Digitale transformatie in productie versnellen met geavanceerde analytics

Manufacturing Engineering: Machinemonitoring en analytics zijn belangrijker dan ooit in het digitale productie/Industry 4.0-tijdperk. Wat is er nieuw met Sight Machine's recentste aanbod?

Jon Sobel: Onze recentste aanbiedingen zijn ontworpen voor een veel breder bereik van fabrikanten. Terwijl de meerderheid van fabrikanten hun digitale transformatierreis tenminste heeft begonnen, hebben we een wijd spectrum van gereedheidsniveaus onder hen gevonden. Veel bedrijven zijn erger om IoT [Internet of Things] data te gebruiken om betere zichtbaarheid in hun productieoperaties te krijgen, maar zijn niet klaar voor geavanceerde analytics. Ze hebben misschien niet de in-house expertise, de organisatorische ondersteuning, of het vertegenwoordigt te grote een sprong om in één stap te nemen. We hebben een nieuwe laag van ons digitale productieplatform geïntroduceerd: Enterprise Manufacturing Visibility [EMV], die een snelle instap in digitale productie biedt. EMV stelt bedrijven in staat om heel snel real-time zichtbaarheid te krijgen in de prestaties van hun productieoperaties over al hun plants. Het biedt self-service setup, waardoor fabrikanten snel allerlei productiedata van shopvloeren kunnen ophalen en die data monitoren via browser-gebaseerde zichtbaarheid.

Sight Machine's Enterprise Manufacturing Analytics [EMA], onze geavanceerde laag, biedt een volledige suite aan analytische tools zoals statistische procescontrole, correlatie heatmaps, anomaliedetectie en knelpuntsanalyse. Het past geavanceerde analytics toe om voordelen te behalen zoals verhoogde productie, verminderde cycletijden, en verminderde schrootpercentages. Deze analytics-gebaseerde inzichten zijn de fundering die bedrijven nodig hebben om hun businessmodellen en hun relaties met leveranciers en klanten te transformeren.

ME: Hoe kan jullie nieuwe gelaagde structuur fabrikanten helpen aan de slag te gaan met monitoring/analytics zonder full-fledged analytics te doen?

Sobel: Tot nu toe hadden we een enkel aanbod dat zowel zichtbaarheid als analytics leverde. Nu hebben we onze zichtbaarheidstools uitgesplitst in een zelfstandig product. EMV biedt een duidelijke, self-service, en eenvoudig schaalbare instap in digitale productie, met geautomatiseerde tools voor het opnemen van data, het opschonen en contextualiseren ervan, en het modelleren van het productieproces.

EMV laat bedrijven output, beschikbaarheid en downtime monitoren per faciliteit, machinetype en machine via applicaties die Global Operations View, KPI Dashboard en Streaming Data Visualization omvatten. De zichtbaarheid is zowel real-time als historisch.

EMV's functies omvatten Digital Twin Builder, onze browser-gebaseerde tool om datamodellen van faciliteiten, machines en machinetypes te creëren. Het omvat ook FactoryTX, onze edge-software die machine- en fabrieksdata voorbereidt voor streaming naar de cloud.

ME: Hoe moeilijk is het voor bedrijven om aan de slag te gaan met monitoring/analytics en wat vertelt jullie recent geïntroduceerde Digital Readiness Index-methodologie hen?

Sobel: We hebben ontdekt dat de sleutel tot succesvolle digitale transformatie is om projecten te kiezen die passen bij het gereedheidsniveau van een bedrijf of plant. Gereedheid omvat niet alleen technische factoren zoals dataconnectiviteit en toegankelijkheid, alsmede cloud- en beveiligingsstrategie, maar ook organisatorische factoren. We hebben in onze zes jaar werken met G500-fabrikanten ontdekt dat organisatorische factoren ten minste zo belangrijk zijn als technische factoren. Ze omvatten het niveau van toewijding en buy-in zowel op plant- als op executief-niveau, en het bestaan van cloud- en beveiligingsstrategieën.

