Engineering revolutionieren durch intelligente Automatisierung: Cloud, ML und Blockchain im PLM

Vor dem Hintergrund starken Wachstums in ihrer Branche nutzen Product Lifecycle Management (PLM) Softwareentwickler Cloud und Machine Learning, um Daten zu managen und die Nutzererfahrung zu verbessern. Branchenführer schauen auch auf Blockchain, entweder um den Einsatz des verteilten Ledgers in ihrer Software zu erweitern oder sie dort zu integrieren, wo es in ihren PLM-Anwendungen am meisten Sinn ergibt.

Der PLM-Markt wuchs letztes Jahr um 9,4 %, mit 18 Anbietern, die einen damit verbundenen Umsatz von 500 Millionen Dollar generierten, sagte Stan Przybylinski, VP of Research bei CIMdata Inc. In Richtung 2023 sieht CIMdata den PLM-Markt auf fast 72,4 Milliarden Dollar wachsen bei einer kombinierten jährlichen Wachstumsrate von 8,6 %.

„Siemens PLM Softwares Übernahme von Mentor Graphics machte sie zum einzigen Anbieter mit Angeboten, die mechanisch, elektrisch/elektronisch und Software umfassen“, sagte er. „Wegen dieser Übernahme schätzt CIMdata Siemens auf dem Gesamtrang 1, knapp vor Dassault Systèmes mit weniger als 100 Millionen Dollar Abstand.“

Mit den Verbesserungen und der Betrachtung von Blockchain für PLM wird die Anwendung teilweise neu definiert, um grundlegende Fortschritte in der Fertigung widerzuspiegeln.

„Ich denke, das große Thema ist, dass PLM keine Standalone-Anwendung mehr ist“, sagte John Kelley, VP of Product Value Chain Strategy bei Oracle. „Es ist Teil von integrierter Supply Chain und Fertigung und ein Schlüsselstück des Übergangs zu Industry 4.0 und smarten, vernetzten Geräten.“

PLM hat auch das Management von Digital Twins, Big Data und Analytics übernommen, um nützliche Anwendungen wie präventive Wartung, Asset-Monitoring und Produktionsmonitoring zu bauen, fügte er hinzu.
Siemens PLM Software CTO Jim Rusk könnte Kelley zustimmen. Rusk sagte, umfassende PLM-Software biete einen Wettbewerbsvorteil.

„Wir haben eine ziemlich signifikante Progression gesehen, wie Produkte entwickelt werden“, sagte er. „Historisch wurde Mechanik von der Engineering-Gruppe entwickelt und dann vielleicht Elektronik von einer anderen Gruppe und vielleicht gab es Software. Diese Domänenbarrieren in Unternehmen, die komplexe Produkte produzieren, können nicht mehr bestehen. Es ist härter für sie, zu konkurrieren, wenn sie diese Prozesse serialisieren.“

Machine Learning Benzin hinzufügen

Vikram Vedantham, Senior Manager of Business Strategy bei Autodesk, sagte, die generative Design-Technologie seines Unternehmens, ursprünglich letztes Jahr eingeführt und jetzt in seine Design-to-Manufacturing-Plattform Fusion 360 integriert, sei ein Vorreiter im Paradigmenwechsel, intelligente Automatisierungstechnologien auf den breiten Ingenieurmarkt zu bringen.

Generatives Design berücksichtigt die Definition eines Problems und alle vom Nutzer auferlegten Constraints – einschließlich Dimensionen, Materialien, Belastungsbedingungen – um mehrere tragfähige Designlösungen oder Antworten auf ein Ingenieursproblem zu generieren.

„Wir sind darauf bedacht, die Flaschenhälse zu beseitigen, die derzeit darin bestehen, wie Daten von einer Person und einem Prozess zum nächsten fließen, indem wir die Last der Übersetzung dieser Daten durch eine nahtlose End-to-End-digitale Erfahrung vom Design bis zur Fertigung übernehmen“, sagte er. „Denn dann können wir anfangen, Optionen zu betrachten, wo wir selektiv Antworten servieren können, die ein Kunde bevorzugt, anstatt sie hunderten von Ergebnissen auszusetzen.“

Autodesk hat die Fusion 360 Benutzererfahrung verbessert, indem es Daten, die von der frühen Ideenphase bis zur Fertigungsvorbereitung generiert werden, nahtlos innerhalb des Workflows bewegen lässt, während Nutzer zwischen „Workspace“-Seiten wechseln.

