Hoe analytics-gedreven product engineering ontwerp en prestaties verbetert

Een kijk op hoe systeemsimulatie en IoT-mogelijkheden de data feedback loop kunnen sluiten.

Nadat een product is verkocht, krijgen productingenieurs meestal heel weinig feedback over de prestaties in het veld. Dat hoeft niet langer het geval te zijn. Met de juiste oplossing kunnen productfabrikanten systeemsimulaties en IoT-mogelijkheden combineren om productontwerpen te verbeteren en dan oplossingen uit te geven met behulp van simulaties gebaseerd op echte belastingssituaties.

RTInsights sprak recent met Jasmin Klein, Global Portfolio Development, en Christian Binkowski, Cloud Solution Manager, van Siemens om de voordelen te bespreken van het opnemen van een data feedback loop tussen productingenieurs en het apparaat in het veld om real-time productoptimalisatie, digitale tweelingen en meer te bereiken. Hier is een samenvatting van het gesprek.

RTInsights: Wat is analytics-gebaseerde product engineering?

Klein: Analytics-gebaseerde product engineering laat gebruikers live prestatiedata van een product of machine in het veld nemen en terug duwen in het productsimulatiemodel om het productontwerp te verbeteren. Met de live productiedata die teruggevoerd wordt in het model, wordt een closed-loop digitale tweeling gecreëerd.

Deze digitale tweeling kan vervolgens gebruikt worden om het ontwerp van het product actief te verbeteren. Als een product bijvoorbeeld begint problemen te hebben, kun je een nauwkeurige simulatie erop draaien met de live data en beginnen de root cause van elk probleem te identificeren. Met de problemen volledig begrepen, kunnen vereiste wijzigingen in het ontwerp voor toekomstige iteraties worden aangebracht. De impact van de wijzigingen kan ook nauwkeurig geverifieerd worden met het nauwkeurigere simulatiemodel met de echte data van de machine.

RTInsights: Wat zijn de voordelen van het gebruik van analytics-gebaseerde product engineering?

Klein: Met nauwkeurige simulaties kunnen ontwerpers niet alleen betere beslissingen nemen, maar het vermindert ook de tijd en kosten om nieuwe ontwerpen naar de markt te brengen. De behoefte aan prototyping wordt bijna geëlimineerd. Bedrijven hebben de mogelijkheid om user-centric producten te ontwikkelen die klantbehoeften bevredigen en klanttevredenheid verhogen. Ze kunnen leren van de problemen in het veld door echte data te gebruiken, de fouten te simuleren en het ontwerp te verbeteren. Op die manier kunnen ze productproblemen elimineren, tijd en geld besparen door productvalidatietijd te verminderen, en over-engineering vermijden. Samen verbetert dit de algehele efficiëntie.

RTInsights: Welke oplossing biedt Siemens in dit gebied?

Binkowski: Siemens heeft MindSphere®, de industriële IoT-as-a-service oplossing, die producten, machines en systemen van alle verschillende typen en merken met elkaar verbindt. Deze oplossing verzamelt, aggregeert, beheert en analyseert prestatiedata. Voor de MindSphere Analytics-Based Product Engineering oplossing, specifiek, is MindSphere naadloos geïntegreerd met Simcenter^TM Amesim^TM software door een purpose-built connector. De MindSphere-applicatie gebruikt deze connector om live prestatiedata terug te duwen in de simulatiemodellen.

(Simcenter Amesim software simuleert alle verschillende typen mechatronische systemen. Het komt met tonnen aan libraries en oplossingstemplates voor machines, auto's, batterijen, schepen, en meer.)

Eenmaal je een verbonden verbinding tussen beide systemen hebt, kun je de tijdreeksdata selecteren die je wilt verkennen. Als er bijvoorbeeld een probleem is in het veld, wil je misschien 20 minuten voor of rond dat incident simuleren. Je kunt het tijdsbestek selecteren in MindSphere, en MindSphere genereert een simulatiekantoor en overdraagt dit aan Simcenter Amesim. Dan wordt de simulatie uitgevoerd, en zodra dat gedaan is, kun je de simulateresultaten in MindSphere bekijken.

RTInsights: Kun je voorbeelden van use cases en successen geven?

Klein: Ik zou beginnen met een algemeen use case. Vandaag, in de meeste gevallen, wordt een machine naar de klant verstuurd, en de productmanager krijgt nooit informatie over de prestaties van de machine in het veld om het productontwerp te verbeteren. Telkens er een probleem is, wordt support gecontacteerd, en het probleem wordt op de klantlocatie opgelost. De informatie van support komt meestal niet bij de productingenieur, of wordt veel later doorgestuurd. Vanwege deze gaten moet de productingenieur een hypothese-gedreven ontwerp ontwikkelen, wat resulteert in over- of under-engineering. Aan het einde van de dag betekent dit dat de klantvereisten niet worden voldaan of niet in de toekomst zullen worden voldaan.

De analytics-gebaseerde engineering benadering die MindSphere biedt, voorziet in die feedback loop om productontwerp te veranderen en de prestaties in het veld te verbeteren.

Binkowski: Een ander voorbeeld is het optimaliseren van de prestaties van een bestaand product. Deze oplossing biedt de mogelijkheid om bepaalde parameters op het simulatiemodel direct in MindSphere aan te passen. Als je bijvoorbeeld een product hebt dat op verschillende snelheden kan opereren, kun je testen welke snelheid het meest optimaal is. Met het bijgewerkte simulatiemodel om parameters te draaien, kun je de machines testen met de huidige condities van de lijn.

Klein: Als we kijken naar een voorbeeld van een klant die machines verkoopt die verbonden zijn met een IoT-oplossing zoals MindSphere, kan die klant continu data verzamelen, prestatie-inzichten op elk moment krijgen, en dan een probleem simuleren met deze informatie om het productontwerp te verbeteren.

De productingenieur kan direct leren en conclusies trekken uit de live data van de machine. Uiteindelijk zorgt dit ervoor dat de productingenieur een user-centric product kan ontwikkelen en de klanttevredenheid kan verhogen.

Een voorbeeld is Konecranes, een fins bedrijf gespecialiseerd in de fabricage en service van kranen en hijsmaterieel. Het heeft een digitale oplossing geïmplementeerd om het productontwikkelproces te versnellen en de product- en prestatiedata met elkaar te verbinden.

Het bedrijf gebruikt MindSphere en Teamcenter®, Siemens' digitale levenscyclusbeheer software, om de digitale tweeling te benutten om het aantal prototypes dat ze moeten produceren te verminderen. Dit helpt hen om de efficiëntie te verhogen en de productvalidatietijd te verminderen. Door een digitale innovatieoplossing te implementeren, versnelden ze het productontwikkelproces en verhoogden de samenwerking tussen de simulatie-test- en engineering-organisaties in hun bedrijf.