Start / Podmioty / Przemysł 4.0

Podmioty — Produkcja

Przemysł 4.0 — AI, które pracuje tam, gdzie internet nie ma wstępu.

Sieci OT w dobrze prowadzonych zakładach są odcięte od internetu — i słusznie. Chmurowe AI jest tam z definicji niedostępne. Lokalna jednostka AI w serwerowni zakładu czyta DTR-ki, pamięta każdą awarię i odpowiada technikowi w milisekundach, nie naruszając ani polityki bezpieczeństwa, ani tajemnicy technologicznej.

Hala produkcyjna nocą: linia maszyn połączona świetlnymi przewodami z kompaktową jednostką obliczeniową w szafie sterowniczej, w tle przerwana linia symbolizująca odcięcie od internetu

Problem

Nowoczesny zakład generuje dane w tempie, którego żadna chmura nie obsłuży sensownie: czujniki drgań, kamery wizyjne, logi SCADA, rejestry CMMS, raporty zmianowe. Przesyłanie tego na zewnątrz jest wolne, drogie — i w większości zakładów po prostu zabronione, bo sieć produkcyjna (OT) jest fizycznie odseparowana od internetu.

Do tego dochodzi druga bariera: parametry procesów, receptury, wydajność linii i historia awarii to tajemnica technologiczna przedsiębiorstwa. Wysyłanie jej do zewnętrznego API — czyli de facto na serwery podmiotu, który obsługuje także konkurencję — nie przechodzi ani przez dział bezpieczeństwa, ani przez zdrowy rozsądek.

Efekt: branża, która najwięcej zyskałaby na AI (powtarzalne procesy, ogromna dokumentacja, mierzalne koszty przestojów), korzysta z niego najrzadziej. Nie z powodu braku potrzeb — z powodu architektury, w której AI „musi być w chmurze". Nie musi.

Rozwiązanie: Industrial Edge AI

Jednostka AI — przemysłowy MSI EdgeXpert przy linii lub ASUS GX10 w serwerowni — pracuje w całości wewnątrz sieci zakładowej. Dane przetwarzane są „na krawędzi", tam gdzie powstają, z opóźnieniami w milisekundach:

Maszyny → czujniki → kamery → lokalna jednostka edge. Żaden sygnał nie opuszcza sieci OT.

Wsparcie utrzymania ruchu

Technik pyta tablet o kod błędu falownika, a lokalny model odpowiada na podstawie DTR-ek i historii awarii — krok po kroku, z ostrzeżeniami BHP i odsyłaczem do strony dokumentacji. Pełny scenariusz z przykładowym dialogiem: Wsparcie Utrzymania Ruchu (Maintenance AI).

Dokumentacja pod ręką (RAG)

DTR-ki, schematy, procedury, karty charakterystyki i instrukcje serwisowe w jednej lokalnej bazie wiedzy (RAG) — przeszukiwalnej pytaniem w języku naturalnym. Papierowe archiwum przechodzi przez lokalny OCR. Każda odpowiedź wskazuje dokument i stronę źródłową.

Analiza przestojów i zgłoszeń

Model czyta rejestry CMMS i raporty zmianowe, wskazując powtarzalne przyczyny awarii, których nie widać w pojedynczych zgłoszeniach: „awarie podajnika skupiają się na trzeciej zmianie po przezbrojeniu". Warstwa zapytań do baz opisana w Analizie Baz Danych.

Kontrola jakości i optymalizacja

Analiza obrazu z kamer w czasie rzeczywistym — wykrywanie wad montażowych i mikropęknięć w milisekundach, bez wysyłania klatek poza zakład. Modele analityczne podpowiadają korekty parametrów procesu tam, gdzie dane historyczne pokazują rezerwy energii i wydajności.

Schemat sieci zakładu: strefa OT z maszynami i jednostką edge AI wewnątrz obrysu hali, oddzielona wyraźną barierą od strefy IT i przekreślonej chmury na zewnątrz

Cała pętla — dane, model, odpowiedź — zamyka się wewnątrz obrysu hali. Granica OT/IT pozostaje nienaruszona.

Przykładowe pytania z hali (najedź lub wybierz kartę, aby zobaczyć ilustracyjny przykład odpowiedzi)

„Falownik pompy głównej pokazuje E-404 i silnik się grzeje. Co robić?"

E-404 = przeciążenie stopnia wyjściowego. Krok 1: filtr wlotowy chłodzenia (DTR s. 45). Krok 2: w 2023 przyczyną był luźny zacisk U. Przed otwarciem szafy odłącz zasilanie.

źródła: DTR s. 45, CMMS #1182

„Kiedy ostatnio wymienialiśmy łożyska w wentylatorze W-3 i co wtedy zauważono?"

