení, dokážou měnit nasazení vozových jednotek v osobních a rychlíkových vlacích. V osobáku se vícekrát brzdí, vícekrát se otevírají dveře atd., než při nasazení v rychlíku. V prvním kroku se sbíraná data využívala pro prediktivní údržbu, ve druhém kroku jsou využívána k plánování provozu vozových jednotek tak, aby bylo opotřebení všech komponent vozových jednotek rovnoměrné. Tedy aby když už vagon zajede do depa, aby bylo možno na něm udělat maximum činností údržby a snížil se počet návštěv depa. Toto jsou postupy, které směřují do budoucnosti – data jsou využívána primárně pro úlohy prediktivní údržby a následně k celkové optimalizaci procesů plánování – např. v případě železniční přepravy plánování nasazení vozových jednotek, plánování nákupu náhradních dílů a podobně. Takových projektů v oblasti údržby, jako jsme nasadili v italské železniční společnosti Trenitalia, děláme řadu, od dopravy přes energetiku až po výrobní firmy.
Máte už v SAPu nějaké řešení, které by bylo schopno nasazení? Na které průmyslové vertikály se hodláte orientovat? Můžete uvést některé typické příklady využití?
IoT řešení nabízíme celou řadu – SAP Predictive Maintenance and Service, SAP Connected Logistics, SAP Connected Manufacturing a další řešení provozovatelná jak v prostředí zákazníka, tak v cloudu – pro všechny vertikály, které SAP tradičně obsluhuje počínaje výrobními a logistickými firmami, přes veřejnou správu až např. po odvětví sportu a zábavy s řešením Injury Risk Monitor.
Jako typický příklad využití bych zmínil nasazení řešení SAP Connected Logistics v hamburském přístavu (Hamburg Port Authority). V hamburském přístavu se přeloží více než 9 milionů kontejnerů ročně, zajede do něj více než 8 000 nákladních vozidel každý den, přičemž se očekává, že se tato čísla do roku 2030 zdvojnásobí. Toto je samozřejmě pro přístav velká příležitost i problém zároveň, protože prostor pro fyzickou expanzi přístavu obklopeného městem je velmi omezený. Jedinou reálnou cestou k růstu je zrychlení překládky kontejnerů. Nasazené IoT řešení SAP Connected Logistics vyvinuté na platformě SAP HANA umožňuje v reálném čase sledovat polohu lodí, kamionů, jeřábů, mostů a podobně a optimalizovat provoz v přístavu. Řešení přineslo hamburskému přístavu řadu zajímavých efektů – např. doba, kterou kamiony stráví v přístavu, se denně zkrátila o více než 5 000 hodin při stejném množství přeložených kontejnerů, doba čekání kamionů je v průměru o 5 minut kratší, vzniklé problémy jsou identifikovány a řešeny v reálném čase.
Sběr dat z čidel a zařízení asi není doménou výrobce ERP. Spolupracujete s nějakými partnery? Co je předmětem jejich dodávky?
Když se podíváme, jak vypadá struktura řešeních pro IoT, je zřejmé, že na nejnižší vrstvě jsou senzory a zařízení. V této oblasti se SAP nepohybuje. Na inteligentnější zařízení však dodáváme tzv. IoT kit, což je aplikace, která se dá spustit na procesorech odpovídajících výkonností PC. S IoT kitem jsme schopni dělat dvě věci. Jednak se dají některá data zpracovat přímo na zařízení a k dalšímu zpracování se potom ze zařízení odesílají jen vybraná data. Za druhé jsme pak s tímto IoT kitem schopni zajistit standardní propojení zařízení na IoT řešení SAP provozovaná ať už v cloudu, nebo on-premise (instalace u zákazníka).
Druhá, komunikační vrstva je doménou komunikačních operátorů. SAP přichází na řadu až ve třetí vrstvě – ve správě zařízení. Zde si definujete, jaké senzory připojujete, jakými protokoly s nimi komunikujete apod. SAP pro tuto oblast dodává v rámci platformy SAP HANA služby v oblasti IoT, jež toto umožňují. Kromě toho spolupracujeme s řadou dalších firem poskytujících doplňkové služby. Jednou z nich je firma Jasper, která byla nedávno koupena společností Cisco. Ta dodává například aplikace pro správu SIM karet, pro kontrolu objemů přenášených dat, identifikaci poruch při přenosech dat apod.
