Beschleunigung der digitalen Transformation in der Fertigung durch fortschrittliche Analytik

Manufacturing Engineering: Maschinenüberwachung und Analytik sind im digitalen Fertigungs-/Industrie-4.0-Zeitalter kritischer denn je. Was ist neu bei Sight Machines neuesten Angeboten?

Jon Sobel: Unsere neuesten Angebote sind für ein weitaus breiteres Spektrum von Herstellern konzipiert. Während die Mehrheit der Hersteller zumindest ihre digitale Transformationsreise begonnen hat, haben wir ein breites Spektrum an Reifegraden unter ihnen festgestellt. Viele Unternehmen sind begierig darauf, IoT-Daten [Internet of Things] zu nutzen, um bessere Transparenz in ihre Fertigungsabläufe zu erhalten, sind aber noch nicht bereit für fortgeschrittene Analytik. Ihnen fehlt möglicherweise die interne Expertise, die organisationale Unterstützung, oder es stellt einen zu großen Sprung dar, ihn in einem Schritt zu machen. Wir haben eine neue Stufe unserer digitalen Fertigungsplattform eingeführt: Enterprise Manufacturing Visibility [EMV], die einen schnellen Einstieg in die digitale Fertigung bietet. EMV ermöglicht es Unternehmen, sehr schnell Echtzeit-Transparenz in die Leistung ihrer Fertigungsabläufe über alle ihre Werke hinweg zu gewinnen. Es bietet Self-Service-Setup, das Herstellern erlaubt, schnell alle Arten von Produktionsdaten von Shopfloors einzuspeisen und diese Daten dann über browserbasierte Transparenz zu überwachen.

Sight Machines Enterprise Manufacturing Analytics [EMA], unsere fortgeschrittene Stufe, bietet eine vollständige Suite von Analysetools wie statistische Prozesskontrolle, Korrelations-Heatmaps, Anomalieerkennung und Flaschenhalsanalyse. Sie wendet fortgeschrittene Analytik an, um Vorteile wie erhöhte Produktion, reduzierte Zykluszeiten und verringerte Ausschussraten zu erzielen. Diese analytikbasierten Einsichten sind die Grundlage, die Unternehmen benötigen, um ihre Geschäftsmodelle und ihre Beziehungen zu Lieferanten und Kunden zu transformieren.

ME: Wie kann Ihre neue gestaffelte Struktur Herstellern helfen, in die digitale Fertigung einzusteigen, ohne vollständige Analytik zu betreiben?

Sobel: Bislang hatten wir ein einziges Angebot, das sowohl Transparenz als auch Analytik lieferte. Jetzt haben wir unsere Transparenzwerkzeuge in ein eigenständiges Produkt ausgegliedert. EMV bietet einen unkomplizierten, selbstbedienbaren und leicht skalierbaren Einstieg in die digitale Fertigung mit automatisierten Tools für die Datenerfassung, Bereinigung und Kontextualisierung sowie die Modellierung des Produktionsprozesses.

EMV ermöglicht es Unternehmen, Output, Verfügbarkeit und Ausfallzeiten nach Werk, Maschinentyp und Maschine über Anwendungen zu überwachen, die Global Operations View, KPI Dashboard und Streaming Data Visualization umfassen. Die Transparenz ist sowohl Echtzeit als auch historisch.

EMVs Funktionen umfassen Digital Twin Builder, unser browserbasiertes Tool zur Erstellung von Datenmodellen von Anlagen, Maschinen und Maschinentypen. Es umfasst auch FactoryTX, unsere Edge-Software, die Maschinen- und Fabrikdaten für das Streaming in die Cloud vorbereitet.

ME: Wie schwierig ist es für Unternehmen, mit Überwachung/Analytik zu beginnen, und was sagt Ihre kürzlich eingeführte Digital Readiness Index Methodologie ihnen?

Sobel: Wir haben festgestellt, dass der Schlüssel zur erfolgreichen digitalen Transformation darin liegt, Projekte auszuwählen, die zum Reifegrad eines Unternehmens oder Werks passen. Reife umfasst nicht nur technische Faktoren wie Datenkonnektivität und -zugänglichkeit sowie Cloud- und Sicherheitsstrategie, sondern auch organisationale Faktoren. In unseren sechs Jahren Zusammenarbeit mit G500-Herstellern haben wir festgestellt, dass organisationale Faktoren mindestens so wichtig sind wie technische. Dazu gehören das Maß an Engagement und Buy-in sowohl auf Werksebene als auch auf Führungsebene sowie die Existenz von Cloud- und Sicherheitsstrategien.

