Революция в инженерии с интеллектуальной автоматизацией: Облако, ML и блокчейн в PLM

Среди бурного роста в их отрасли разработчики программного обеспечения управления жизненным циклом продукта (PLM) используют облако и машинное обучение для управления данными и улучшения пользовательского опыта. Лидеры отрасли также смотрят на блокчейн, либо для расширения использования распределенного реестра в их ПО, либо для интеграции там, где это имеет больше смысла в их PLM приложениях.

Рынок PLM в прошлом году вырос на 9,4%, с 18 провайдерами, генерирующими связанную выручку в $500 млн, сказал Стэн Прибылински, вице-президент исследований в CIMdata Inc. Глядя в сторону 2023, CIMdata видит рынок PLM растущим до почти $72,4 млрд при совокупном годовом темпе роста 8,6%.

«Поглощение Siemens PLM Software Mentor Graphics сделало их единственным провайдером с предложениями, охватывающими механику, электрику/электронику и ПО», сказал он. «Благодаря этому поглощению оценка CIMdata ставит Siemens в общую позицию №1, опережая Dassault Systèmes менее чем на $100 млн».

С улучшениями и рассмотрением блокчейна для PLM, приложение переопределяется частично для отражения фундаментальных прогрессов в производстве.

«Я думаю, большая проблема в том, что PLM больше не автономное приложение», сказал Джон Келли, вице-президент по стратегии ценности цепочки продукта в Oracle. «Это часть интегрированной цепочки поставок и производства, и это ключевой кусок перехода к Индустрии 4.0 и умным, подключенным устройствам».

PLM также взяло на себя управление цифровыми двойниками, большими данными и аналитикой для построения полезных приложений, таких как для превентивного обслуживания, мониторинга активов и производственного мониторинга, сказал он.
CTO Siemens PLM Software Джим Раск может согласиться с Келли. Раск сказал, что комплексное ПО PLM предлагает конкурентное преимущество.

«Мы видели довольно значительную прогрессию в том, как продукты разрабатываются», сказал он. «Исторически механика разрабатывалась инженерной группой, а затем, может быть, у вас была электроника, разрабатываемая другой группой, и, может быть, было какое-то ПО. Те барьеры доменов в компаниях, производящих сложные продукты, больше не могут стоять. Для них сложнее конкурировать, когда они сериализуют эти процессы».

Добавление бензина в машинное обучение

Викрам Ведантам, старший менеджер бизнес-стратегии в Autodesk, сказал, что технология генеративного дизайна его фирмы, изначально представленная в прошлом году и теперь интегрированная в её платформу дизайн-к-производству, Fusion 360, стала лидером в парадигматическом сдвиге к приведению технологий интеллектуальной автоматизации на широкий инженерный рынок.

Генеративный дизайн учитывает определение проблемы и любые ограничения, наложенные пользователем — включая размеры, материалы, условия нагрузки — для генерации множественных жизнеспособных дизайнерских решений или ответов на инженерную проблему.

«Мы стремимся устранить бутылочные горлышки, которые сейчас существуют в том, как данные текут от одного человека и процесса к другому, беря на себя бремя перевода этих данных через бесшовный сквозной оцифрованный опыт от дизайна через производство», сказал он. «Потому что тогда мы можем начать смотреть на варианты, где мы можем селективно подавать ответы, которые клиент предпочитает, вместо возложения на них сотен исходов».

Autodesk улучшила пользовательский опыт Fusion 360, включив данные, сгенерированные от ранней идеации до подготовки к производству, чтобы они бесшовно перемещались внутри рабочего процесса, пока пользователи переключаются между страницами «workspace».

«Мы абсолютно хотим убедиться, что мы берем на себя бремя манипуляции данными внутри рабочего процесса», сказал Ведантам. «Наши клиентские исследования и вовлечение клиентов определенно показывают, что это الناشшая и императивная потребность на рынке».

Пока Autodesk работает над интеграцией машинного обучения в свой генеративный дизайн процесс, Oracle использует искусственный интеллект для предиктивной аналитики и управления качеством в своем приложении Oracle PLM Cloud.

«IoT-подключенное устройство может обнаружить вибрацию, которая вне параметров дизайна. Вот где вступают в дело предиктивная аналитика и машинное обучение», сказал Келли. «Сначала мне нужно предсказать, когда этот актив выйдет из строя или когда качество продукта, произведенного на этом станке, выйдет за параметры. Второе, мне нужна аналитика для оценки рабочего заказа, запланированного для куска оборудования или продуктовой линии, и выбрать лучшее время для выпуска рабочего заказа превентивного обслуживания, чтобы минимизировать влияние на пропускную способность моего завода. Но я также собираюсь вкормить это обратно в мое приложение качества, чтобы определить, нужны ли изменения продукта для предотвращения или снижения шансов повторения этой проблемы».

По мере того как компании движутся от продаж продуктов к продуктам как услуге, гарантия аптайма для контроля потока выручки становится критической. Предиктивное обслуживание и предиктивное управление активами критичны для этих новых бизнес-моделей и теперь являются частью ПО PLM.

