Les avantages de l'ingénierie de produit basée sur l'analytique

Un aperçu de la façon dont la simulation de système et les capacités IoT peuvent boucler la boucle de rétroaction des données.

Après la vente d'un produit, les ingénieurs produit reçoivent généralement très peu de commentaires sur ses performances sur le terrain. Cela ne doit plus être le cas. Avec la bonne solution, les fabricants de produits peuvent combiner des simulations de système et des capacités IoT pour améliorer les conceptions de produits, puis émettre des résolutions à l'aide de simulations basées sur des cas de charge réels.

RTInsights s'est récemment entretenu avec Jasmin Klein, Global Portfolio Development, et Christian Binkowski, Cloud Solution Manager, de Siemens pour discuter des avantages d'inclure une boucle de rétroaction de données entre les ingénieurs produit et l'appareil sur le terrain pour obtenir une optimisation du produit en temps réel, numérique jumeaux, et plus encore. Voici un résumé de la conversation.

RTInsights :Qu'est-ce que l'ingénierie produit basée sur l'analyse ?

Klein : L'ingénierie de produits basée sur l'analytique permet aux utilisateurs de prendre des données de performances en direct d'un produit ou d'une machine sur le terrain et de les renvoyer dans le modèle de simulation de produit pour améliorer la conception du produit. Les données de production en direct étant réinjectées dans le modèle, un jumeau numérique en boucle fermée est créé.

Ce jumeau numérique peut ensuite être utilisé pour améliorer activement la conception du produit. Par exemple, si un produit commence à avoir des problèmes, vous pouvez exécuter une simulation précise sur celui-ci à l'aide des données en direct et commencer à identifier la cause première de tout problème. Une fois les problèmes parfaitement compris, les modifications requises peuvent être apportées à la conception pour les itérations futures. L'impact des modifications peut également être vérifié avec précision à l'aide du modèle de simulation plus précis avec les données réelles de la machine.

RTInsights :Quels sont les avantages de l'utilisation d'une ingénierie produit basée sur l'analyse ?

Klein : Avec des simulations précises, non seulement les concepteurs peuvent prendre de meilleures décisions, mais cela réduit le temps et le coût de mise sur le marché de nouvelles conceptions. Le besoin de prototypage est presque éliminé. Les entreprises ont la capacité de développer des produits centrés sur l'utilisateur qui répondent aux besoins des clients et augmentent la satisfaction des clients. Ils peuvent apprendre des problèmes sur le terrain en utilisant des données réelles, en simulant les erreurs et en améliorant la conception. De cette façon, ils peuvent éliminer les problèmes liés aux produits, gagner du temps et de l'argent en réduisant le temps de validation des produits et éviter une ingénierie excessive. Ensemble, cela améliore l'efficacité globale.

RTInsights : Quelle solution propose Siemens dans ce domaine ?

Binkowski : Siemens propose MindSphere®, l'IdO industriel en tant que solution de service, qui connecte des produits, des machines et des systèmes de tous types et de toutes marques. Cette solution collecte, agrège, gère et analyse les données de performance. Pour la solution MindSphere Analytics-Based Product Engineering, en particulier, MindSphere est parfaitement intégré à Simcenter ^TM Amesim ^MC logiciel via un connecteur spécialement conçu. L'application MindSphere utilise ce connecteur pour renvoyer les données de performances en direct dans les modèles de simulation.

(Le logiciel Simcenter Amesim simule tous les différents types de systèmes mécatroniques. Il est livré avec des tonnes de bibliothèques et de modèles de solutions pour les machines, les voitures, les batteries, les navires, etc.)

Une fois que vous avez établi une connexion entre les deux systèmes, vous pouvez sélectionner les données de séries chronologiques que vous souhaitez explorer. Par exemple, s'il y a un problème sur le terrain, vous pouvez simuler 20 minutes avant ou autour de cet incident. Vous pouvez sélectionner la période dans MindSphere, et MindSphere génère un package de simulation et le transfère à Simcenter Amesim. Ensuite, la simulation est exécutée et une fois cela fait, vous pouvez consulter les résultats de la simulation dans MindSphere.

RTInsights : Pouvez-vous donner des exemples de cas d'utilisation et de réussite ?

Klein : Je commencerais par un cas d'utilisation général. Aujourd'hui, dans la plupart des cas, une machine est expédiée au client et le chef de produit n'obtient jamais d'informations sur les performances de la machine sur le terrain pour améliorer la conception du produit. Chaque fois qu'il y a un problème, le support est contacté et le problème est résolu sur le site du client. Les informations du support ne parviennent généralement pas à l'ingénieur produit ou sont transmises beaucoup plus tard. En raison de ces lacunes, l'ingénieur produit doit développer une conception basée sur des hypothèses, ce qui entraîne une ingénierie excessive ou insuffisante. En fin de compte, cela signifie que les exigences du client ne sont pas satisfaites ou ne le seront pas à l'avenir.

L'approche d'ingénierie basée sur l'analyse proposée par MindSphere fournit cette boucle de rétroaction pour modifier la conception du produit et améliorer ses performances sur le terrain.

Binkowski : Un autre exemple concerne l'optimisation des performances d'un produit existant. Cette solution offre la possibilité de modifier certains paramètres du modèle de simulation directement dans MindSphere. Par exemple, si vous avez un produit qui peut fonctionner à différentes vitesses, vous pouvez tester quelle vitesse est la plus optimale. En utilisant le modèle de simulation mis à jour pour exécuter les paramètres, vous pouvez tester les machines en utilisant les conditions actuelles de la ligne.

Klein : Si nous prenons l'exemple d'un client qui vend des machines connectées à une solution IoT telle que MindSphere, ce client peut collecter en continu des données, obtenir des informations sur les performances à tout moment, puis simuler un problème en utilisant ces informations pour améliorer la conception du produit.

L'ingénieur produit peut apprendre et tirer des conclusions directement à partir des données en direct de la machine. En fin de compte, cela garantit que l'ingénieur produit peut développer un produit centré sur l'utilisateur et augmenter la satisfaction client.

Un exemple est Konecranes, une entreprise finlandaise spécialisée dans la fabrication et l'entretien de grues et d'équipements de levage. Elle a mis en place une solution numérique pour accélérer son processus de développement de produits et connecter les données produit et performances.

L'entreprise utilise MindSphere et Teamcenter®, le logiciel de gestion du cycle de vie numérique de Siemens, pour tirer parti du jumeau numérique afin de réduire le nombre de prototypes à produire. Cela les aide à augmenter leur efficacité et à réduire le temps de validation des produits. En mettant en œuvre une solution d'innovation numérique, ils ont accéléré le processus de développement de produits et renforcé la collaboration entre les services de test de simulation et d'ingénierie de leur entreprise.