Sight Machine hat eine Methodik namens Digital Readiness Index [DRI] entwickelt, um die technische und organisationale Reife eines Unternehmens für digitale Fertigungsprojekte zu bewerten und geeignete Projekte zu identifizieren – jene, die basierend auf der aktuellen Reife am ehesten erfolgreich sind. Wir verwenden einen standardisierten Fragebogen, um jedes Unternehmen in eine von fünf Digital Readiness Zones einzuteilen: Connection, Visibility, Efficiency, Advanced Analytics und Transformation. Jede Digital Readiness Zone wird Beispielen von Projekten zugeordnet, die für diesen Reifegrad erreichbar sind.

ME: An diesem Punkt, wie weit ist die Fertigungsindustrie bei der Einführung fortschrittlicher Fabrikanalytik?

Sobel: Alle großen Hersteller, mit denen wir sprechen, haben zumindest die digitale Transformationsreise begonnen. Wir finden eine große Varianz nicht nur zwischen Unternehmen, sondern auch innerhalb der einzelnen Werke eines Unternehmens.

Man kann es in diesen Schritten betrachten: Datenzugriff; Transparenz; und Einsichten. Es ist ziemlich üblich, dass Unternehmen ihre digitalen Daten sammeln und speichern. Viele haben einfache Dashboards zusammengestellt, die es ihnen erlauben, die verschiedenen Linien oder Maschinen innerhalb einzelner Fabriken zu überwachen. Relativ wenige Hersteller haben Transparenz über ihre Fabriken hinweg gewonnen. Wir glauben, dass Sight Machine die einzige skalierbare Lösung auf dem Markt für schnelle unternehmensweite Transparenz bietet.

Für fortgeschrittene Analytik, abgesehen von den Unternehmen, mit denen wir arbeiten, sehen wir am häufigsten maßgeschneiderte Data-Science-Projekte. Unternehmen, die vor einem Leistungs- oder Qualitätsproblem stehen, beauftragen ihre Data Scientists mit der Lösung des bekannten Problems. Sie entwickeln typischerweise eine Einzellösung, nehmen whatever Daten sie in die Hände bekommen können, werfen sie in Excel oder ein Statistikprogramm und suchen nach Korrelationen.

Das Problem ist, dass diese Projekte weder skalierbar noch auf andere Probleme anwendbar sind. Die Datenextraktion und -modellierung erfolgt so, dass Applikations- und Datensilos entstehen. Aus der Sicht eines VP of Operations oder CIO bleiben sie mit einer Proliferation maßgeschneiderter Anwendungen zurück, die nicht so integriert werden können, dass sie das Verständnis der Fertigungsabläufe des Unternehmens als Ganzes fördern.

Sight Machines Digital Twin ist ein funktionierendes, live Datenmodell des Produktionsprozesses. Eine einzelne Anwendung, die schnell durch Hinzufügen neuer Maschinen und Prozesse erweitert werden kann, bietet unser Digital Twin eine einzige Quelle der Wahrheit, die abgefragt werden kann, um jedes betriebliche Problem zu lösen.

ME: Was kann fortgeschrittene Analytik Herstellern bieten, die tief in diese Technologie eintauchen?

Sobel: Die digitale Revolution hat Sektor für Sektor transformiert – Werbung, Einzelhandel, Investitionen, Wissenschaft, Politik – und nicht nur enorme Effizienzsteigerungen freigesetzt, sondern auch neue Geschäftsmodelle transformiert und geschaffen. Hersteller beginnen gerade erst, die Macht ihrer Daten anzuzapfen und sehen echte Ergebnisse.

Wenn Sie mehr Produktivität aus Ihren bestehenden Anlagen und Maschinen herausholen oder Ausschuss und Fehler reduzieren, wirkt sich das direkt auf Ihre Bilanz aus. Aber die meisten führenden Hersteller haben das niedrig hängende Obst schon lange aus Disziplinen wie Six Sigma und Lean gepflückt. Die nächsten großen Sprünge werden kommen, indem man echte Transparenz in die Unternehmensabläufe eines Herstellers über alle Fabriken hinweg gewinnt und dann die analytischen Techniken anwendet, die über mehr als ein Jahrzehnt aus digitalen Transformationen in anderen Branchen verfeinert wurden.

ME: Wie schiebt künstliche Intelligenz [KI] in Sight Machines Plattform Fabrikanalytik weiter als in früheren oder konkurrierenden Angeboten?

Sobel: Sight Machines KI Data Pipeline ist eine patentierte Technologie, die Rohdaten in kontextualisierte Daten transformiert, auf die Analytik erfolgreich angewendet werden kann. Mit unserer Plattform erledigt die KI Data Pipeline die Fleißarbeit, Rohdaten von Sensoren, SPSen, Datenhistorikern usw. zu nehmen und sie für die Analyse durch Bereinigung, Tagging und Blending vorzubereiten.

