Kako projekt Scinergy i suradnja sa znanošću mogu hrvatskim proizvodnim tvrtkama ubrzati primjenu AI, prediktivnog održavanja i Industrije 4.0 rješenja.
Znanost kao skriveni adut hrvatske industrije 4.0
Hrvatska proizvodnja je pod snažnim pritiskom: manjak radne snage, rast troškova energije, globalna konkurencija i očekivanja kupaca za kraće rokove isporuke i veću prilagodbu proizvoda. U isto vrijeme, alati umjetne inteligencije, prediktivnog održavanja i napredne automatizacije postaju standard u vodećim europskim tvornicama.
U seriji „AI u Hrvatskoj Proizvodnji: Industrija 4.0” fokus nam je na vrlo praktičnom pitanju: kako hrvatske proizvodne tvrtke mogu iskoristiti AI i znanstvenu ekspertizu da brzo i održivo povećaju konkurentnost? Projekt Scinergy nudi vrlo konkretan odgovor – i to besplatno za poduzeća.
U nastavku objašnjavamo što Scinergy donosi, zašto je posebno važan za proizvodne tvrtke, koje konkretne AI i deep-tech primjene su već proizašle iz suradnje znanosti i industrije te kako se kao poduzeće pripremiti da od ovakvih programa izvučete maksimum.
Što je Scinergy i zašto je važan baš sada?
Scinergy je pilot projekt koji sustavno povezuje hrvatske znanstvenike i poduzetnike kako bi riješili konkretne probleme industrije – od energetike i automatizacije do biotehnologije i umjetne inteligencije.
U projektu sudjeluje oko 70 znanstvenika s petnaestak hrvatskih institucija (FER, PMF, Institut Ruđer Bošković, Institut za fiziku, PBF, RGN, FKIT, FOI, FESB, Agronomski i Medicinski fakultet i drugi). Tvrtke se uparuju s onim timovima čija se ekspertiza najbolje poklapa s njihovim izazovima.
Zašto je to ključno u kontekstu Industrije 4.0?
- Hrvatske tvrtke manje ulažu u R&D od EU prosjeka. Samo 20,2 % tvrtki s više od 10 zaposlenih ulaže u istraživanje i razvoj (EU prosjek 24,4 %, eurozona 28,4 %). Još je manji postotak onih koje surađuju s visokim učilištima (8,4 % vs. 10,5 % u EU).
- AI i digitalna transformacija traže znanje koje već postoji na fakultetima. Algoritmi strojnog učenja, 3D percepcija, optimizacijski modeli, napredna robotika – sve je to već razvijeno u hrvatskim laboratorijima, ali rijetko stiže na tvornički pod.
- Novac za prijelaz na industriju visoke dodane vrijednosti već je osiguran. Projekt se financira iz Nacionalnog plana oporavka i otpornosti i Programa konkurentnost i kohezija 2021.–2027., čiji je cilj upravo jačanje suradnje akademije i industrije te prijenos tehnologije.
Ukratko: Scinergy spušta znanost „s papira na pod proizvodne hale” – i to bez inicijalnog troška za tvrtku.
Kako Scinergy pomaže proizvodnim tvrtkama u praksi
Scinergy je posebno relevantan za proizvodne i prerađivačke tvrtke, jer upravo one imaju najveći potencijal za primjenu AI i Industrije 4.0 rješenja.
Ključne koristi za proizvodnju
Tvrtke koje uđu u ovakvu suradnju mogu:
- dobiti pristup vrhunskim AI i inženjerskim kompetencijama za rješavanje specifičnih problema proizvodnje,
- razviti inovativne proizvode i procese koje same teško mogu osmisliti i testirati,
- iskoristiti opremu i laboratorije kroz Europska digitalna inovacijska središta, često bez naknade,
- smanjiti rizik ulaganja jer se tehnologije prvo testiraju u kontroliranim uvjetima,
- ubrzati digitalnu transformaciju uz mentorske timove koji su već razvijali kompleksne sustave.
Gdje se AI najbrže isplati u hrvatskoj proizvodnji?
Na temelju već postojećih projekata i trendova u EU, za hrvatske proizvođače najbrže povrate daju:
- prediktivno održavanje strojeva (smanjenje zastoja, produženje vijeka opreme),
- AI kontrola kvalitete (strojni vid, otkrivanje grešaka u realnom vremenu),
- optimizacija proizvodnje i logistike (planiranje serija, layout skladišta, raspored strojeva),
- energetska optimizacija (smanjenje gubitaka, bolja integracija obnovljivih izvora),
- automatizacija logistike i interne distribucije (autonomna vozila, pametni viljuškari).
