AWS, Google и Microsoft применяют опыт работы с данными и ПО в производстве

Ford Motor увеличивает количество датчиков на своих сборочных линиях, чтобы превратить большие данные в еще большие данные, а также упростить доступ к собранной информации. «Мы обогащаем данные, генерируемые оборудованием, добавляя такие датчики, как датчики инфракрасного контроля и датчики вибрации, в дополнение к [собранным] традиционным данным, таким как время цикла и давление, чтобы создать более богатый набор данных», — сказал Майк Микула, директор по производству для программы автомобиля. «Теперь мы можем построить более эффективную аналитику на основе влияния этих сигналов на качество продукта, эффективность процесса и исправность оборудования».

По его словам, Ford в его усилиях помогает «большинство крупных платформ IoT». В этом году Ford и Google, одна из компаний, занимающихся платформой Интернета вещей, объявили о партнерстве в сфере промышленных облачных служб управления данными и аналитических программных приложений, среди прочих услуг.

Чтобы использовать полученную информацию в цехах, Ford создает платформу данных Интернета вещей, которая предоставляет производственным работникам доступ к аналитике с помощью приложений с минимальным кодом и без кода, которые не требуют или требуют минимального знания языков программирования.

По словам Микулы, недавно разработанные приложения можно масштабировать для других пользователей на предприятии, которые имеют дело с аналогичными процессами и оборудованием.

Между тем, Ford также выборочно отдает предпочтение человеческому мозгу, а не программному обеспечению для анализа данных, и все больше и больше обращается к штатным программистам, а не к поставщикам приложений.

«Решение будет зависеть от приложения», — сказал Микула. «Иногда это будет программное обеспечение, а иногда аналитик данных, который обрабатывает источники данных. Мы хотели бы перейти к более автономным решениям, основанным на машинном обучении и искусственном интеллекте. Цель состоит в том, чтобы меньше полагаться на купленное SaaS [программное обеспечение как услугу]».

В конечном счете, по словам Микулы, усилия направлены на снижение общей стоимости производства — экономию, которую затем можно передать потребителям.

Два конкурирующих с Google гиганта данных, Amazon и Microsoft, теперь также предлагают производителям облачный хостинг и программные решения.

«Многие игроки, такие как Google, Microsoft и Amazon, ранее не занимавшиеся промышленным Интернетом вещей, осознают, что у них есть потенциал для использования сильных сторон своего программного обеспечения, чтобы вытеснить некоторых традиционных игроков промышленного Интернета вещей», — сказал Микула. /Р>

Технологические гиганты составляют Новую большую тройку, похожую на ссылку Большой тройки прошлых лет на Ford, General Motors и Chrysler. Промышленное программное обеспечение технологических гигантов для производителей транспортных средств и других организаций помогает с компонентами и задачами Индустрии 4.0 — цифровым двойником, диагностическим обслуживанием, проверками качества машинного зрения, автономными операциями и многим другим.

Хотя эти технологические гиганты используют свой опыт работы с данными и программным обеспечением, чтобы стать частью Индустрии 4.0, у них также есть знания в области создания вещей.

«Безумная» цепочка поставок

«Вероятно, мы являемся одной из крупнейших производственных компаний в мире, — сказал Доминик Ви, глобальный управляющий директор по производству и промышленности Google Cloud. «У Google безумная, чрезвычайно глубокая цепочка поставок. Наша цепочка поставок такая же сложная, как и любая международная производственная компания».

Компания производит вычислительное оборудование в своих центрах обработки данных и разрабатывает собственные компьютерные чипы. Что касается потребителей, она производит телефоны, а также ключи Chromecast, которые добавляют интеллектуальные функции к телевизору.

По словам Ви, хотя Google является производителем с момента основания компании более 20 лет назад, она начала активно инвестировать в свои производственные услуги для других, когда в 2018 году был нанят президент Google Cloud Томас Куриан. Куриан ранее проработал в Oracle 22 года.

По мере того, как производство становится цифровым, методологии Google, разработанные для потребительского рынка, становятся актуальными для промышленности, – говорит Ви, ранее работавший инженером-технологом в полупроводниковой промышленности.

«Мы считаем, что находимся в моменте, когда эти технологии, в первую очередь в области аналитики и искусственного интеллекта, которые было очень сложно использовать для типичного промышленного инженера, становятся такими простыми в использовании в цеху», — сказал он. «Именно в этом, по нашему мнению, заключается наше конкурентное преимущество».

