AWS, Google und Microsoft wenden Expertise in Daten und Software auf die Fertigung an

Ford Motor erweitert die Vielfalt der Sensoren in seinen Montagelinien, um Big Data in Even Bigger Data umzuwandeln und gleichzeitig den Zugang zu den gesammelten Informationen zu demokratisieren. „Wir reichern die von der Ausrüstung generierten Daten an, indem wir Sensoren wie Infrarotüberwachung und Vibrationssensoren hinzufügen, um traditionelle [gesammelte] Daten wie Zykluszeit und Druck zu ergänzen, um einen reichhaltigeren Datenpool zu schaffen“, sagte Mike Mikula, Produktionsdirektor von Fahrzeugprogramme. „Wir können jetzt intelligentere Analysen rund um die Beiträge dieser Signale zur Qualität des Produkts, zur Effizienz des Prozesses und zum Zustand der Ausrüstung erstellen.“

„Die meisten größeren IoT-Plattformen“ helfen Ford bei seinen Bemühungen, sagte er. Ford und eines dieser IoT-Plattformunternehmen – Google – haben in diesem Jahr unter anderem eine Partnerschaft für industrielle Cloud-Datenverwaltungsdienste und analytische Softwareanwendungen angekündigt.

Um die Nutzung der resultierenden Informationen in der Werkstatt voranzutreiben, baut Ford eine IoT-Datenplattform auf, die Produktionsmitarbeitern Zugriff auf Analysen über Low-Code- und No-Code-Apps gibt, die keine oder nur geringe Kenntnisse von Computersprachen erfordern.

Die neu entwickelten Apps können dann für andere Benutzer im Unternehmen skaliert werden, die mit ähnlichen Prozessen und Geräten zu tun haben, sagte Mikula.

Unterdessen bevorzugt Ford auch selektiv die menschliche Gehirnleistung gegenüber Software, um Daten zu analysieren, und wendet sich immer mehr an interne Programmierer als an Anwendungsanbieter.

„Die Lösung hängt von der Anwendung ab“, sagte Mikula. „Manchmal ist es Software und manchmal ein Datenanalyst, der die Datenquellen durchforstet. Wir würden gerne zu Lösungen übergehen, die autonomer sind und von maschinellem Lernen und künstlicher Intelligenz angetrieben werden. Das Ziel ist, weniger auf gekaufte SaaS [Software as a Service] angewiesen zu sein.“

Letztendlich, so Mikula, zielen die Bemühungen darauf ab, die Gesamtkosten der Herstellung zu senken – Einsparungen, die dann an die Verbraucher weitergegeben werden können.

Zwei der konkurrierenden Datengiganten von Google, Amazon und Microsoft, bieten jetzt auch Herstellern Cloud-Hosting und Softwarelösungen an.

„Es gibt viele Akteure, die außerhalb des industriellen IoT tätig waren, wie Google, Microsoft und Amazon, die das Potenzial für sie erkennen, ihre Softwarestärken zu nutzen, um einige der traditionellen etablierten Anbieter des industriellen Internets der Dinge zu verdrängen“, sagte Mikula.

Die Technologiegiganten bilden eine neue Big Three, ähnlich der Big Three-Referenz vergangener Zeiten für Ford, General Motors und Chrysler. Die Industriesoftware der Technologiegiganten für Fahrzeughersteller und andere hilft bei Komponenten und Zielen von Industrie 4.0 – digitaler Zwilling, vorausschauende Wartung, maschinelle Qualitätsprüfungen, autonomer Betrieb und mehr.

Während diese Technologiegiganten ihr Fachwissen mit Daten und Software nutzen, um Teil von Industrie 4.0 zu werden, verfügen sie auch über Fachkenntnisse aus der Herstellung von Dingen.

Eine „verrückte“ Lieferkette

„Wir sind wahrscheinlich eines der größten Fertigungsunternehmen der Welt“, sagte Dominik Wee, Global Managing Director, Manufacturing and Industrial bei Google Cloud. „Google hat eine verrückte, extrem tiefe Lieferkette. Unsere Lieferkette ist so komplex wie jedes globale Fertigungsunternehmen.“

Das Unternehmen stellt die Computerhardware in seinen Rechenzentren her und entwickelt seine eigenen Computerchips. Auf der Verbraucherseite werden Telefone sowie Chromecast-Dongles hergestellt, die einem Fernseher intelligente Funktionen hinzufügen.

