Ο Ήφαιστος είναι ένας Συνεργατικός Σχηματισμός Καινοτομίας (ΣΣΚ) με δραστηριοποίηση στην έξυπνη βιομηχανία. Ο εν λόγω Συνεργατικός Σχηματισμός Καινοτομίας συντονίζεται από το Εργαστήριο Συστημάτων Παραγωγής και Αυτοματισμού (LMS) του Πανεπιστημίου Πατρών και αποτελείται από μέλη της Ελληνικής μεταποιητικής βιομηχανίας και παρόχους τεχνολογικών λύσεων. Ο σχηματισμός προάγει την αλληλεπίδραση μεταξύ των μελών αποσκοπώντας στην δημιουργία προστιθέμενης αξίας σε προϊόντα και υπηρεσίες του Ελληνικού μεταποιητικού τομέα. Οι υπηρεσίες και τα προϊόντα του σχηματισμού βασίζονται στις Προηγμένες Μεθόδους Παραγωγής, στην Ψηφιακή Βιομηχανία και στο μοντέλο Teaching Factory.

Hephaestus SMC Pylons

Τεχνολογία Προηγμένης Μεταποίησης

Ο Ήφαιστος ΣΣΚ θα αποτελέσει έναν μοχλό ενεργοποίησής για τους βιομηχανικούς εταίρους στο να συμπεριλάβουν Προηγμένες Βιομηχανικές Μεθόδους στην παραγωγική τους διαδικασία.

Ψηφιακή Παραγωγή

Το Διαδίκτυο των Πραγμάτων (IoT) γενικά κάνει εφικτή την παρακολούθηση εκεί που πριν ήταν αδύνατη ή μη οικονομική. Κάνει τα πράγματα απλούστερα, λιγότερα ακριβά, και πιο ακριβή.

Teaching Factory

Το εκπαιδευτικό μοντέλο “Teaching Factory – TF” αποτελεί μία καινοτόμο προσέγγιση η οποία φέρνει σε επαφή παραγωγικές επιχειρήσεις, φοιτητές και ερευνητές σε εθνικό και διεθνές επίπεδο, με στόχο την απόκτηση δεξιοτήτων οι οποίες θα μπορούν να υποστηρίξουν την βιώσιμη ανάπτυξη της βιομηχανικής παραγωγής / μεταποίησης και κατά συνέπεια της εγχώρια οικονομία. 

Υπάρχουν διάφοροι παράγοντες οι οποίοι λειτουργούν αποτρεπτικά έτσι ώστε μία επιχείρηση να εντάξει μια νέα τεχνολογία στο σύστημα παραγωγής της. Ο Heaphaestus SMC θα είναι αρωγός στο να ξεπεραστούν αυτά τα εμπόδια . Οι παράγοντες αυτοί εν γένει είναι: Τεχνολογικοί Παράγοντες (Διαθέσιμο εκπαιδευμένο προσωπικό, Παραγωγικότητα, Αξιοπιστία, Ευελιξία, Εξέλιξη συμβατικών μεθόδων), Οικονομικοί Παράγοντες (Κόστος / μείωση περιθωρίου κέρδους συμβατικών μεθόδων, Ολιγοπώλια προμηθευτών εξοπλισμού, Εξειδικευμένες αγορές, Ανυπαρξία δικτύων διανομής και υποστήριξης), Κοινωνικοί Παράγοντες (Κουλτούρα, Φόβος καινοτομίας, Τεχνολογική ανεργία).


Ενδεικτικά, οι προηγμένες διεργασίες παραγωγής όπως η 3Δ εκτύπωση (Additive Manufacturing) επιτρέπουν την κατασκευή πολύπλοκων γεωμετριών, την ενσωμάτωση ολιστικού σχεδιασμού, την υλοποίηση ελαφρών/λιτών κατασκευών, την ελαχιστοποίηση των παραγωγικών και μετ-επεξεργαστικών σταδίων, την κατάργηση διατάξεων συγκράτησης, την ελαχιστοποίηση των χρόνων αλλαγών της παραγωγής (changeover) και της εγκατάστασης, τη βελτίωση της χρησιμοποίησης των υλικών.


