AWS, Google, Microsoft движут инновации в производстве передовыми данными и софтовыми решениями

Ford Motor увеличивает разнообразие датчиков на своих сборочных линиях, чтобы превратить Big Data в Even Bigger Data, демократизируя доступ к собираемой информации. «Мы обогащаем данные, генерируемые оборудованием, добавляя датчики вроде инфракрасного мониторинга и датчиков вибрации к традиционным данным [собираемым], вроде времени цикла и давления, для создания более богатого пула данных», — сказал Майк Микула, директор производства для программ транспортных средств. «Теперь мы можем строить более умную аналитику вокруг вклада этих сигналов в качество продукта, эффективность процесса и здоровье оборудования».

Помогая Ford в этом усилии — «большинство крупных IoT-платформ», сказал он. Ford и одна из этих IoT-платформ — Google — анонсировали партнерство в этом году за промышленные облачные сервисы управления данными и аналитические софтверные приложения, среди прочего.

Для продвижения использования получившейся информации на цехе, Ford строит IoT-дату-платформу, дающую производственным рабочим доступ к аналитике через low-code и no-code приложения, требующие нулевых или малых знаний компьютерных языков.

Новые придуманные приложения затем могут быть масштабированы к другим пользователям в предприятии, имеющим дело с похожими процессами и оборудованием, сказал Микула.

Между тем, Ford также избирательно предпочитает человеческий мозг софту для анализа данных и всё больше поворачивается к инхаус-кодерам вместо вендоров приложений.

«Решение будет зависеть от приложения», — сказал Микула. «Иногда это будет софт, иногда — аналитик данных, который крошит источники данных. Мы хотели бы двигаться к решениям, более автономным и движимым машинным обучением и ИИ. Цель — быть менее зависимыми от приобретенного SaaS [software as a service]».

В конечном счете, Микула сказал, усилие предназначены снизить общую стоимость производства — экономию, которая затем может быть передана потребителям.

Два из конкурентов-гигантов данных Google, Amazon и Microsoft, теперь также предлагают облачный хостинг и софтверные решения производителям.

«Есть много игроков, кто был вне промышленного IoT как Google, Microsoft и Amazon, которые признают потенциал для них использовать свои софтверные силы для вытеснения некоторых традиционных инкумбентов Industrial Internet of Things», — сказал Микула.

Технологические гиганты составляют Новый Big Three, похожий на отсылку Big Three вчерашнего дня к Ford, General Motors и Chrysler. Промышленное ПО техгигантов для автопроизводителей и других помогает с компонентами и целями Индустрии 4.0 — цифровой двойник, предиктивное обслуживание, машинное зрение проверки качества, автономные операции и больше.

Пока эти техгиганты используют свою экспертизу с данными и софтом для участия в Индустрии 4.0, у них также есть предметная экспертиза от изготовления вещей.

«Безумная» цепочка поставок

«Мы, вероятно, одна из крупнейших производственных компаний в мире», — сказал Доминик Ви, глобальный управляющий директор по производству и индустрии в Google Cloud. «У Google безумная, экстремально глубокая цепочка поставок. У нас цепочка поставок, такая же сложная, как у любой глобальной производственной компании».

Компания делает вычислительное железо в своих дата-центрах и проектирует свои собственные компьютерные чипы. На потребительской стороне делает телефоны, а также Chromecast-донглы, добавляющие умные функции телевизору.

Пока Google была производителем с момента основания компании более 20 лет назад, она начала сильно инвестировать в свои производственные сервисы для других, когда президент Google Cloud Томас Куриан был нанят в 2018 году, сказал Ви. Куриан ранее работал в Oracle 22 года.

По мере оцифровки производства, методологии Google, разработанные для потребительского рынка, становятся релевантными для индустрии, сказал Ви, ранее работавший в полупроводниковой индустрии как промышленный инженер.

«Мы верим, что мы в точке времени, где эти технологии — в первую очередь аналитика и ИИ — которые были очень сложны для типичного промышленного инженера, становятся такими легкими для использования на цехе», — сказал он. «Вот где мы верим, что наша конкурентная дифференциация лежит».

