A többszereplős kezdeményezés nem csupán egy hosszútávon fenntartható, stratégiai jelentőségű együttműködésen alapul, hanem kiemelt jelentőségű gazdasági kihívásokra ad választ. Ráadásul ipari igényeket megvalósító, üzletileg is hasznosítható tudományos eredményekhez vezet, így a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal (NKFI Hivatal) támogatásra érdemesnek találta versenyképességi és kiválósági pályázatának idei kiírásában. Ennek megfelelően a 2,1 milliárd forint költségvetésű projekt 1,4 milliárdos vissza nem térítendő támogatást kap az NKFIH Alap hazai innováció segítségére szánt keretéből.
„Talán a támogatási mértékénél is fontosabb a kezdeményezés előremutató jellegének hivatalos elismerése” – fogalmazott Tavaszi Tivadar, a Knorr-Bremse Rail Systems Budapest ügyvezetője, aki kiemelte, hogy a projekt keretében egy digitális alapokon működő termelésirányítási és -felügyeleti rendszer működőképes és tesztelt prototípusát hozzák létre, amelynél arra is törekszenek, hogy az megfizethető legyen. Ez utóbbi szempont miatt használnak szabványos, standard protokollokkal rendelkező, elfogadható árú eszközöket a rendszer fejlesztése során, amely a hozzáadott K+F-től és mérnöki tudástól lesz kiváló és versenyképes – tette hozzá az ügyvezető.
A projektet még egyedibbé teszi, hogy a kialakítandó eszközkészletet a Knorr-Bremse Rail Systems Budapest saját magán teszteli: a világ legnagyobb vasúti fékegységeket fejlesztő és gyártó vállalata ugyanis 2020-ig adott magának határidőt az egyedi, folyamatautomatizálási megoldás bevezetésére. Ez, a sikeres bevezetést követően, a Knorr-Bremse nemzetközi cégcsoportra éppúgy kiterjeszthető, mint a magyarországi gyártócégekre.
A digitális termelésirányítási és -felügyeleti rendszer bevezetése nem merül ki egy modern eszközpark üzembe állításában. A „felokosítás” előfeltételeként a környezetet fel kell készíteni az adatok begyűjtésére, feldolgozására és elemzésére, valamint a beavatkozásra és a vezérlésre az adatokból nyert információk alapján. Ez a modellezésen, szimuláción túl prediktív elemzésre, később pedig akár öntanuló és önfejlesztő folyamatok kialakítására is lehetőséget teremt.