Επιπλέον, η χρήση διεργασιών και μεθοδολογίας για τον συγχρονισμό των φάσεων παραγωγής και την μετατροπή της από διακοπτόμενη/φασική σε συνεχούς ροής παραγωγή αποτελεί σημείο ενδιαφέροντος για τις μεταποιητικές βιομηχανίες. Τέλος, τα συστήματα παρακολούθησης των παραγωγικών διεργασιών και αυτοΐασης αυτών με την χρήση συστημάτων και διεργασιών παραγωγής που ενσωματώνουν δυνατότητες ‘επούλωσης’ αστοχιών και αποκλίσεων που προκαλούνται κατά τη διάρκεια της παραγωγής έχουν ιδιαίτερο ενδιαφέρον καθώς στοχεύουν στην βελτιστοποίηση της ποιότητας και την επαύξηση της παραγωγικότητα.

Το Διαδίκτυο των Πραγμάτων (IoT) ενεργοποιεί την παρακολούθηση των βιομηχανικών διεργασιών εκεί που πριν ήταν αδύνατη ή μη οικονομική. Κάνει τα πράγματα απλούστερα, λιγότερα ακριβά, και πιο ακριβή. Εφαρμογές όπως η επεξεργασία των δεδομένων των αισθητήρων για να προβλεφθεί η χρονική στιγμή που ο εξοπλισμός φθείρεται ή χρειάζεται επισκευή, μπορούν να μειώσουν το κόστος επισκευής κατά 40% και να υποδιπλσιάσει το μη προγραμματισμένο χρόνο επισκευής. Η διαχείριση αποθεμάτων, εμπορευμάτων και υλικών θα αλλάξει άρδην καθώς και η διαχείριση της εφοδιαστικής αλυσίδας αλλά και οι μεταφορές θα βελτιωθούν από το IoT. Η χρήση του IoT για διασυνδεσιμότητα ώστε να μετατραπεί η πώληση βιομηχανικού εξοπλισμού σε υπηρεσία.

Τα Υπολογιστικά Συστήματα Υψηλών Επιδόσεων (ΥΣΥΕ) μπορούν να ενσωματωθούν στη Τεχνολογία Προηγμένης Μεταποίησης με ποικίλους τρόπους. Ένας από αυτούς είναι η ανάλυση δεδομένων μεγάλου όγκου και η προσομοίωση πολύπλοκων συστημάτων (διεργασίες – συστήματα). Τα δεδομένα μεγάλου όγκου (Big data) είναι ένας όρος ευρέως χρησιμοποιούμενος, καθώς τα δεδομένα κατακλύζουν μια επιχείρηση ή/και μια βιομηχανία σε καθημερινή βάση. Η ανάλυσή τους (Big data analytics) είναι πολύ χρήσιμη για εξαγωγή συμπερασμάτων για τη βελτιστοποιημένη λήψη τακτικών και στρατηγικών αποφάσεων.

Τα παραπάνω εργαλεία αποτελούν την βάση για την δημιουργία έξυπνων λύσεων, αναβάθμιση και εκσυγχρονισμός διατάξεων μεταποίησης/παραγωγής με στόχο την αύξηση της ανταγωνιστικότητας. Πιο συγκεκριμένα, η μοντελοποίηση και προσομοίωση πολύπλοκων διεργασιών και κατεργασιών παραγωγής για την βελτιστοποίηση τους, με τη χρήση προηγμένων μεθόδων ανάλυσης (π.χ. νευρωνικά δίκτυα, συστήματα τεχνητής νοημοσύνης, μοριακή δυναμική, υβριδικές μέθοδοι, πεπερασμένα στοιχεία) αποτελούν βασικό εργαλείο για την ανάπτυξη της παραγωγικότητάς των βιομηχανιών μεταποίησης. Μέσω της προσομοίωσης των διεργασιών, μπορεί να επιτευχθεί η δημιουργία κατάλληλων τεχνικών παραγωγής μηδενικών σφαλμάτων (Zero Defect Manufacturing) μέσα από διατάξεις παρακολούθησης της παραγωγής και συστημάτων λήψης αποφάσεων για τον προσαρμοστικό έλεγχο των παραγωγικών διαδικασιών. Επιπρόσθετα, η χρήση προηγμένων μεθόδων ανάλυσης που αναφέρθηκαν παραπάνω, αποτελούν βασικό μοχλό για τον σχεδιασμός και την ανάπτυξη διεργασιών παραγωγής με έμφαση στη μείωση της χρησιμοποιούμενης ενέργειας και του περιβαλλοντικού αποτυπώματος.