Ви сказал, что Google сделала для своих технологий для производства под Курианом имитирует то, что она сделала ранее на потребительской стороне: сделала так легко использовать, что вы даже не замечаете, что делаете это.

Контроль качества с использованием Vision Inspection Google Cloud — хороший пример, сказал он.

«Потому что машинное зрение очень продвинуто, оно используется много [для контроля качества] и мы сделали его очень легким для развертывания машинного обучения в контексте цеха и использования очень немногих изображений для этого. Вам не нужно быть программистом или специалистом по машинному обучению, чтобы это сделать», — сказал Ви. «Это буквально point and click».

Он указал на легкость, с которой компании могут пилотировать Vision Inspection и затем масштабировать: «Чтобы перенести методологию, вам не нужно привозить кого-то из Google или привозить Компанию XYZ для этого за вас. Люди внутри завода могут сделать это. Это большой разблокировщик — где машинное обучение движется от фантазии к широкому использованию в производстве».

Легкость использования — конкурентное преимущество для компании, сказал Ви.

«Мы говорим о pilot gap», — сказал он. «Много компаний пробовали машинное обучение и дополненную реальность и предиктивное обслуживание, и они делали это в одной точке в одной части их глобального производственного следа и это было много работы. Очень специализированные люди были нужны, но они никогда не смогли масштабировать это».

Помимо легкости использования, Google Cloud использует открытый исходный код, что держит опции производителей открытыми, сказал Ви.

Google также утверждает, что сила её аналитики и ИИ беспрецедентна: «Будучи компанией, у которой обработка данных в ядре её 20-плюс-летнего существования, мы бы утверждали, что никто не понимает это лучше нас», — сказал он. «Если у вас огромное количество данных для решения в любом контексте, включая с цеха, мы бы аргументировали, что мы правильная компания для этого».

Трансформация рабочей силы

Индранил Саркар, CTO Microsoft для производственной индустрии, вероятно, уважительно не согласится с Ви.

«Microsoft Cloud for Manufacturing поможет клиентам переосмыслить их корпорации, строя более гибкие заводы и создавая более устойчивые цепочки поставок, а также трансформируя их рабочую силу», — сказал он.

Саркар в Microsoft почти десять лет. До этого работал в Hewlett-Packard более 20 лет.

Пока и Google, и Microsoft помогают производителям собирать и анализировать данные с их станков, Саркар сказал, что рабочие-силы-ориентированные компоненты услуг его компании — включая ИИ и смешанную реальность с HoloLens 2 — являются реальными дифференциаторами не только от Google и Amazon, но и от традиционных провайдеров промышленного ПО.

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

В видео на сайте Microsoft, Эдгар Кампана, централизованный диагностический техник Mercedes Benz Coral Gables, сказал: «Я могу просто надеть это [HoloLens] и получить немедленную поддержку. Они могут буквально показывать мне вещи, пока я смотрю. Они могут обводить. Они могут рисовать линии. Это hands-on: это буквально прямо там. Я могу разговаривать с ними, проходя через автомобиль в реальном времени. Это очень интуитивно».

Пока Remote Assist би-дирекционален и позволяет пользователям говорить туда-сюда, Mixed Reality Guides Solutions — однонаправленный и позволяет стажерам взаимодействовать с голограммами в одиночестве или в комбинации с физическими объектами.

«Airbus — отличный пример», — сказал Саркар, отметив, что компания использует «Guides в своей производственной линии, приводя рабочих к очень быстрому увиделению наложения на кабели и как они должны быть смонтированы».

3D-среда может предлагать фичи, которые реальная жизнь обучения не может, такие как способность видеть элементы в трех измерениях под любым углом.

Дизайнеры Airbus могут виртуально тестировать свои дизайны, чтобы увидеть, готовы ли они для сборочной линии.

Microsoft производит HoloLens 2 и Surface Hub, интерактивную белую доску для бизнеса. Продает физические продукты, включая Xbox видеоигровые консоли и Surface тачскрин персональные компьютеры.

Тем не менее, «производство, как мы говорим, было аутсорсено много, но ... мы определенно управляем всей производственной линией, полностью от дизайна и закупки компонентов и тестирования сборочной линии», — сказал Саркар.