Ви сказал, что то, что Google сделала для своей технологии производства под руководством Куриана, имитирует то, что она делала раньше на стороне потребителя:сделать ее настолько простой в использовании, что вы даже не заметите, что делаете это.

По его словам, хорошим примером является проверка качества с помощью Google Cloud Vision Inspection.

«Поскольку машинное зрение очень развито, оно часто используется [для контроля качества], поэтому мы упростили развертывание машинного обучения в контексте цеха и использовали для этого очень мало изображений. Для этого не нужно быть программистом или специалистом по машинному обучению», — сказал Ви. «Это буквально наведи и щелкни».

Он указал на легкость, с которой компании могут протестировать Vision Inspection, а затем масштабировать ее:«Чтобы передать методологию, вам не нужно привлекать кого-либо из Google или привлекать компанию XYZ, чтобы сделать это за вас. Люди на заводе могут это сделать. Это большой шаг вперед, когда машинное обучение переходит от фантастики к широкому использованию в производстве».

По словам Ви, простота использования является конкурентным преимуществом компании.

«Мы говорим о пилотном разрыве», — сказал он. «Многие компании пробовали машинное обучение, дополненную реальность и профилактическое обслуживание, и они сделали это в какой-то момент в одной части своего глобального производственного присутствия, и это было много работы. Требовались очень специализированные люди, но они так и не смогли масштабировать его».

По словам Ви, Google Cloud не только прост в использовании, но и использует программное обеспечение с открытым исходным кодом, что дает производителям возможность выбора.

Google также утверждает, что сила его аналитики и искусственного интеллекта не имеет себе равных:«Будучи компанией, в основе которой лежит обработка данных на протяжении более чем 20 лет, мы бы заявили, что никто не понимает это лучше, чем мы», — сказал он. «Если у вас есть огромное количество данных, которые нужно обрабатывать в любом контексте, в том числе из производственного цеха, мы утверждаем, что мы — подходящая компания для этого».

Преобразование рабочей силы

Индранил Сиркар, технический директор Microsoft по производственной отрасли, вероятно, со всем уважением не согласится с Ви.

«Microsoft Cloud for Manufacturing поможет клиентам переосмыслить свои корпорации, построить более гибкие фабрики и создать более устойчивые цепочки поставок, а также преобразовать свой персонал», — сказал он.

Сиркар работает в Microsoft уже почти десять лет. До этого он проработал в Hewlett-Packard более 20 лет.

Хотя и Google, и Microsoft помогают производителям собирать и анализировать данные с их машин, Сиркар сказал, что компоненты услуг его компании, связанные с рабочей силой, включая искусственный интеллект и смешанную реальность с использованием HoloLens 2, являются настоящим отличием не только от Google и Amazon, но и от традиционных поставщики промышленных программных решений.

Например, Mercedes Benz USA использует Remote Assist от Microsoft, который позволяет человеку за компьютером удаленно помогать кому-то, кто носит HoloLens.

В видео на веб-сайте Microsoft Эдгар Кампана, специалист по централизованной диагностике Mercedes Benz в Корал-Гейблс, сказал:«Я могу просто надеть HoloLens и получить немедленную поддержку. Они могут буквально указывать мне на вещи, пока я смотрю на них. Они могут обвести его. Они могут рисовать линии. Это практически:это буквально прямо здесь. Я могу разговаривать с ними, перемещаясь по машине в режиме реального времени. Это очень интуитивно понятно».

В то время как Remote Assist является двунаправленным и позволяет пользователям говорить друг с другом, решения Mixed Reality Guides предназначены только для одного направления и позволяют обучаемым взаимодействовать с голограммами отдельно или в сочетании с физическими объектами.

«Airbus — отличный пример», — сказал Сиркар, отметив, что компания использует «направляющие на своей производственной линии, позволяя работникам очень быстро увидеть наложение поверх кабеля и то, как его нужно установить».

Трехмерная среда может предложить функции, недоступные для обучения в реальной жизни, например возможность просмотра трехмерных элементов под любым углом.

Конструкторы Airbus могут виртуально протестировать свои конструкции, чтобы увидеть, готовы ли они к сборке.

Microsoft производит HoloLens 2 и Surface Hub, интерактивную доску для бизнеса. Он продает физические продукты, в том числе игровые приставки Xbox и персональные компьютеры с сенсорным экраном Surface.

Тем не менее, «производство, как мы говорим, во многом передано на аутсорсинг, но… мы определенно управляем всей производственной линией, начиная с проектирования и закупки комплектующих и тестирования сборочной линии», — сказал Сиркар.