Während Google ein Hersteller ist, seit das Unternehmen vor mehr als 20 Jahren gegründet wurde, begann es, stark in seine Fertigungsdienstleistungen für andere zu investieren, als Google Cloud-Präsident Thomas Kurian im Jahr 2018 eingestellt wurde, sagte Wee. Kurian hat zuvor 22 Jahre lang bei Oracle gearbeitet.

Mit der Digitalisierung der Fertigung werden die für den Verbrauchermarkt entwickelten Methoden von Google auch für die Industrie relevant, sagte Wee, der zuvor als Wirtschaftsingenieur in der Halbleiterindustrie tätig war.

„Wir glauben, dass wir an einem Punkt angelangt sind, an dem diese Technologien – vor allem die Bereiche Analytik und KI – die für den typischen Wirtschaftsingenieur sehr schwierig zu verwenden waren, in der Werkstatt so einfach zu verwenden sind“, sagte er. „Darin sehen wir unsere Wettbewerbsdifferenzierung.“

Wee sagte, was Google für seine Technologie für die Herstellung unter Kurian getan hat, ahmt das nach, was es zuvor auf der Verbraucherseite getan hat:Machen Sie es so einfach zu bedienen, dass Sie nicht einmal bemerken, dass Sie es tun.

Die Qualitätsprüfung mit Google Cloud Vision Inspection ist ein gutes Beispiel, sagte er.

„Da die maschinelle Bildverarbeitung sehr fortschrittlich ist, wird sie häufig [für die Qualitätsprüfung] verwendet, und deshalb haben wir es sehr einfach gemacht, maschinelles Lernen in einem Fertigungskontext einzusetzen und dafür nur sehr wenige Bilder zu verwenden. Sie müssen dafür kein Programmierer oder Experte für maschinelles Lernen sein“, sagte Wee. „Es ist buchstäblich Point-and-Click.“

Er wies auf die Leichtigkeit hin, mit der Unternehmen Vision Inspection pilotieren und dann skalieren können:„Um die Methodik zu übertragen, müssen Sie niemanden von Google hinzuziehen oder das Unternehmen XYZ hinzuziehen, um dies für Sie zu tun. Die Leute in der Fabrik können das. Das ist der große Schlüssel – wo sich maschinelles Lernen von der Fantasie zu einem weit verbreiteten Einsatz in der Fertigung bewegt.“

Benutzerfreundlichkeit ist ein Wettbewerbsvorteil für das Unternehmen, sagte Wee.

„Wir sprechen über Pilotlücke“, sagte er. „Viele Unternehmen haben maschinelles Lernen, Augmented Reality und vorausschauende Wartung ausprobiert, und sie haben dies an einem Punkt in einem Teil ihrer globalen Fertigungspräsenz getan, und es war eine Menge Arbeit. Es wurden sehr spezialisierte Leute benötigt, aber sie konnten es nie skalieren.“

Google Cloud ist nicht nur einfach zu bedienen, sondern verwendet auch Open-Source-Software, die den Herstellern Optionen offen hält, so Wee.

Google behauptet auch, dass die Stärke seiner Analytik und KI unübertroffen ist:„Als Unternehmen, das die Datenverarbeitung im Mittelpunkt seines über 20-jährigen Bestehens hat, würden wir behaupten, dass niemand das besser versteht als wir“, sagte er. „Wenn Sie eine riesige Datenmenge in irgendeinem Kontext bewältigen müssen, auch in der Fertigung, würden wir argumentieren, dass wir das richtige Unternehmen dafür sind.“

Umgestaltung der Belegschaft

Indranil Sircar, Microsofts CTO für die Fertigungsindustrie, würde Wee wahrscheinlich respektvoll widersprechen.

„Microsoft Cloud for Manufacturing wird Kunden dabei helfen, ihre Unternehmen neu zu denken, flexiblere Fabriken aufzubauen und widerstandsfähigere Lieferketten zu schaffen sowie ihre Belegschaft zu transformieren“, sagte er.