U nastavku donosimo primjere iz Hrvatske koji pokazuju kako izgleda suradnja industrije i znanosti kad je dobro postavljena.
Studije slučaja: kako AI već mijenja hrvatsku industriju
Primjeri iz Scinergy okruženja i projekata partnerskih institucija pokazuju da hrvatske tvrtke mogu razvijati svjetski konkurentne AI i deep-tech proizvode.
Autonomna logistika: Gideon Brothers i FER
Problem: Logističko-distributivni centri suočeni su s rastućim troškovima rada i potrebom za bržim protokom robe. Klasična automatizacija je skupa i kruta.
Rješenje: Gideon Brothers je u suradnji s FER-om razvio A‑Unit – naprednu jedinicu za autonomno upravljanje mobilnim vozilima u logistici. Sustav koristi:
- 3D percepciju okoline,
- napredne algoritme navigacije,
- umjetnu inteligenciju za donošenje odluka u realnom vremenu.
Rezultat za industriju:
- mogućnost transformacije ručno upravljanih vozila u autonomna,
- drastično niže troškove i tehnološke barijere za uvođenje autonomnih strojeva,
- fleksibilniju i sigurniju intralogistiku.
Ovo je odličan primjer kako suradnja s akademijom može dovesti do globalno radikalne inovacije, ne samo inkrementalnog poboljšanja.
Energetska tranzicija i AI: DINGO platforma
Problem: Energetska tranzicija traži masovnu digitalizaciju niskonaponskih mreža, ali podaci su često nepotpuni, a ulaganja skupa.
Rješenje: Tvrtke HELB, Sedam IT i HEP ODS s FER‑om razvile su DINGO – sustav za optimizaciju gubitaka u naprednim mrežama. Platforma:
- kontinuirano analizira tehničke parametre distribucijske mreže,
- koristi strojno učenje za procjenu i predviđanje tehničkih i netehničkih gubitaka,
- simulira mogućnosti integracije obnovljivih izvora kod krajnjih korisnika.
Rezultat za industriju:
- racionalnije planiranje ulaganja u mrežu,
- smanjenje gubitaka energije,
- pametnije uključivanje fotonapona i drugih OIE u sustav.
Slično načelo može se primijeniti i u proizvodnji: strojno učenje na podacima iz senzora otkriva gdje se gubi vrijeme, energija i materijal.
AI i podatkovna znanost u financijama i automobilskoj industriji
Na Prirodoslovno-matematičkom fakultetu razvijeni su brojni projekti u suradnji s tvrtkama kao što su Addiko banka i AVL-AST. Primjene uključuju:
- modeliranje rizika i financijsku pismenost (primjena matematike i podatkovne znanosti),
- podatkovno inženjerstvo i matematičku logiku za kompleksne baze podataka u automobilskoj industriji.
Za proizvodne tvrtke isto znanje znači mogućnost:
- izgradnje vlastitih prediktivnih modela (kvarovi, potražnja, zalihe),
- optimizacije složenih procesa s više varijabli nego što ih ljudi mogu ručno pratiti.
Biotehnologija, materijali i pametno iskorištavanje otpada
Industrija 4.0 nije samo AI i roboti – radi se i o novim materijalima, kružnoj ekonomiji i održivim procesima.
Nekoliko ilustrativnih primjera:
- Kutjevo d.d. i PBF: razvoj procesa za održivo gospodarenje otpadom od proizvodnje vina – ekstrakcija biološki aktivnih spojeva, kompostiranje i kreiranje pripravaka za hranidbu. Rezultat: dodana vrijednost iz otpada, smanjenje troškova i ekološki dobitak.
- BIDEAS (Topomatika, IZIT i FKIT): razvoj biorazgradivih 3D tiskanih struktura za augmentaciju kostiju, uz patentirani nosač za primjenu u kirurgiji. Slični procesi 3D printanja i naprednih materijala sve se više primjenjuju i u alatništvu, rezervnim dijelovima i personaliziranim komponentama u proizvodnji.
Za proizvođače to znači da suradnja sa znanosti može otvoriti potpuno nove linije proizvoda – ne samo optimizaciju postojećih.
Kako se pripremiti da iskoristite Scinergy i slične programe
Većina poduzeća ne zna odakle krenuti: „Imamo izazova, ali nemamo definiran AI projekt.” Dobra vijest je da za uspješnu suradnju ne trebate gotov projektni prijedlog – ali trebate jasno definirane probleme i podatke.