Что касается облачных данных, компания полностью управляет производством всей инфраструктуры.

По его словам, первое промышленное приложение Microsoft было выпущено в 2002 году с программным обеспечением для планирования ресурсов предприятия под названием Dynamics AX. Интернет вещей Azure стал доступен в 2016 году.

Также в 2016 году Microsoft была приглашена для участия в платформе Industrie 4.0 по инициативе правительства Германии, сказал Сиркар.

Microsoft вместе с BMW стала соучредителем консорциума Open Manufacturing Platform (OMP). OMP продвигает общую модель открытых данных, которая представляет собой общий язык данных для использования бизнес-приложениями и аналитическими приложениями.

Использование тех же технологий, что и у Amazon

Amazon.com известен больше продажами, чем производством. Но она производит устройства Kindle, Echo и другие потребительские товары. Он также производит большую часть аппаратного обеспечения, на котором работает его инфраструктура, и собственных компьютерных чипов.

В 2020 году AWS (Amazon Web Services) запустила промышленную линейку, включающую продукты и услуги для Интернета вещей, искусственного интеллекта, машинного обучения, аналитики и периферийных решений.

В линейке представлены «новые и существующие сервисы и решения от AWS и партнерской сети AWS, созданные специально для разработчиков [программного обеспечения], инженеров и операторов на промышленных площадках», — сказал Дуглас Беллин, глобальный руководитель отдела развития бизнеса умных фабрик и Индустрии 4.0. «В совокупности они обеспечивают модульный подход, позволяющий собирать, хранить, анализировать и получать данные».

Процесс внесения этих потенциальных улучшений начинается на раннем этапе со сбора и проверки данных, и AWS придумала несколько способов укротить все эти «0» и «1».

«Если начать с уровня программного обеспечения и данных, в отрасли используется более 350 различных протоколов, — сказал Беллин, присоединившийся к AWS в 2017 году после более чем 10-летнего опыта работы в Cisco.

AWS Lookout for Equipment использует исторические данные об оборудовании от существующих датчиков, а также информацию о прошлых событиях технического обслуживания и создает настраиваемую модель машинного обучения, которая отслеживает нормальные модели поведения этой машины. Когда рабочие данные отклоняются от известных норм, Lookout for Equipment сообщает об отклонении соответствующим пользователям с помощью предупреждений и информационных панелей.

Другой продукт, AWS IoT SiteWise, создает единый источник данных, упрощая извлечение данных из баз данных, обычно используемых на промышленных объектах, передавая данные либо локально, либо в облако, а также структурируя их, чтобы сделать их легко доступными для пользователей и приложений. Платформа приложения позволяет вычислять общие показатели промышленной производительности, такие как общая эффективность оборудования. Он также отслеживает операции на нескольких промышленных объектах, анализирует данные о промышленном оборудовании, предотвращает дорогостоящие проблемы с оборудованием и сокращает перебои в производстве.

Помимо стандартизации данных, еще одним распространенным препятствием при создании умного завода является включение устаревшего оборудования. Любой станок, оснащенный ПЛК, будет иметь некоторые данные, которые нужно передать, но они будут минимальными по сравнению с современным оборудованием. В ответ у AWS есть партнеры, которые могут добавить необходимое оборудование для отслеживания некоторых параметров машины. Компания также создала собственный недорогой датчик вибрации и температуры для вращающегося оборудования под названием Amazon Monitron.

Amazon Monitron также – это служба мониторинга состояния оборудования на основе машинного обучения, которая позволяет проводить техническое обслуживание по прогнозам, анализируя сигналы датчиков промышленного оборудования, например двигателей, насосов и редукторов.

Это полностью управляемая комплексная система, включающая датчики для сбора данных о вибрации и температуре, шлюзы для автоматической передачи данных в облако AWS и мобильное приложение для настройки, аналитики и уведомлений о ненормальном поведении машины.

«Amazon Monitron основан на той же технологии, что и Amazon, и использует более чем 20-летний опыт обнаружения аномалий для дальнейшего повышения точности моделей», — сказал Беллин.

С помощью Amazon Monitron менеджеры по надежности могут начать отслеживать состояние оборудования всего за несколько часов — без каких-либо разработок или специального обучения, говорится в сообщении AWS.

Беллин добавил, что производители могут использовать Amazon Monitron для профилактического обслуживания, удаленного мониторинга оборудования и отслеживания состояния недоступного оборудования.