AWS, Google, Microsoft treiben Fertigungsinnovation mit fortschrittlichen Daten- & Softwarelösungen voran

Ford Motor erhöht die Vielfalt der Sensoren in seinen Montagelinien, um Big Data in Even Bigger Data zu verwandeln, während der Zugriff auf die gesammelten Informationen demokratisiert wird. „Wir reichern die Daten an, die die Ausrüstung generiert, indem wir Sensoren wie Infrarot-Überwachung und Vibrationssensoren hinzufügen, um traditionelle Daten [erfasst] wie Zykluszeit und Druck zu ergänzen, um einen reicheren Datenpool zu schaffen“, sagte Mike Mikula, Director of Manufacturing für Vehicle Programs. „Wir können jetzt intelligentere Analytik um die Beiträge dieser Signale zur Produktqualität, Prozesseffizienz und Anlagenzustand aufbauen.“

Ford dabei helfen „die meisten der größeren IoT-Plattformen“, sagte er. Ford und eine dieser IoT-Plattformfirmen – Google – kündigten dieses Jahr eine Partnerschaft für industrielle Cloud-Datenmanagement-Services und analytische Softwareapplikationen an, unter anderem.

Um die Nutzung der resultierenden Informationen zum Shopfloor zu pushen, baut Ford eine IoT-Datenplattform, die Produktionsarbeitern Zugriff auf Analytik via Low-Code- und No-Code-Apps gibt, die kein oder wenig Wissen über Computersprachen erfordern.

Die neu entwickelten Apps können dann auf andere Nutzer im Unternehmen skaliert werden, die mit ähnlichen Prozessen und Ausrüstung zu tun haben, sagte Mikula.

Gleichzeitig favorisiert Ford auch selektiv menschliche Gehirnkraft über Software zur Datenanalyse und wendet sich mehr und mehr internen Codern zu als Applikationsanbietern.

„Die Lösung wird von der Applikation abhängen“, sagte Mikula. „Manchmal wird es Software sein, und manchmal ein Datenanalyst, der die Datenquellen cruncht. Wir würden gerne zu Lösungen wechseln, die autonomer und durch Machine Learning und KI getrieben sind. Das Ziel ist, weniger abhängig von gekauftem SaaS [Software as a Service] zu sein.“

Letztlich, sagte Mikula, zielen die Bemühungen darauf ab, die Gesamtfertigungskosten zu senken – Einsparungen, die dann an Konsumenten weitergegeben werden können.

Zwei von Googles konkurrierenden Datenriesen, Amazon und Microsoft, bieten jetzt auch Cloud-Hosting und Softwarelösungen für Hersteller an.

„Es gibt viele Spieler, die außerhalb des industriellen IoT waren wie Google, Microsoft und Amazon, die das Potenzial erkennen, ihre Software-Stärken zu nutzen, um einige der traditionellen Industrial Internet of Things Incumbents zu verdrängen“, sagte Mikula.

Die Tech-Giganten bilden ein New Big Three, ähnlich der Big-Three-Referenz von gestern zu Ford, General Motors und Chrysler. Die industrielle Software der Tech-Giganten für Fahrzeughersteller und andere hilft bei Komponenten und Zielen von Industrie 4.0 – Digital Twin, vorausschauende Wartung, Maschinenvisions-Qualitätsprüfungen, autonome Operationen und mehr.

Während diese Tech-Giganten ihre Expertise mit Daten und Software nutzen, um Teil von Industrie 4.0 zu sein, haben sie auch Domänenwissen vom Dinge-Machen.

Eine „irrsinnige“ 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 irrsinnige, extrem tiefe Lieferkette. Wir haben eine Lieferkette, die so komplex ist wie jedes globale Fertigungsunternehmen.“

Das Unternehmen fertigt die Computing-Hardware in seinen Rechenzentren und designt seine eigenen Computerchips. Auf der Consumer-Seite stellt es Handys sowie Chromecast-Dongles her, die smarte Funktionen zu einem Fernseher hinzufügen.

Während Google seit Unternehmensgründung vor über 20 Jahren Hersteller war, begann es, massiv in seine Fertigungsservices für andere zu investieren, als Google Cloud President Thomas Kurian 2018 eingestellt wurde, sagte Wee. Kurian arbeitete zuvor 22 Jahre bei Oracle.

Da Fertigung digitalisiert wird, werden Googles Methodologien, die für den Consumer-Markt entwickelt wurden, für die Industrie relevant, sagte Wee, der zuvor in der Halbleiterindustrie als Industrial Engineer arbeitete.

„Wir glauben, wir sind an einem Punkt, wo diese Technologien – primär der Analytik- und KI-Bereich – die für den typischen Industrial Engineer sehr schwierig zu nutzen waren, so einfach zu nutzen auf dem Shopfloor werden“, sagte er. „Da liegt unserer Meinung nach unsere Wettbewerbsdifferenzierung.“

Wee sagte, was Google für seine Technologie für Fertigung unter Kurian getan hat, ahmt nach, was es zuvor auf der Consumer-Seite tat: es so einfach zu machen, dass man nicht mal merkt, dass man es tut.