Sircar ist seit fast einem Jahrzehnt bei Microsoft. Davor war er über 20 Jahre bei Hewlett-Packard tätig.

Während sowohl Google als auch Microsoft Herstellern helfen, Daten von ihren Maschinen zu sammeln und zu analysieren, sagte Sircar, dass die personalbezogenen Komponenten der Dienste seines Unternehmens – einschließlich KI und Mixed Reality mit HoloLens 2 – die wahren Unterscheidungsmerkmale nicht nur von Google und Amazon, sondern auch von den traditionellen sind Anbieter von industriellen Softwarelösungen.

Beispielsweise verwendet Mercedes Benz USA Remote Assist von Microsoft, mit dem eine Person an einem Computer jemandem, der HoloLens trägt, aus der Ferne helfen kann.

In einem Video auf der Microsoft-Website sagte Edgar Campana, zentralisierter Diagnosetechniker bei Mercedes Benz in Coral Gables:„Ich kann es [HoloLens] einfach aufsetzen und sofort Unterstützung bekommen. Sie können mich buchstäblich auf Dinge hinweisen, während ich sie betrachte. Sie können es umkreisen. Sie können Linien ziehen. Es ist praktisch:Es ist buchstäblich genau dort. Ich kann mit ihnen sprechen und in Echtzeit durch das Fahrzeug gehen. Es ist sehr intuitiv.“

Während Remote Assist bidirektional ist und Benutzer hin und her sprechen lässt, ist Mixed Reality Guides Solutions nur in eine Richtung und ermöglicht es Auszubildenden, mit Hologrammen allein oder in Kombination mit physischen Objekten zu interagieren.

„Airbus ist ein großartiges Beispiel“, sagte Sircar und stellte fest, dass das Unternehmen „die Führungen in seiner Fertigungslinie verwendet hat, wodurch die Arbeiter sehr schnell eine Auflage auf der Verkabelung sehen und wie sie angebracht werden muss.“

Die 3D-Umgebung kann Funktionen bieten, die das reale Training nicht bieten kann, wie z. B. die Möglichkeit, Elemente in drei Dimensionen aus jedem Winkel zu betrachten.

Airbus-Designer können ihre Entwürfe virtuell testen, um zu sehen, ob sie für das Fließband bereit sind oder nicht.

Microsoft stellt HoloLens 2 und Surface Hub her, ein interaktives Whiteboard für Unternehmen. Es verkauft physische Produkte, einschließlich Xbox-Videospielkonsolen und Surface-PCs mit Touchscreen.

Dennoch:„Die Fertigung wurde, wie wir sprechen, stark ausgelagert, aber … wir verwalten definitiv die gesamte Produktionslinie, vom Design über die Beschaffung der Ergänzungen bis hin zum Testen am Fließband“, sagte Sircar.

Auf der Seite der Cloud-Daten verwaltet das Unternehmen die Herstellung der Infrastruktur End-to-End.

Microsofts erste Anwendung für die Industrie war im Jahr 2002 mit der Enterprise Resource Planning-Software namens Dynamics AX, sagte er. Azure IoT wurde 2016 verfügbar.

Ebenfalls im Jahr 2016 wurde Microsoft eingeladen, sich an der Plattform Industrie 4.0, der Initiative der Bundesregierung, zu beteiligen, sagte Sircar.

Microsoft hat zusammen mit BMW das Open Manufacturing Platform (OMP)-Konsortium gegründet. Die OMP fördert ein gemeinsames Open-Data-Modell, das eine gemeinsame Datensprache für Geschäfts- und Analyseanwendungen ist.

Mit derselben Technologie wie Amazon

Amazon.com ist eher für den Verkauf als für die Herstellung bekannt. Aber es stellt Kindle, Echo-Geräte und andere Konsumgüter her. Es macht auch einen großen Prozentsatz der Hardware, die seine Infrastruktur und seine eigenen Computerchips betreibt.

AWS (Amazon Web Services) hat 2020 eine Industrielinie eingeführt, die Produkte und Dienstleistungen für IoT, KI, maschinelles Lernen, Analysen und Edge-Lösungen umfasst.