„Wir wollen absolut sicherstellen, dass wir die Last der Datenmanipulation innerhalb des Workflows übernehmen“, sagte Vedantham. „Unsere Kundenforschung und unser Engagement mit dem Kunden zeigen definitiv, dass das ein aufkommender und imperativer Bedarf im Markt ist.“

Während Autodesk daran arbeitet, Machine Learning in seinen generativen Designprozess zu integrieren, nutzt Oracle künstliche Intelligenz für Predictive Analytics und Qualitätsmanagement in seiner Oracle PLM Cloud Anwendung.

„Ein IoT-vernetztes Gerät kann eine Vibration detektieren, die außerhalb der Designparameter liegt. Da kommen Predictive Analytics und Machine Learning ins Spiel“, sagte Kelley. „Erstens muss ich vorhersagen, wann dieser Asset ausfallen wird oder wann die Qualität des auf dieser Maschine produzierten Produkts außerhalb der Parameter fällt. Zweitens brauche ich die Analytics, um den Arbeitsauftrag für das Gerät oder die Produktionslinie zu bewerten und den besten Zeitpunkt für die Ausgabe eines präventiven Wartungsauftrags zu wählen, um sicherzustellen, dass wir die Auswirkungen auf meinen Fabrikdurchsatz minimieren. Aber ich werde das auch in meine Qualitätsanwendung zurückspeisen, um zu bestimmen, ob Produktänderungen nötig sind, um zu verhindern oder die Chance zu verringern, dass dieses Problem wieder auftritt.“

Da Unternehmen von Produktverkäufen zu Products-as-a-Service übergehen, ist die Garantie von Uptime zur Kontrolle des Umsatzstroms kritisch. Predictive Maintenance und Predictive Asset Management sind kritisch für diese neuen Geschäftsmodelle und jetzt Teil von PLM-Software.

Ein digital vernetztes PLM wird nicht mehr nur von Engineering genutzt. Es wird auch von Supply Chain, Fertigung, Vertrieb, Support und anderen Partnern über die Produktwertschöpfungskette hinweg genutzt, und rollenspezifische Benutzeroberflächen und Dashboards sind nötig, um sicherzustellen, dass jeder Nutzer die nützlichen, rollenspezifischen Informationen erhält, die er für seine Arbeit braucht.

„Also haben wir uns darauf konzentriert, sinnvolle Informationen basierend auf Rollen zu präsentieren“, sagte Kelley. „Und das ist entscheidend, weil Sie eine enorme Menge an Informationen über das Produkt in PLM speichern müssen, um den Digital Thread oder Enterprise Product Record zu erstellen, den Sie wollen.“

Oracle macht das direkt in der UI und in in der Anwendung eingebetteten Analytics.

„Während Sie Ihre Arbeit machen, können Sie Analytics und Dashboards sehen, die sehr konfigurierbar für Ihre Nutzung und Ihre Rolle sind“, sagte er. „So wird ein Endnutzer Transaktionen auf niedrigerer Ebene sehen, während ein Manager ein Dashboard über Produktgesundheit sieht.“

Bei Siemens wird Machine Learning in der integrierten NX-Software für Design, Simulation und Fertigung eingesetzt.

„Wir sammeln Daten, während der Nutzer mit dem Produkt auf seiner Maschine arbeitet“, sagte Rusk. „Aber dann wenden wir etwas Machine Learning an und sagen: Angesichts der letzten mehreren Stunden oder länger hier ist ein Muster, das wir erkennen. Basierend auf dem, was dieser Nutzer oder eine größere Gruppe von Nutzern in der Vergangenheit getan hat, können wir vorhersagen, was sie als Nächstes tun müssen, um ihre Aufgabe abzuschließen.“

Es gibt immer noch Bedarf an menschlichem Engineering-Urteil und Entscheidungen, fügte er hinzu. Aber künstliche Intelligenz und Machine Learning können zu diesen Entscheidungen gelangen und die Informationen, die der Nutzer braucht, viel schneller servieren.