Αντικείμενο του TF αποτελεί η διασύνδεση της βιομηχανικής πρακτικής με την πανεπιστημιακή εκπαίδευση μέσω της δημιουργίας συνεργατικών δικτύων τα οποία έχουν ως στόχο την ανάπτυξη πρακτικών και μεθόδων που αφορούν στην μάθηση, την εκπαίδευση και την έρευνα και την προώθηση των νέων τεχνολογικών εξελίξεων.  Πρόκειται για ένα αμφίδρομο σύστημα μετάδοσης γνώσης που αναλύεται παρακάτω:

Από τη Βιομηχανία προς την Εκπαίδευση

Tο Teaching Factory, δίνει στους φοιτητές τη δυνατότητα να εμβαθύνουν τις γνώσεις τους σε συγκεκριμένα θέματα και να τις εφαρμόσουν στην πράξη, αντιμετωπίζοντας πραγματικά βιομηχανικά προβλήματα που έχουν τεθεί από βιομηχανικούς φορείς. Το βιομηχανικό πρόβλημα ορίζεται πλήρως από την πλευρά του βιομηχανικού φορέα και οι φοιτητές φτιάχνουν ένα πλάνο επίλυσης του. Κατά την διάρκεια επίλυσης ενός προβλήματος οι φοιτητές παρουσιάζουν την κατάσταση της λύσης που ετοιμάζουν σε τακτά χρονικά διαστήματα και ο βιομηχανικός φορέας την αξιολογεί ενώ ταυτόχρονα παρέχει οδηγίες όπου απαιτείται. Η ενασχόληση των φοιτητών με τέτοιου είδους θέματα έχει ως αποτέλεσμα την κατανόηση της λειτουργίας των συστημάτων παραγωγής άμεσα με την επίλυση πραγματικών βιομηχανικών ζητημάτων.

Από την Εκπαίδευση προς τη Βιομηχανία

Από την πλευρά της Βιομηχανίας, η γνώση και τα αποτελέσματα έρευνας που δημιουργούνται μέσω του πλαισίου Teaching Factory μεταβιβάζονται προς τους βιομηχανικούς φορείς με αποτέλεσμα τόσο την τεχνολογικής τους αναβάθμισης όσο και την πιλοτική επίλυση ζητημάτων που απαιτούν νέες τεχνολογίες.

Για την δημιουργία του παραπάνω συστήματος μεταφοράς γνώσης απαιτείται η απαραίτητη υποδομή που θα καθιστά εφικτή την άμεση επικοινωνία μεταξύ Βιομηχανίας και Πανεπιστημίων.

Πανεπιστημιακό Ίδρυμα
Βιομηχανίες Μεταποίησης
Προμηθευτές Λογισμικού

Συντονιστής

Εργαστήριο Συστημάτων Παραγωγής και Αυτοματισμού (LMS)

Το LMS επικεντρώνεται στην έρευνα και ανάπτυξη αιχμής σε επιστημονικούς και τεχνολογικούς τομείς. Το LMS συμμετέχει σε μια σειρά από ερευνητικά έργα που χρηματοδοτούνται από το CEU και από Ευρωπαίους βιομηχανικούς εταίρους. Ιδιαίτερη έμφαση δίνεται στη συνεργασία με την Ευρωπαϊκή βιομηχανία καθώς και με μια σειρά από εταιρείες υψηλής τεχνολογίας.

Συνεργάτες

Hephaestus SMC

Συνεργατικός Σχηματισμός Καινοτομίας για έξυπνη βιομηχανία

Πανεπιστημιούπολη Πατρών
Ρίο, Πάτρα 26504

Συντονιστής
Εργαστήριο Συστημάτων Παραγωγής & Αυτοματισμού