Carsten Nøkleby
Ph.D. i M2M og direktør i SESAM-world
Effektiv produktion og integrering af løsninger i forsyningskæden hører med til udbyttet med M2M.
”M2M kan opsplittes i to: Det kan bruges til styring af vareflowet på produktionslinjer, hvor maskiner kommunikerer for at skabe det optimale vareflow, og det kan bruges til udveksling af data til og fra maskiner og de overliggende styringsværktøjer – planlægning, ordredata, varedata, effektivitet, energiforbrug, m.m.,” siger Carsten Nøkleby, Ph.D. i M2M og direktør i SESAM-world, der yder uvildig rådgivning inden for IT, ledelse, automation og nye teknologier.
Machine to machine er standarder og teknologier med enheder i et netværk, der, ud over at udveksle data og information, selvstændigt kan instruere og korrigere uden menneskelig indgriben. Inden for f.eks. lagerlogistik kan gaffeltrucks erstattes af AGV’er (selvkørende robotter), der selv sørger for at få råvarer, halvfabrikata eller pakkemateriale frem. Det sker i et tempo baseret på behov via en overordnet styring, som systemerne i samspil kommer frem til. Skulle machine to machine-systemerne alligevel kræve assistance, kan det som regel ske via fjernadgang, der ofte skabes til det virtualiserede IT-miljø, som med tiden bliver cloudbaseret.
M2M påvirker forsyningskæden
”M2M-standarder som PackML (ANSI/ISA TR88.00.02-2015) giver en nemmere integration mellem de forskellige aktørers systemer i forsyningskæden. Det giver ensartet kontakt mellem maskinerne i kæden, og det gør, at snitfladerne mellem maskiner og systemer ændres fra leverandørspecifikke til standardiserede,” siger Carsten Nøkleby.
Man bevæger sig væk fra forprogrammerede, forholdsvis rigide maskiner, der f.eks. kun kan skifte fra program 1, 2 eller 3, inden det er nødvendigt at kontakte en leverandør for at ændre noget grundlæggende. Som et bedre alternativ er M2M fleksibel, kan anvende kritiske procesparametre og handle on-the-fly.
M2M varetager selvstændigt processer og overflødiggør nogle beslutninger, men med de store datamængder, der både skabes og kræves i M2M, bliver dataindsamling og big data vigtig – og det kræver nye fokusområder.
”Jeg kender en svensk virksomhed, der lige har ansat Ph.D.-ere udelukkende til at analysere big data, da de har opdaget, hvilket kæmpe potentiale det har til at finde optimum for deres M2M-performance og generelle forretningsøkonomi,” påpeger Carsten Nøkleby.