1. Jasno opišite poslovni problem
Umjesto „Želimo uvesti AI”, formulirajte:
- gdje nastaju najveći troškovi ili gubici (zastoji, škart, energija, zalihe),
- koji procesi su repetitivni i slabo automatizirani,
- gdje je ljudska procjena spora ili neujednačena (vizualna kontrola, planiranje).
Primjeri dobrih problema za rad sa znanstvenicima:
- „Imamo učestale zastoje na liniji, ali ne znamo što ih točno uzrokuje.”
- „Imamo puno škarta u zadnjoj fazi obrade, želimo automatiziranu kontrolu kvalitete.”
- „Računi za energiju rastu, ali ne vidimo gdje gubimo najviše.”
2. Pripremite pregled dostupnih podataka i opreme
AI bez podataka ne funkcionira. Prije ulaska u suradnju pripremite:
- koje senzore i sustave već imate (SCADA, MES, ERP, IoT, kamere),
- koliko dugo se podaci bilježe i u kojem formatu,
- postoje li povijesni zapisi kvarova, reklamacija, zastoja.
Znanstvenicima je važno znati:
- mogu li podaci trenirati modele strojnog učenja,
- treba li uvesti dodatne senzore ili vizualne sustave,
- može li se dio eksperimenta premjestiti u laboratorij (npr. testiranje novih materijala, prototipova, algoritama).
3. Definirajte realne ciljeve i vremenski okvir
Suradnja sa znanosti nije „instant rješenje”, ali može dati brze prototipe ako su ciljevi realni:
- Počnite s pilot-projektom na jednom stroju, jednoj liniji ili jednom segmentu procesa.
- Mjerite uspjeh kroz konkretne pokazatelje: smanjenje zastoja za X %, manje škarta za Y %, kraći ciklus planiranja za Z %.
- Imate li kvalitetan pilot, lakše je kasnije dobiti sredstva iz fondova EU za širenje rješenja.
Nuqleus i ICENT: gdje nastaju deep-tech rješenja za Industriju 4.0
Da bi projekti poput Scinergyja imali trajan učinak, potreban je sustav koji kontinuirano stvara nova rješenja. Tu važnu ulogu imaju:
- Inovacijski centar Nikola Tesla (ICENT) – spaja istraživanja s potrebama industrije i pomaže u komercijalizaciji rezultata istraživanja.
- Nuqleus – prvi hrvatski deep-tech venture builder, fokusiran na stvaranje startupova i spin-offova temeljenih na znanstvenim rezultatima.
Za proizvodne tvrtke ovo je prilika na dva načina:
- Kao korisnik rješenja – implementacija tehnologija koje razvijaju hrvatski deep-tech timovi (AI sustavi, novi materijali, napredna senzorska rješenja).
- Kao partner ili su-osnivač – suradnja na razvoju novih proizvoda i poslovnih modela gdje tvrtka unosi industrijsko znanje i tržišni pristup.
Ako ozbiljno promišljate o Industriji 4.0, upravo su ovakvi ekosustavi mjesto gdje ćete pronaći ili sukreirati rješenja koja vas mogu izdvojiti na globalnom tržištu.
Zaključak: sljedeći korak prema AI u hrvatskoj proizvodnji
Scinergy pokazuje da Hrvatska već ima sve ključne sastojke za uspješnu AI transformaciju proizvodnje: vrhunsku znanost, podršku javnih politika i konkretne primjere uspješne suradnje industrije i akademije.
Za proizvodne tvrtke to znači da je sada pravi trenutak da:
- identificirate 1–3 ključna problema u proizvodnji ili logistici,
- provjerite koje podatke već imate i gdje možete do njih doći,
- uključite se u suradnje poput Scinergyja, ICENT projekata ili deep-tech inicijativa.
Tvornice koje danas pokrenu prve AI pilote sutra će imati prediktivno održavanje kao standard, automatiziranu kontrolu kvalitete i pametnu energetsku optimizaciju. Pitanje više nije hoće li Industrija 4.0 doći u Hrvatsku, nego tko će od domaćih proizvođača među prvima iskoristiti njezin puni potencijal.
Koji bi vaš prvi projekt bio – smanjenje zastoja, kontrola kvalitete ili energetska učinkovitost? Odgovor na to pitanje može biti početak vaše AI priče u hrvatskoj proizvodnji.