Цифровое подключенное PLM больше не используется только инженерией. Оно также используется цепочкой поставок, производством, продажами, поддержкой и другими партнерами по всей цепочке ценности продукта, и, как таковые, ролевые пользовательские интерфейсы и дашборды нужны, чтобы гарантировать, что каждый пользователь получает полезную ролевую информацию, необходимую для выполнения его работы.

«Так что мы должны были сфокусироваться на представлении значимой информации на основе ролей», сказал Келли. «И это ключ, потому что вам нужно хранить огромное количество информации о продукте в PLM, чтобы создать ту цифровую нить или корпоративную запись продукта, которую вы хотите».

Oracle делает это прямо в UI и в аналитике, встроенной в приложение.

«Как вы делаете свою работу, вы можете видеть аналитику и дашборды, которые очень конфигурируемы для вашего использования и вашей роли», сказал он. «Так что конечный пользователь увидит транзакции нижнего уровня, в то время как менеджер увидит дашборд о здоровье продукта».

В Siemens машинное обучение используется в интегрированном ПО NX для дизайна, симуляции и производства.

«Мы собираем данные, пока пользователь работает с продуктом на машине пользователя», сказал Раск. «Но затем мы кладем некоторое машинное обучение на работу и говорим, что, учитывая последние несколько часов или дольше, вот паттерн, который мы распознаем. Основываясь на том, что этот пользователь или более большая группа пользователей сделала в прошлом, мы можем предсказать, что им нужно сделать следующим, чтобы завершить их задачу».

Всё еще есть потребность в человеческом инженерном суждении и принятии решений, добавил он. Но искусственный интеллект и машинное обучение могут дойти до этих решений и подать информацию, которую пользователю нужно, гораздо быстрее.

Раск сказал, что упрощение пользовательского опыта — «фронт и центр» для его серверного ПО PLM Teamcenter и браузерной входной платформы Teamcenter, Active Workspace. Вместе они — основной доступ к информации продукта, который может быть представлен текстово или графически. Это потому что сложность его группы пользователей увеличилась.

«Наши пользователи производят некоторые из самых сложных продуктов в мире, будь то автомобили или самолеты или потребительская электроника», сказал он. «Что бы это ни было, это требует более широкой и более широкой аудитории.

«Вы можете представить, что выходя за пределы традиционной среды рабочего стола, это открывает вас для доступа с мобильных устройств», сказал он. «Это открывает для других частей операции, включая снабжение, цех и инженерный отдел. Идея там — упростить и выпрямить пользовательский опыт, так что пользователи могут очень быстро выполнить поиск, захватить информацию, которая их интересует, и перейти к следующему шагу».

Где блокчейн имеет смысл?

Также частью PLM является отслеживание и трассировка, система для определения каждого местоположения предмета и другой информации.

Oracle в этом году начала предлагать блокчейн-приложения для интеллектуального отслеживания и трассировки, линейства партии и происхождения (что помогает с соответствием уникальному идентификатору устройства), интеллектуальной холодовой цепи (документации правильного рефрижерирования для скоропортящихся) и отслеживания гарантии и использования.

«Мы считаем IoT и способность включить блокчейн частью нашего общего отпечатка», сказал Келли.

Oracle оценивает блокчейн для будущих спецификаций материалов и сотрудничества по управлению изменениями с аутсорсинговыми дизайном и производством партнерами.

Келли сказал, что традиционно OEM будет управлять сотрудничеством поставщика, управляя BOM (спецификациями материалов) и инженерными изменениями в их PLM системе, а затем отправлять информацию поставщикам, которые бы затем втягивали её в свою систему. Но для его компании сотрудничество делает блокчейн-приложения хорошей подгонкой для BOM и инженерных заказов на изменения, и Oracle строит планы для них.

«Так что это область, которую мы будем таргетировать для блокчейна», сказал Келли. «У нас нет даты или времени на это еще, но это определенно область, которую мы будем использовать с блокчейном для увеличения сотрудничества между партнерами и цепочкой поставок продукта и цепочкой ценности».

Блокчейн — «область исследования» для Autodesk, сказал Ведантам.

«Мы также смотрим на это с аспекта стратегического партнерства, чтобы выяснить, как лучше интегрировать это», добавил он.

И в Siemens нет временной рамки для внедрения блокчейна, хотя это «активная область интереса» для компании, сказал Раск.

«Есть забота вокруг поддельной информации, которая могла быть подобрана где-то в цифровом пространстве, затем собрана и доставлена обратно OEM», сказал он. «Есть потенциал для блокчейна вставить себя и предотвратить это в таких сценариях.

«Так что я думаю, этот подход, позволяющий ему гнаться за конкретными заботами вокруг правильной валидации, подделки, валидации поставщика и других типов забот, в которые вы можете наткнуться в киберпространстве, — один из ключевых выгод, которые вы получаете от блокчейна».