Qualitätsinspektion mit Google Clouds Vision Inspection ist ein gutes Beispiel, sagte er.

„Weil Machine Vision sehr fortgeschritten ist, wird es viel [für Qualitätsinspektion] genutzt, und so haben wir es sehr einfach gemacht, Machine Learning in einem Shopfloor-Kontext zu deployen und sehr wenige Bilder dafür zu nutzen. Sie müssen kein Programmierer oder Machine-Learning-Spezialist sein, um es zu tun“, 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 transferieren, müssen Sie niemanden von Google oder Firma XYZ reinholen, um es für Sie zu tun. Die Leute innerhalb der Fabrik können es tun. Das ist der große Unlock – wo Machine Learning von Fantasie zu breiter Nutzung in der Fertigung wird.“

Einfachheit der Nutzung ist ein Wettbewerbsvorteil für das Unternehmen, sagte Wee.

„Wir reden über Pilot Gap“, sagte er. „Viele Unternehmen haben Machine Learning und Augmented Reality und Predictive Maintenance probiert, und sie taten es an einem Punkt in einem Teil ihres globalen Fertigungs-Fußabdrucks und es war viel Arbeit. Sehr spezialisierte Leute waren nötig, aber sie waren nie in der Lage, es auszurollen.“

Zusätzlich zur Einfachheit nutzt Google Cloud Open-Source-Software, was Herstellern Optionen offen hält, sagte Wee.

Google behauptet auch, die Stärke seiner Analytik und KI sei unübertroffen: „Als Unternehmen, das Datenverarbeitung seit 20+ Jahren im Kern hat, würden wir behaupten, dass niemand das besser versteht als wir“, sagte er. „Wenn Sie eine riesige Datenmenge in irgendeinem Kontext einschließlich vom Shopfloor zu bewältigen haben, würden wir argumentieren, dass wir die richtige Firma dafür sind.“

Workforce transformieren

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

„Microsoft Cloud for Manufacturing wird Kunden helfen, ihre Konzerne neu zu imaginieren, agilere Fabriken zu bauen und resilientere Lieferketten zu schaffen sowie ihre Belegschaft zu transformieren“, sagte er.

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

Während sowohl Google als auch Microsoft Hersteller dabei unterstützen, Daten von ihren Maschinen zu sammeln und zu analysieren, sagte Sircar, die workforce-bezogenen Komponenten seiner Unternehmensservices – einschließlich KI und Mixed Reality mit HoloLens 2 – seien die echten Differenzierer nicht nur zu Google und Amazon, sondern auch zu traditionellen industriellen Softwarelösungsanbietern.

Beispielsweise nutzt Mercedes Benz USA Microsofts Remote Assist, das es einer Person am Computer erlaubt, jemandem mit HoloLens remote zu helfen.

In einem Video auf Microsofts Website sagte Edgar Campana, Centralized Diagnostic Technician bei Mercedes Benz of Coral Gables: „Ich kann es [HoloLens] einfach aufsetzen und sofort Support bekommen. Sie können mir buchstäblich Dinge zeigen, während ich draufschaue. Sie können es einkreisen. Sie können Linien ziehen. Es ist hands-on: Es ist buchstäblich direkt da. Ich kann mit denen reden, durchs Fahrzeug in Echtzeit gehen. Es ist sehr intuitiv.“

Während Remote Assist bidirektional ist und Nutzern erlaubt, hin und her zu reden, ist Mixed Reality Guides Solutions einseitig und erlaubt Trainees, mit Hologrammen allein oder in Kombination mit physischen Objekten zu interagieren.

„Airbus ist ein großartiges Beispiel“, sagte Sircar, und merkte an, dass das Unternehmen „die Guides in ihrer Fertigungslinie nutzt, um Arbeiter sehr schnell ein Overlay auf Kabel und wie sie gefügt werden müssen, sehen zu lassen.“

Die 3D-Umgebung kann Features bieten, die reales Training nicht kann, wie die Fähigkeit, Elemente in drei Dimensionen von jedem Winkel zu betrachten.

Airbus-Designer können ihre Designs virtuell testen, um zu sehen, ob sie bereit für die Montagelinie sind.

Microsoft fertigt HoloLens 2 und Surface Hub, ein interaktives Whiteboard für Business. Es verkauft physische Produkte, einschließlich Xbox-Videospielkonsolen und Surface-Touchscreen-PCs.

Trotzdem: „Fertigung, wie wir sprechen, wurde viel ausgelagert, aber … wir managen definitiv die gesamte Produktionslinie, vom Design und Beschaffen der Komponenten bis zum Assembly-Line-Testing“, sagte Sircar.

Auf der Cloud-Daten-Seite managt das Unternehmen die Fertigung der Infrastruktur End-to-End.