Wymiana 14.11 ub.r. (zgłoszenie #941). W protokole: podwyższone drgania także na W-4 — zalecono kontrolę przy kolejnym postoju.

źródła: CMMS #941, protokół s. 2

„Dlaczego linia L2 staje częściej niż L1, skoro to te same maszyny?"

78% przestojów L2 następuje do 2 h po przezbrojeniu — na L1 przezbrojenia wykonuje inna zmiana wg innej procedury (rozbieżność w kroku 4).

źródła: CMMS 2024–25, procedura P-12

„Przygotuj listę kontrolną postoju remontowego dla prasy P-7"

Checklista 14 pozycji z DTR + 3 punkty z historii awarii (uszczelnienia, czujnik krańcowy, luz prowadnic) + wymagane środki LOTO.

źródła: DTR P-7, CMMS #1201, #1174

Treści na kartach są ilustracyjne — pokazują format odpowiedzi systemu, nie rzeczywisty zakład.

Wiedza, która odchodzi z ludźmi

Najpoważniejsze ryzyko wielu zakładów nie jest techniczne, lecz kadrowe: główny technolog czy mistrz utrzymania ruchu odchodzi na emeryturę i zabiera ze sobą 30 lat doświadczenia, którego nie ma w żadnej procedurze. Program Cyfrowy Następca utrwala tę wiedzę: lokalny agent AI prowadzi z ekspertem cykl wywiadów i buduje przeszukiwalną bazę jego doświadczenia — na sprzęcie zakładu, na zawsze. Ta baza zasila dokładnie tego asystenta, z którego młody technik korzysta o trzeciej nad ranem.

AI w zakładzie nie steruje maszynami i nie zastępuje automatyki. Zastępuje szukanie — w segregatorach, w pamięci nieobecnego mistrza, w tysiącach zgłoszeń. Decyzje wykonawcze zawsze podejmuje człowiek.

Bezpieczeństwo sieci przemysłowej

Separacja OT/IT

System pracuje wewnątrz sieci zakładowej i nie wymaga żadnej komunikacji wychodzącej. Zero telemetrii, zero aktualizacji w tle.

Tajemnica technologiczna

Receptury, parametry procesów i wydajność linii nie opuszczają zakładu w żadnej formie — także jako „metadane" zapytań do API.

Kontrola dostępu

Konta imienne, role per wydział, lokalny log zapytań. Wiadomo, kto, kiedy i o co pytał — również do analizy po incydencie.

Dokumenty, które muszą wyjść na zewnątrz (np. do dostawcy maszyny lub rzeczoznawcy), warto najpierw przepuścić przez AI Privacy Gateway — lokalną bramę anonimizacyjną.

Oferta ailone: od pilotażu do produkcji

Zaczynamy od jednego gniazda problemowego — najczęściej asystenta utrzymania ruchu na próbce dokumentacji — i mierzymy efekt (czas reakcji, MTTR), zanim rozszerzymy system na zakład. Sprzęt dobieramy do warunków: od kompaktowego ASUS GX10 w serwerowni po przemysłowy MSI EdgeXpert przy linii. Etapy i zakres: wdrożenie.

Zobacz to na własnej dokumentacji. Przywozimy jednostkę na demonstrację do zakładu — bez podłączania czegokolwiek do Waszej sieci produkcyjnej.

Umów demonstrację

Najczęstsze pytania

Czy system wymaga połączenia sieci OT z internetem?

Nie. Jednostka AI pracuje w całości wewnątrz sieci zakładowej — modele przyjeżdżają zainstalowane, aktualizacje wykonujemy z nośnika podczas wizyt serwisowych. Separacja OT/IT pozostaje nienaruszona.

Mamy dokumentację z 30 lat — częściowo papierową. Da się ją wykorzystać?

Tak. Pipeline obejmuje lokalny OCR: skany DTR-ek, schematów i protokołów trafiają do bazy wiedzy razem z plikami PDF i dokumentacją z CMMS.

Czy AI będzie sterować maszynami?

Nie — świadomie. System doradza człowiekowi: podpowiada diagnozę, procedurę i historię podobnych awarii. Decyzje wykonawcze i ingerencje w sterowanie pozostają po stronie ludzi i istniejących systemów automatyki.

Jaki sprzęt jest potrzebny na hali?

W serwerowni wystarcza kompaktowy ASUS GX10; w warunkach hali (pył, wibracje, temperatura) stosujemy przemysłowy MSI EdgeXpert. Technik korzysta z systemu przez tablet lub terminal w lokalnym Wi-Fi.

Powiązane: Wsparcie Utrzymania Ruchu · Cyfrowy Następca — sukcesja wiedzy ekspertów · Analiza Baz Danych · RAG — lokalna baza wiedzy