Rusk sagte, die Benutzererfahrung zu vereinfachen, stehe „front and center“ für seine serverbasierte PLM-Software Teamcenter und Teamcenters browserbasierte Einstiegsplattform Active Workspace. Zusammen sind sie der primäre Zugriff auf die Informationen eines Produkts, die textuell oder grafisch präsentiert werden können. Das liegt daran, dass die Komplexität seiner Nutzergruppe zugenommen hat.

„Unsere Nutzer produzieren einige der kompliziertesten Produkte der Welt, egal ob Sie über Automobile, Flugzeuge oder Consumer Electronics sprechen“, sagte er. „Was auch immer es ist, es erfordert ein breiteres und breiteres Publikum.

„Sie können sich vorstellen, dass es über die traditionelle Desktop-Umgebung hinaus Zugang von mobilen Geräten eröffnet“, sagte er. „Es öffnet es für andere Teile des Betriebs, einschließlich Beschaffung, Shopfloor und Engineering-Abteilung. Die Idee dort ist, die Benutzererfahrung zu vereinfachen und zu glätten, damit Nutzer sehr schnell eine Suche durchführen, die Informationen, an denen sie interessiert sind, greifen und zum nächsten Schritt übergehen können.“

Wo macht Blockchain Sinn?

Auch Teil von PLM ist Track and Trace, das System, um jeden Standort eines Artikels und andere Informationen zu lokalisieren.

Oracle bot dieses Jahr Blockchain-Anwendungen für intelligentes Track and Trace, Chargenherkunft und Provenienz (was bei Unique Device Identifier Compliance hilft), intelligente Kühlkette (Dokumentation korrekter Kühlung für Verderbliches) und Garantie- und Nutzungsverfolgung an.

„Wir betrachten IoT und die Fähigkeit, Blockchain als Teil unseres Gesamt-Footprints zu integrieren“, sagte Kelley.

Oracle evaluiert Blockchain für zukünftige Stücklisten und Change-Management-Kollaboration mit ausgelagerten Design- und Fertigungspartnern.

Kelley sagte, traditionell werde der OEM eine Lieferantenkollaboration managen, indem er die BOM (Stücklisten) und Engineering Changes in seinem PLM-System verwaltet und die Informationen dann an die Lieferanten schickt, die sie dann in ihr System ziehen. Aber für sein Unternehmen mache Kollaboration Blockchain-Apps zu einer guten Passform für BOMs und Engineering Change Orders, und Oracle baue Pläne dafür.

„Das ist also ein Bereich, den wir für Blockchain ins Visier nehmen“, sagte Kelley. „Wir haben noch kein Datum oder Zeit dafür, aber es ist definitiv ein Bereich, den wir mit Blockchain nutzen werden, um die Kollaboration zwischen Partnern und der Produkt-Lieferkette und Wertschöpfungskette zu erhöhen.“

Blockchain ist ein „Explorationsbereich“ für Autodesk, sagte Vedantham.

„Wir schauen es auch aus strategischer Partnerschaftsperspektive an, um herauszufinden, wie man es am besten integriert“, fügte er hinzu.

Und bei Siemens gibt es keinen Zeitrahmen für die Implementierung von Blockchain, obwohl es ein „aktiver Interessensbereich“ für das Unternehmen ist, sagte Rusk.

„Es gibt Bedenken hinsichtlich gefälschter Informationen, die irgendwo im digitalen Raum aufgesammelt und dann gesammelt und an den OEM zurückgeliefert worden sein könnten“, sagte er. „Es gibt Potenzial für Blockchain, sich einzuschalten und das in solchen Szenarien zu verhindern.

„Also denke ich, dieser Ansatz, es bestimmte Bedenken um richtige Validierung, Fälschung, Lieferantenvalidierung und andere Arten von Bedenken, die man im Cyberspace begegnen könnte, nachzujagen, ist einer der Hauptvorteile, die man aus Blockchain zieht.“