Microsofts erste Applikation für Industrie war 2002 mit Enterprise Resource Planning Software namens Dynamics AX, sagte er. Azure IoT wurde 2016 verfügbar.

Auch 2016 wurde Microsoft eingeladen, an Plattform Industrie 4.0, der deutschen Regierungsinitiative, teilzunehmen, sagte Sircar.

Microsoft co-founded die Open Manufacturing Platform (OMP) Consortium mit BMW. Die OMP fördert ein gemeinsames Open-Data-Modell, eine geteilte Datensprache für Business- und Analytik-Applikationen.

Derselbe Tech wie Amazon

Amazon.com ist bekannter für Verkaufen als Fertigen. Aber es stellt Kindle, Echo-Geräte und andere Consumer-Produkte her. Es fertigt auch einen großen Prozentsatz der Hardware, die seine Infrastruktur und seine eigenen Computerchips betreibt.

AWS (Amazon Web Services) rollte 2020 eine industrielle Linie aus, einschließlich Produkten und Services für IoT, KI, Machine Learning, Analytik und Edge-Lösungen.

„Die Linie bietet ‚neue und existierende Services und Lösungen von AWS und dem AWS Partner Network, speziell gebaut für [Software] Entwickler, Ingenieure und Operatoren an industriellen Standorten‘“, sagte Douglas Bellin, Global Head of Business Development für Smart Factory und Industrie 4.0. „Kollektiv bringen diese einen modularen Ansatz, um Datensammlung, -speicherung, -analyse und Insights zu erlauben.“

Der Prozess für jene would-be-Verbesserungen beginnt früh mit Sammeln und Prüfen von Daten, und AWS hat mehrere Wege gefunden, all jene „0“s und „1“s zu zähmen.

„Wenn Sie auf Software- und Daten-Level starten, gibt es mehr als 350 verschiedene Protokolle, die in der Industrie genutzt werden“, sagte Bellin, der AWS 2017 nach über 10 Jahren bei Cisco beitrat.

AWS Lookout for Equipment nutzt historische Ausrüstungsdaten von existierenden Sensoren, zusammen mit Informationen von historischen Wartungsereignissen, und baut ein benutzerdefiniertes Machine-Learning-Modell, das die normalen Verhaltensmuster jener Maschine trackt. Wenn operative Daten von dem bekannten Normalen abweichen, flaggt Lookout for Equipment die Abweichung an geeignete Nutzer via Alerts und Dashboards.

Ein weiteres Produkt, AWS IoT SiteWise, etabliert eine einzige Datenquelle, indem es die Extraktion von Daten aus Datenbanken vereinfacht, die in industriellen Anlagen üblich sind, die Daten entweder lokal oder in die Cloud überträgt und sie strukturiert, um sie für Nutzer und Applikationen leicht zugänglich zu machen. Das Applikations-Framework erlaubt Berechnung gängiger industrieller Performance-Metriken wie Overall Equipment Effectiveness. Es überwacht auch Operationen über mehrere industrielle Anlagen, analysiert industrielle Ausrüstungsdaten, verhindert kostspielige Ausrüstungsprobleme und reduziert Lücken in der Produktion.

Zusätzlich zur Datennormierung, eine weitere häufige Hürde beim Erstellen einer Smart Factory, ist das Einbinden von Legacy-Ausrüstung. Jede Werkzeugmaschine mit SPS wird einige Daten hergeben, aber minimal im Vergleich zu moderner Maschinerie. Als Antwort hat AWS Partner, die die notwendige Hardware hinzufügen können, um einige Maschinenparameter zu tracken. Es schuf auch seinen eigenen kostengünstigen Vibrations- und Temperatursensor für rotierende Ausrüstung, genannt Amazon Monitron.

Amazon Monitron ist auch ein Machine-Learning-basierter Equipment-Condition-Monitoring-Service, der vorausschauende Wartung ermöglicht, indem er Sensorsignale von industrieller Ausrüstung wie Motoren, Pumpen und Getrieben analysiert.

Es ist ein vollständig verwaltetes End-to-End-System, das Sensoren zur Erfassung von Vibrations- und Temperaturdaten, Gateways zum automatischen Transfer der Daten in die AWS Cloud und eine Mobile App für Setup, Analytik und Notifikationen abnormalen Maschinenverhaltens umfasst.

„Amazon Monitron basiert auf derselben Technologie, die bei Amazon genutzt wird, und nutzt über 20 Jahre Anomalie-Detection-Erfahrung, um die Modellgenauigkeit weiter zu verbessern“, sagte Bellin.

Mit Amazon Monitron können Reliability Manager in wenigen Stunden anfangen, Ausrüstungszustände zu tracken – ohne Entwicklungsarbeit oder spezialisiertes Training, sagte AWS.

Hersteller können Amazon Monitron nutzen, um vorausschauende Wartung zu ermöglichen, Ausrüstung remote zu überwachen und den Zustand unzugänglicher Ausrüstung zu tracken, fügte Bellin hinzu.