Die Daten gehen dann zu unserer anderen patentierten Technologie, dem Plant Digital Twin, der Fabrikproduktionsprozesse modelliert. Er nimmt die Daten aus der KI Data Pipeline und baut sie zu einem Modell des Systems zusammen, das Tausende von Datenpunkten von Hunderten von Quellen in eine Darstellung von Teilen oder Chargen umsetzt, die durch die Produktion bewegen. Der Plant Digital Twin spiegelt den Maschinenzustand an jedem Punkt im Produktionsprozess für jedes Teil oder jede Charge wider und protokolliert auch das für dieses Teil oder diese Charge verwendete Rohmaterial, Umgebungsfaktoren wie Feuchtigkeit und Temperatur, die Identitäten der Maschinenbediener und alle zusätzlichen verfügbaren Daten.

Bei konkurrierenden Angeboten wie internen Analyseinitiativen verbringen Data Scientists den Großteil ihrer Zeit damit, Daten manuell auszuwählen, zu bereinigen und zu kombinieren – nicht damit, Daten zu analysieren, um umsetzbare Geschäftseinsichten zu finden. Im Gegensatz dazu erstellen unsere KI Data Pipeline und Plant Digital Twin Technologien automatisch eine digitale Darstellung der Produktionsprozesse in Echtzeit, wodurch Data Scientists, Linienbediener und Werksleiter frei sind, proaktiv auf Betriebsprobleme zu reagieren, anstatt sie retrospektiv zu untersuchen.

ME: Nennen Sie mir ein Beispiel für einen Hersteller, der vorbildliche Arbeit mit Ihrer Fertigungsanalytik-Plattform leistet.

Sobel: Wir wurden von einem Healthcare-Produkte-Hersteller hinzugezogen, um ein Problem zu lösen, das andere Technologieanbieter nicht knacken konnten – eine hohe Ausschussrate in ihrem profitabelsten Werk. Die Sight Machine Plattform führte eine Root-Cause-Analyse durch, die Natural Language Processing, Sequenzanalyse, Clusteranalyse und Regressionen kombinierte.

Die Sight Machine Plattform identifizierte und priorisierte die vielfältigen Ursachen für Ausschuss, was zu einer Steigerung der Overall Equipment Effectiveness um etwa 3 % führte. Das entspricht potenziellen Einsparungen von mehr als 20 Millionen $ pro Jahr für dieses Werk allein.

Übernahmen

Siemens PLM Software (Plano, TX) hat vereinbart, Solido Design Automation Inc. (Saskatoon, SK), einen Entwickler von variationsbewusster Design- und Charakterisierungssoftware für Halbleiterunternehmen, zu übernehmen.

Die Transaktionsbedingungen wurden nicht bekannt gegeben. Siemens erwartet, die Transaktion Anfang Dezember 2017 abzuschließen. Solidomaschinenlernbasierte Produkte werden derzeit in der Produktion bei über 40 großen Unternehmen eingesetzt, was es ihnen ermöglicht, wettbewerbsfähigere Produkte zu entwerfen, zu verifizieren und herzustellen. Die Übernahme erweitert das analog/mixed-signal (AMS) Verifikationsportfolio von Mentor Graphics (von Siemens im März 2017 übernommen) weiter und ermöglicht es, den wachsenden Herausforderungen von IC-Design und -Verifikation für Automobil, Kommunikation, Rechenzentrum, Netzwerk, Mobil und IoT-Anwendungen zu begegnen.

Solido hilft seinen Kunden, die Auswirkungen von Variabilität zu adressieren, um IC-Leistung, Leistung, Fläche und Ausbeute zu verbessern, sagte Amit Gupta, Gründer, Präsident und CEO von Solido Design Automation. „Die Kombination unseres Technologieportfolios mit Mentors IC-Fähigkeiten und Marktreichweite wird es uns ermöglichen, Lösungen für die Halbleiterindustrie auf noch größerer Skala bereitzustellen“, sagte Gupta. „Wir freuen uns, zu Siemens' breiterer Digitalisierungsstrategie mit unserem Applied Machine Learning für Engineering Technology Portfolio und Expertise beizutragen.“

Neue Veröffentlichungen

Tebis America (Troy, MI) kündigte Release 5 seiner Version 4.0 CAD/CAM-Software an, die optimierte Leistung bietet, die Nutzern hilft, ihre Prozesse zu beschleunigen.

Updates in dieser Version ermöglichen es Nutzern, Prozesse ohne funktionale Einschränkungen zu beschleunigen, mit Verbesserungen bei Maschinensimulation, Arbeiten mit Werkzeugsätzen, Suche nach Werkzeugen in der Feature-Bearbeitung oder Austausch von Werkzeugen im Job Manager.