Sight Machine heeft een methodologie ontwikkeld genaamd de Digital Readiness Index [DRI] om een bedrijf's technische en organisatorische gereedheid voor digitale productieprojecten te evalueren, en om passende projecten te identificeren - die het meest waarschijnlijk zullen slagen op basis van de huidige gereedheid. We gebruiken een gestandaardiseerde vragenlijst om elk bedrijf in een van de vijf Digital Readiness Zones in te delen: Connection, Visibility, Efficiency, Advanced Analytics en Transformation. Elke Digital Readiness Zone komt overeen met voorbeelden van projecten die haalbaar zijn voor dat niveau van gereedheid.

ME: Op dit moment, hoe ver is de productieindustrie in het adopteren van geavanceerde fabrieksanalytics?

Sobel: Alle grote fabrikanten waar we mee praten hebben tenminste de digitale transformatierreis begonnen. We vinden een grote variantie niet alleen tussen bedrijven maar ook binnen bedrijven individuele plants.

Je kunt erover nadenken in termen van deze stappen: data-toegang; zichtbaarheid; en inzichten. Het is redelijk gebruikelijk voor bedrijven om hun digitale data te verzamelen en op te slaan. Velen hebben simpele dashboards samengeknoopt die hen toestaan de verschillende lijnen of machines binnen individuele fabrieken te monitoren. Relatief weinig fabrikanten hebben zichtbaarheid over hun fabrieken gekregen. Wij geloven dat Sight Machine de enige schaalbare oplossing op de markt biedt voor het snel verkrijgen van cross-enterprise zichtbaarheid.

Voor geavanceerde analytics, de bedrijven waar we mee werken apart gelaten, zien we meestal maatwerk data science-projecten. Bedrijven die geconfronteerd worden met een prestatie- of kwaliteitsprobleem, zullen hun data scientists op de fiets helpen het bekende probleem op te lossen. Ze zullen typisch een one-off oplossing ontwikkelen, wat voor data ze kunnen krijgen, in Excel of een statistisch programma gooien, en zoeken naar correlaties.

Het probleem is dat deze projecten noch schaalbaar noch toepasbaar zijn op andere problemen. De data-extractie en modellering wordt op een manier gedaan die applicatie- en data-silos creëert. Van het standpunt van een VP of Operations of CIO, blijven ze over met een proliferatie van aangepaste applicaties die niet geïntegreerd kunnen worden op een manier die leidt tot het begrijpen van de productieonderneming's operaties als een geheel.

Sight Machine's Digital Twin is een werkend, live datamodel van het productieproces. Een enkele applicatie die snel uitgebreid kan worden door nieuwe machines en processen toe te voegen, biedt onze Digital Twin een enkele bron van waarheid die bevraagd kan worden om elk operationeel issue aan te pakken.

ME: Wat kan geavanceerde analytics fabrikanten bieden die diep in deze technologie duiken?

Sobel: De digitale revolutie heeft sector na sector getransformeerd - advertenties, detailhandel, beleggen, wetenschap, politiek - niet alleen ontketend enorme efficiëntieverbeteringen, maar ook businessmodellen getransformeerd en nieuwe gecreëerd. Fabrikanten beginnen net de kracht van hun data te benutten en zien echte resultaten.

Als je meer productiviteit uit je bestaande plants en machines knijpt, of schroot en defecten vermindert, heeft dat direct impact op je bottom line. Maar de meeste toonaangevende fabrikanten hebben al lang geleden alle low-hanging fruit geplukt uit disciplines zoals Six Sigma en Lean. De volgende grote sprongen zullen komen door echte zichtbaarheid te krijgen in een fabrikant's enterprise-operaties, over alle fabrieken heen, en daarna de analytische technieken toe te passen die gedurende meer dan een decennium geslepen zijn van digitale transformaties in andere industrieën.

ME: Hoe duwt kunstmatige intelligentie [AI] in Sight Machine's platform fabrieksanalytics verder dan in eerdere of concurrerende aanbiedingen?

Sobel: Sight Machine's AI Data Pipeline is een patent-pending technologie die ruwe data omzet in gecontextualiseerde data waarop analytics met succes toegepast kan worden. Met ons platform doet de AI Data Pipeline het zware werk van ruwe data van sensoren, PLCs, data historici, etc. te nemen, en het dan klaar te maken voor analyse via opschonen, taggen en blendend.