SAP dále vyvíjí aplikace na zakázku. Pro IoT totiž (zatím) existuje relativně málo standardních aplikací. SAP vyvíjí IoT aplikace na platformě SAP HANA pro prostředí on-premise a SAP HANA Cloud Platform pro cloudové prostředí.
V té nejvyšší úrovni jde potom o standardní aplikace SAP. Už jsem hovořil o prediktivní údržbě, dále máme k dispozici SAP Connected Logistics, SAP Connected Car, atd. Aplikací nabízíme celou řadu, buď jsou označeny přídavným jménem Connected, nebo Smart.
Co všechno jste schopni z IoT, případně ze systémů ICS/SCADA do vašeho řešení začlenit?
SAP je schopen začlenit z těchto systémů jakékoliv informace. Když se bavíme o IoT, v Evropě se také hodně hovoří o Průmyslu 4.0. Osobně jsem vnímal rozdíly mezi těmito dvěma termíny v tom, že když hovoříme o Průmyslu 4.0., jde spíše o procesy probíhající v interním prostředí zákazníka, např. ve výrobě, s připojením zařízení zejména přes LAN, zatímco když hovoříme o IoT, jde o procesy probíhající vně prostředí zákazníka a zařízení, připojených přes internet. Pokud jde o systémy SCADA, nabízíme pro připojení na výrobní informační systémy a na řadiče výrobních linek komponentu SAP Manufacturing Integration and Intelligence, která má rozhraní na standardizované systémy SCADA i na historizační databáze, například od firmy OSI Soft atd. SAP MII má rozhraní připravena, načítá data a provádí jejich zpracování. Navíc je umí také integrovat s daty z ekonomického informačního systému, především o výrobních zakázkách, odvádění výroby atd. Toto vše běžně děláme, jako příklad standardně integrovaného systému lze uvést SCADA systém od firmy Citect.
Z hlediska využitelnosti dat je můj pohled takový, že lze využít téměř veškerá získaná data. Ve standardních scénářích se využívají informace pro sledování kvality, pro řízení údržby např. sledováním rychlosti pohybu ramen robotů, vždy se provádí automatické odvádění výroby. Dnes už poskytujeme i komunikaci druhým směrem, tj. komunikaci z ekonomického IS do výrobních řídicích systémů, abychom mohli v rámci operativního plánování nastavit priority ve výrobě apod.
Rád bych se však ještě krátce zmínil o nejnovějších záležitostech, a sice o autonomní výrobě. Máme zákazníky, u kterých výrobek při vstupu do výroby dostává čip s informacemi o tom, co se s ním má ve výrobním procesu dělat. Výrobní zařízení si z čipu načte, jaká operace se má na daném výrobku momentálně provést, a po provedení operace na čip nahraje, jak operace dopadla. Autonomně se určí, k jakému dalšímu zařízení bude rozpracovaný výrobek odeslán pro provedení další operace. Proces výroby není v takovém případě řízen shora na základě plánu z ekonomického informačního systému. Moderní technologie dnes umí pracovat autonomně, dokážou si načíst informace o tom, který technologický krok je v jakém stavu, přičemž vy shora nastavíte pouze priority. Vlastní průchod výrobním procesem pak už může být řízen nezávisle na ekonomickém IS.
Vaše řešení je určeno pro použití on-premise u uživatele, nebo v cloudu?
Už jsem zmínil, že v SAP máme obě kategorie těchto řešení.
Je zajímavé, že řada zákazníků provozuje své aplikace v režimu on-premise, například i zmíněné řízení údržby ve společnosti Trenitalia. Ta si veškerá data nahrává rovnou do svého řešení postaveného na databázové platformě SAP HANA. K tomu mají další technologie, jako například Hadoop pro ukládání a pozdější zpracování dat.
Druhá kategorie uživatelů využívá cloud. Velmi často jde o cloudová řešení určená pro sledování jejich vlastních produktů nasazených u zákazníků. Zmínil bych dva příklady z prostředí našich zákazníků.
Prvním je firma Kaeser Kompressoren. Ta dříve prodávala kompresory, dnes prodává stlačený vzduch. Nainstaluje u zákazníka kompresor do jeho výrobního prostředí a tam měří, kolik stlačeného vzduchu mu dodali. Ten zákazníkovi poté účtují. Samozřejmě měří provozní parametry kompresorů, aby mohli řídit jejich údržbu atd.