Mit diesem neuen Release ist die NC-Programmierung nun weitgehend automatisiert basierend auf Vorlagen mit Prozessbibliotheken, die schnelle und zuverlässige Verfahren und Prozesse ermöglichen. Nutzer können auch große und komplexe Teile mit der Software bearbeiten. Tebis identifizierte die schwersten Lasten, die in bestimmten Prozessen auftreten, was hilft, Flaschenhälse zu lindern, die zu langen Wartezeiten sowie starker Ressourcennutzung und Konflikten führen können. Tebis-Entwickler passten das System an, um die Nutzung des verfügbaren Speichers zu optimieren, und Multicore-Technologie, die auf paralleler Verarbeitung basiert, wurde gleichzeitig integriert. Die erweiterte parallele Verarbeitung spart erhebliche Zeit, besonders bei der Berechnung von NC-Programmen für das Nachschruppen. Teile können mit Zeitoptimierung geladen, schattiert und gespeichert werden.

Hersteller von Manufacturing Execution Systems (MES) 42Q (San Jose, CA) hat sein neues Digital Factory Starter Kit veröffentlicht, eine Lösung mit Schlüsselfähigkeiten, die die digitale Fabriktransformation beschleunigen.

Das Digital Factory Starter Kit umfasst Shopfloor- und Qualitätsfunktionen, Rückverfolgbarkeitsfähigkeit und Business Intelligence (BI) Reporting. Als Teil von 42Qs Cloud-Lösung ermöglicht dieses Kit Herstellern, Wert aus der digitalen Fabriktransformation mit 42Q in wenigen Wochen zu realisieren.

„Die Kosten und Komplexität der Bereitstellung einer konventionellen On-Premise-MES-Plattform können zu einer Time-to-Value von 9–18 Monaten für grundlegende Funktionalität führen“, sagte Srivats Ramaswami, CTO von 42Q. „Hersteller, die ihre digitale Transformation beginnen, sollten nicht so lange warten müssen. Wir haben das Digital Factory Starter Kit so konzipiert, dass es die Kernfunktionen für die digitale Transformation enthält und Unternehmen in wenigen Wochen ohne Unterbrechung von Geschäftsprozessen oder Kundenlieferungen zum Laufen bringt.“

Zu den Schlüsselfähigkeiten des Digital Factory Starter Kit gehören elektronische Reisepapiere, Zykluszeitmanagement, Shop-Auftragsmanagement und Prozess-Routing-Kontrolle. Qualitätsmanagement-Funktionalität ist vollständig integriert, einschließlich Mitarbeiterverifizierung und elektronischer Arbeitsanweisungen, Rückverfolgbarkeit, Produktgenealogie, Etikettierung und Kontrollpläne. Das Digital Factory Starter Kit umfasst auch 42Qs Business Intelligence Modul, das Werkzeuge für Echtzeitwarnungen aus Fertigungsabläufen sowie Datenvisualisierung bereitstellt.

Die Lösung ermöglicht es Unternehmen, Qualität und Betrieb zu managen, Ausbeuten, WIP und Durchsatz in Echtzeit zu überwachen. „Diese Lösung ist bewiesen und bereits in vielen Fertigungsanlagen in stark regulierten Branchen eingesetzt, einschließlich Medizin, Luft- und Raumfahrt und Automobilfertigung“, sagte Ramaswami.

Entwickler von Computerized Maintenance Management Software (CMMS) EZmaintain (Cleveland) hat sein cloudbasiertes CMMS-Paket für die Integration von IoT-Sensoren zur Messung von Temperatur und Vibrationspegeln von Geräten wie Motoren, Getrieben und Generatoren eingeführt.

Nutzer können das webbasierte CMMS unabhängig betreiben, um Ausfall- oder vorbeugende Wartungsaktivitäten zu verwalten. Das Hinzufügen dieser smarten IoT-Sensoren ermöglicht es Nutzern, Echtzeitdaten für Zustandsüberwachung mit Alarmen direkt über ein CMMS-Dashboard zu erfassen.

EZmaintain CMMS funktioniert über verschiedene Geräte, von Desktops bis zu Mobilgeräten. Nutzer können Temperatur/Vibrationssensoren über das Dashboard hinzufügen oder konfigurieren und IoT-Sensoren an verschiedenen Assets montieren, die überwacht werden müssen, mittels Schraubmontage. Mit diesen kostengünstigen, einfach einzurichtenden Sensoren kann die Software in verschiedenen industriellen oder kommerziellen Anwendungen eingesetzt werden.