Die Linie umfasst „neue und bestehende Services und Lösungen von AWS und dem AWS-Partnernetzwerk, die speziell für [Software]-Entwickler, Ingenieure und Bediener an Industriestandorten entwickelt wurden“, sagte Douglas Bellin, globaler Leiter der Geschäftsentwicklung für Smart Factory und Industrie 4.0. „Insgesamt bringen diese einen modularen Ansatz, um Datenerfassung, -speicherung, -analyse und -einblicke zu ermöglichen.“

Der Prozess zur Durchführung dieser potenziellen Verbesserungen beginnt früh mit dem Sammeln und Untersuchen von Daten, und AWS hat mehrere Möglichkeiten gefunden, all diese „0“ und „1“ zu zähmen.

„Wenn Sie auf der Software- und Datenebene beginnen, gibt es mehr als 350 verschiedene Protokolle, die in der Branche verwendet werden“, sagte Bellin, der 2017 nach mehr als 10 Jahren bei Cisco zu AWS kam.

AWS Lookout for Equipment verwendet historische Gerätedaten von vorhandenen Sensoren sowie Informationen aus historischen Wartungsereignissen und erstellt ein benutzerdefiniertes maschinelles Lernmodell, das die normalen Verhaltensmuster dieser Maschine verfolgt. Wenn Betriebsdaten vom bekannten Normalzustand abweichen, zeigt Lookout for Equipment die entsprechenden Benutzer über Warnmeldungen und Dashboards an.

Ein weiteres Produkt, AWS IoT SiteWise, schafft eine einzige Datenquelle, indem es die Extraktion von Daten aus Datenbanken vereinfacht, die üblicherweise in Industrieanlagen zu finden sind, die Daten entweder lokal oder in die Cloud übertragen und so strukturieren, dass sie für Benutzer und Anwendungen leicht zugänglich sind. Das Anwendungsframework ermöglicht die Berechnung gängiger industrieller Leistungsmetriken, wie z. B. der Gesamtanlageneffizienz. Es überwacht auch den Betrieb in mehreren Industrieanlagen, analysiert Daten von Industrieanlagen, verhindert kostspielige Geräteprobleme und reduziert Produktionslücken.

Neben der Standardisierung von Daten ist eine weitere häufige Hürde beim Aufbau einer intelligenten Fabrik die Integration von Altgeräten. Jede Werkzeugmaschine, die mit einer SPS ausgestattet ist, muss einige Daten preisgeben, die jedoch im Vergleich zu modernen Maschinen minimal sind. Als Reaktion darauf hat AWS Partner, die die erforderliche Hardware hinzufügen können, um einige Maschinenparameter zu verfolgen. Es entwickelte auch einen eigenen kostengünstigen Vibrations- und Temperatursensor für rotierende Maschinen namens Amazon Monitron.

Amazon Monitron ist auch ein auf maschinellem Lernen basierender Service zur Überwachung des Gerätezustands, der eine vorausschauende Wartung ermöglicht, indem Sensorsignale von Industrieanlagen wie Motoren, Pumpen und Getrieben analysiert werden.

Es ist ein vollständig verwaltetes End-to-End-System, das Sensoren zur Erfassung von Vibrations- und Temperaturdaten, Gateways zur automatischen Übertragung von Daten in die AWS Cloud und eine mobile App für die Einrichtung, Analyse und Benachrichtigung über abnormales Maschinenverhalten umfasst.

„Amazon Monitron basiert auf derselben Technologie, die auch bei Amazon verwendet wird, und nutzt über 20 Jahre Erfahrung in der Erkennung von Anomalien, um die Modellgenauigkeit weiter zu verbessern“, sagte Bellin.

Mit Amazon Monitron können Zuverlässigkeitsmanager innerhalb weniger Stunden mit der Verfolgung des Gerätezustands beginnen – ohne dass Entwicklungsarbeit oder spezielle Schulungen erforderlich sind, so AWS.

Hersteller können Amazon Monitron verwenden, um vorausschauende Wartung zu ermöglichen, Geräte aus der Ferne zu überwachen und den Zustand von unzugänglichen Geräten zu verfolgen, fügte Bellin hinzu.