De data gaat dan naar onze andere patent-pending technologie, de Plant Digital Twin, die fabriekproductieprocessen modelleert. Het neemt de data van de AI Data Pipeline en assembleert het in een model van het systeem, wat duizenden datapunten van honderden bronnen vertaalt in een representatie van onderdelen of batches die door productie bewegen. De Plant Digital Twin reflecteert de machinetoestand op elk punt in het productieproces, voor elk onderdeel of batch, en registreert ook het rauwmateriaal dat voor dat onderdeel of batch gebruikt is, omgevingsfactoren zoals vochtigheid en temperatuur, de identiteiten van machineoperators, en wat voor additionele data beschikbaar is.

Met concurrerende aanbiedingen als in-house analytische initiatieven, besteden data scientists de meerderheid van hun tijd handmatig het selecteren, opschonen en combineren van data - niet het analyseren van data om actionable, business inzichten te vinden. In tegenstelling, creëren onze AI Data Pipeline en Plant Digital Twin technologieën automatisch een digitale representatie van productieprocessen in real-time, wat data scientists, lijnoperators, en plantmanagers vrijmaakt om proactief te reageren op operatieproblemen, in plaats van reactief te onderzoeken.

ME: Geef me een voorbeeld van een fabrikant die uitstekend werk levert met jullie manufacturing analytics platform.

Sobel: We werden ingehuurd door een gezondheidsproductenfabrikant om een probleem op te lossen dat andere technologieproviders niet konden kraken - een hoge schrootpercentage in hun meest winstgevende plant. Het Sight Machine-platform voerde root-cause analyse uit die natural language processing, sequence analysis, cluster analyse en regressies combineerde.

Het Sight Machine-platform identificeerde en prioriteerde de meerdere oorzaken van schroot, wat leidde tot een toename in Overall Equipment Effectiveness van ongeveer 3%. Dit vertaalt zich in potentiële besparingen van meer dan $20 miljoen per jaar voor deze plant alleen.

Overnames

Siemens PLM Software (Plano, TX) heeft akkoord gegaan om Solido Design Automation Inc. (Saskatoon, SK), een ontwikkelaar van variation-aware design en karakteriseringsoftware voor semiconductorbedrijven, over te nemen.

Voorwaarden van de transactie werden niet onthuld. Siemens zei dat het de transactie begin december 2017 verwachtte af te ronden. Solido's machine learning-gebaseerde producten worden momenteel in productie gebruikt bij meer dan 40 grote bedrijven, wat hen in staat stelt om meer competitieve producten te ontwerpen, verifiëren en fabriceren. De overname breidt het analog/mixed-signal (AMS) verificatieportefeuille van Mentor Graphics (overgenomen door Siemens in maart 2017) verder uit, wat het in staat stelt om de groeiende uitdagingen van IC-ontwerp en verificatie voor automotive, communicaties, datacenter computing, networking, mobile, en IoT-toepassingen aan te pakken.

Solido helpt zijn klanten de impact van variabiliteit aan te pakken om IC-prestaties, vermogen, oppervlakte, en opbrengst te verbeteren, zei Amit Gupta, Solido Design Automation founder, president en CEO. "Het combineren van ons technologieportefeuille met Mentor's IC-mogelijkheden en marktbereik zal ons in staat stellen om oplossingen aan de semiconductor-industrie op een nog grotere schaal te leveren," zei Gupta. "We zijn enthousiast om bij te dragen aan Siemens' bredere digitaliseringsstrategie met ons toegepaste machine learning voor engineering technologieportefeuille en expertise."

Nieuwe releases

Tebis America (Troy, MI) kondigde Release 5 van zijn Versie 4.0 CAD/CAM-software aan met geoptimaliseerde prestaties die gebruikers helpen hun processen te versnellen.

Updates in deze versie staan gebruikers toe processen te versnellen zonder functionele beperkingen met verbeteringen in machinesimulatie, werken met toolsets, zoeken naar tools in feature machining, of tools wisselen in de Job Manager.