Druhým příkladem firmy, která využívá cloudové řešení, je firma Hagleitner. Ta dodává inovativní hygienická zařízení na veřejné toalety, do nemocnic apod. Přes cloudovou aplikaci v reálném čase sleduje např. stav náplně v dávkovačích, aby ji mohli včas doplnit apod. V Hagleitner jdou však ještě o krok dál. Z informací, které získávají v reálném čase, jsou schopni například zjistit, jak často jsou veřejné toalety využívány. Podle toho informují úklidové firmy, kam poslat úklidovou četu. Ještě propracovanější scénář využívají například na stadionech, kde jsou pomocí billboardů schopni o přestávce nasměrovat návštěvníky na méně vytížené toalety. Jak jsem zmínil v úvodu, v tomto případě Hagleitner využívá cloudovou aplikaci HAGLEITNER senseMANAGEMENT pracující v SAP HANA Cloud Platform.
IoT je nová věc, lidé jej ještě neznají, nevědí, co by mohli potřebovat a měli chtít, nejsou schopni to vůbec odhadnout, takže je IoT řízeno technologiemi. Jak se v této oblasti pohybuje SAP? Jen reagujete na náhodné potřeby zákazníků, nebo je také umíte společně s nimi odhadnout, vytvořit a naplnit?
Toto je tématem tzv. ko-inovace. SAP má několik ko-inovačních center, kde spolu se zákazníky vyvíjí moderní scénáře. Určitě mohu zmínit naše zákazníky z oblasti automobilového průmyslu, kteří s námi například vytvářejí aplikace pro tzv. Connected Cars. Tady SAP nepřichází s hotovým řešením, právě naopak. Zákazníci mají vlastní nápady na inovace, stejně jako my. My ale navíc máme metodiky, jak na těch nápadech a inovacích pracovat, a s využitím těchto metodik vzniká ve spolupráci se zákazníkem konečné řešení.
Uvedl bych jako příklad ještě jednoho zákazníka SAP, firmu Still, která vyrábí vysokozdvižné vozíky. Vyvinuli jsme s nimi řešení umožňující odesílat z ERP systému informace, jak má být vysokozdvižný vozík nakonfigurován pro provedení dané skladové operace. ERP systém ví, co se má vyskladnit, jak je to těžké, jak vysoko je to uloženo apod. Na základě těchto informací jsme schopni překonfigurovat vysokozdvižný vozík tak, aby mohl tuto operaci provést. Zároveň jsme s firmou Still připravili aplikaci pro sledování provozního stavu a využití flotil vysokozdvižných vozíků. Používají tuto aplikaci u svých zákazníků, aby jim dokázali zajistit lepší servis.
Zmínil bych ještě jednu cloudovou aplikaci od SAP – tzv. Asset Intelligent Network. Jde o registr zařízení vytvořený na internetu, kam prodávající a případně i výrobce poskytuje informace o zařízení, o jeho konfiguraci, parametrech sledovaných pro účely řízení údržby a podobně. Později jsou do registru zaznamenávány i veškeré informace o provozu zařízení včetně dat sbíraných ze senzorů. S aplikací může pracovat jak výrobce či prodejce, tak poskytovatel služeb i uživatel přístroje. Ti mohou využívat dostupná data pro maximálně efektivní provozování přístroje.
Na závěr bych chtěl otevřít ještě jedno téma. Většina nových řešení pro oblast IoT vzniká tak, že vyhledáváme se zákazníky procesy, které by se daly digitalizovat. Máme specializovanou metodiku umožňující systematické vyhledávání vhodných činností nebo procesů k digitalizaci. K tomu připravujeme studii ekonomické návratnosti, a když se provedou technická a ekonomická hodnocení, získáme návrh možná zcela nového procesu, který pro zákazníka implementujeme. V některých případech, když dojdeme k závěru, že proces je opakovatelně použitelný, uděláme se zákazníkem dohodu, že jej můžeme začlenit do standardního řešení a nabídnout jej i ostatním zákazníkům. Tímto jsem popsal nejběžnější postup, jak se zákazníky pracujeme. Pokud se podíváme na standardní aplikace, například aplikaci prediktivní údržby, ty máme k dispozici a nabízíme ji všem zákazníkům. Algoritmy, které používáme, jako například analýza vibrací nebo sledování stavu baterií, byly v minulosti vyvinuty stejným způsobem, tedy ve spolupráci se zákazníky. Dnes už jsou součástí standardního řešení.