На стороне облачных данных компания управляет производством инфраструктуры end-to-end.

Первое приложение Microsoft для индустрии было в 2002 году, с ERP софтом Dynamics AX, сказал он. Azure IoT стало доступным в 2016.

Также в 2016 Microsoft была приглашена участвовать в Plattform Industrie 4.0, инициативе немецкого правительства, сказал Саркар.

Microsoft ко-фундировала консорциум Open Manufacturing Platform (OMP) с BMW. OMP продвигает общую открытую модель данных, которая является общим языком данных для бизнес- и аналитических приложений.

Использование той же технологии, что и Amazon

Amazon.com известна больше продажами, чем производством. Но делает Kindle, Echo устройства и другие потребительские продукты. Также делает большой процент железа, работающего на её инфраструктуре и своих чипов.

AWS (Amazon Web Services) запустила промышленную линию в 2020, включая продукты и сервисы для IoT, ИИ, машинного обучения, аналитики и edge-решений.

Линия включает «новые и существующие сервисы и решения от AWS и сети партнеров AWS, построенные специально для [софтверных] разработчиков, инженеров и операторов на промышленных сайтах», — сказал Дуглас Беллин, глобальный голова бизнеса для умной фабрики и Индустрии 4.0. «Коллективно, они привносят модульный подход для сбора данных, хранения, анализа и инсайтов».

Процесс для создания тех бывших улучшений начинается рано с сбора и scrutiniзации данных, и AWS нашло несколько способов укротить все те «0» и «1».

«Если вы начинаете на уровне софта и данных, есть более 350 разных протоколов, используемых в индустрии», — сказал Беллин, присоединившийся к AWS в 2017 после более 10 лет в Cisco.

AWS Lookout for Equipment использует исторические данные оборудования от существующих датчиков, вместе с информацией от исторических событий обслуживания, и строит кастомную модель машинного обучения, отслеживающую нормальные паттерны поведения того станка. Когда операционные данные отклоняются от известной нормы, Lookout for Equipment флагит отклонение соответствующим пользователям через алерты и дашборды.

Другой продукт, AWS IoT SiteWise, устанавливает единый источник данных, упрощая извлечение данных из баз данных, обычно встречающихся в промышленных объектах, перенося данные либо локально, либо в облако, и структурируя их для легкой доступности пользователям и приложениям. Приложение-фреймворк позволяет вычисление общих промышленных метрик производительности, таких как общая эффективность оборудования. Также мониторит операции через множественные промышленные объекты, анализирует промышленные данные оборудования, предотвращает дорогостоящие проблемы оборудования и сокращает пробелы в производстве.

Помимо стандартизации данных, другой общий барьер при создании умной фабрики — включение устаревшего оборудования. Любой станок, оснащенный ПЛК, будет иметь некоторые данные отдать, но они будут минимальны по сравнению с современными машинами. В ответ, AWS имеет партнеров, которые могут добавить необходимое железо для отслеживания некоторых параметров станка. Также создала свой низкозатратный датчик вибрации и температуры для вращающегося оборудования, называемый Amazon Monitron.

Amazon Monitron — это также сервис мониторинга состояния оборудования на базе машинного обучения, позволяющий предиктивное обслуживание путем анализа сенсорных сигналов от промышленного оборудования, таких как моторы, насосы и редукторы.

Это полностью управляемая end-to-end система, включающая датчики для захвата вибрации и температуры, шлюзы для автоматического переноса данных в AWS Cloud, и мобильное приложение для настройки, аналитики и уведомлений о ненормальном поведении станка.

«Amazon Monitron основан на той же технологии, используемой в Amazon, используя более 20 лет опыта детекции аномалий для дальнейшего улучшения точности модели», — сказал Беллин.

С Amazon Monitron менеджеры надежности могут начать отслеживать состояния оборудования за пару часов — без какой-либо разработки или специализированного обучения, сказал AWS.

Производители могут использовать Amazon Monitron для включения предиктивного обслуживания, удаленного мониторинга оборудования и отслеживания состояния недоступного оборудования, добавил Беллин.