Met deze nieuwe release is NC-programmering nu grotendeels geautomatiseerd op basis van templates met procesbibliotheken die snelle en betrouwbare procedures en processen mogelijk maken. Gebruikers kunnen ook grote en complexe onderdelen met de software bewerken. Tebis identificeerde de zwaarste belasting die in specifieke processen optreedt, wat helpt knelpunten te verlichten die kunnen leiden tot lange wachttijden alsook zwaar gebruik van bronnen en conflicten. Tebis-ontwikkelaars pasten het systeem aan om het gebruik van beschikbaar geheugen te optimaliseren, en multicore-technologie die op parallelle verwerking steunt, werd op hetzelfde moment geïntegreerd. De uitgebreide parallelle verwerking bespaart aanzienlijke tijd, vooral in de berekening van NC-programma's voor herruwing. Onderdelen kunnen geladen, geschaduwd en opgeslagen worden met tijdsoptimalisatie.

Manufacturing execution systems (MES) ontwikkelaar 42Q (San Jose, CA) heeft zijn nieuwe Digital Factory Starter Kit uitgebracht, een oplossing met sleutelmogelijkheden die digitale fabrieks-transformatie versnellen.

De Digital Factory Starter Kit omvat shop floor- en kwaliteitsfuncties, traceerbaarheidsmogelijkheid en business intelligence (BI) rapportage. Deel van 42Q's cloud-oplossing, stelt deze kit fabrikanten in staat om waarde te realiseren van digitale fabrieks-transformatie met 42Q in een paar weken.

"De kosten en complexiteit van het implementeren van een conventioneel on-premise MES-platform kunnen resulteren in een time-to-value van tussen 9-18 maanden voor basisfunctionaliteit," zei Srivats Ramaswami, CTO van 42Q. "Fabrikanten die hun digitale transformatie beginnen, hoeven niet zo lang te wachten. We hebben de Digital Factory Starter Kit ontworpen om de kernfuncties die nodig zijn voor digitale transformatie te omvatten, en bedrijven in een paar weken op te starten zonder onderbreking van bedrijfsprocessen of klantleveringen."

Belangrijkste mogelijkheden van de Digital Factory Starter Kit omvatten elektronische travelers, cycletijdbeheer, shop order management en proces.

routeringscontrole. Functionaliteit voor kwaliteitsbeheer is volledig geïntegreerd, inclusief medewerverificatie en elektronische werkinstructies, traceerbaarheid, productgenealogie, labeling en controleplannen. De Digital Factory Starter Kit omvat ook 42Q's Business Intelligence-module, die tools biedt voor real-time alerts van productieoperaties samen met datavisualisatie.

De oplossing stelt bedrijven in staat om kwaliteit en operaties te managen, opbrengsten, WIP, en doorvoer in real-time te monitoren. "Deze oplossing is bewezen en al geïmplementeerd in veel productiefaciliteiten in sterk gereguleerde industrieën, inclusief medische, luchtvaart en auto-productie," zei Ramaswami.

Computerized maintenance management software (CMMS) ontwikkelaar EZmaintain (Cleveland) heeft zijn cloud-gebaseerde CMMS-pakket geïntroduceerd voor het integreren van IoT-sensoren om temperatuur- en trillingsniveaus van apparatuur zoals motoren, tandwielkasten en generatoren te meten.

Gebruikers kunnen de web-gebaseerde CMMS onafhankelijk draaien om falen of preventief onderhoud te managen. Het toevoegen van deze slimme IoT-sensoren stelt gebruikers in staat om real-time data vast te leggen voor condition monitoring met alerts direct te bekijken via een CMMS-dashboard.

EZmaintain CMMS werkt op verschillende apparaten, van desktops tot mobiele apparaten. Gebruikers kunnen Temperatuur/Trilling-sensoren via het dashboard toevoegen of configureren, en IoT-sensoren op verschillende assets die monitoring nodig hebben monteren met schroef-type montage-ontwerpen. Met deze laagkostige, makkelijk in te stellen sensoren, kan de software gebruikt worden in diverse industriële of commerciële toepassingen.