Accélérer la transformation numérique dans la fabrication avec l'analytique avancée

Manufacturing Engineering : La surveillance machine et l'analytique sont devenues plus critiques que jamais dans l'ère de la fabrication numérique/Industrie 4.0. Quoi de neuf avec les dernières offres de Sight Machine ?

Jon Sobel : Nos dernières offres sont conçues pour une gamme bien plus large de fabricants. Alors que la majorité des fabricants ont au moins commencé leurs parcours de transformation numérique, nous avons trouvé un large spectre de niveaux de préparation parmi eux. Beaucoup d'entreprises sont impatientes d'utiliser les données IoT [Internet des Objets] pour obtenir une meilleure visibilité dans leurs opérations manufacturières, mais ne sont pas prêtes pour l'analytique avancée. Elles n'ont peut-être pas l'expertise interne, le soutien organisationnel, ou cela représente un trop grand saut à faire en une seule étape. Nous avons introduit un nouveau niveau de notre plateforme de fabrication numérique : Enterprise Manufacturing Visibility [EMV], qui offre une entrée rapide dans la fabrication numérique. EMV permet aux entreprises de gagner très rapidement une visibilité en temps réel sur la performance de leurs opérations manufacturières dans toutes leurs usines. Il offre une configuration en libre-service, permettant aux fabricants d'importer rapidement toutes sortes de données de production depuis les planchers d'usine et de surveiller ces données via une visibilité basée sur navigateur.

Enterprise Manufacturing Analytics [EMA] de Sight Machine, notre niveau avancé, offre une suite complète d'outils analytiques comme le contrôle statistique de processus, cartes de chaleur de corrélation, détection d'anomalies et analyse de goulots d'étranglement. Il applique l'analytique avancée pour atteindre des bénéfices comme production accrue, temps de cycle réduits, et taux de rebut diminués. Ces insights basés sur l'analytique sont la fondation nécessaire pour que les entreprises transforment leurs modèles d'affaires et leurs relations avec fournisseurs et clients.

ME : Comment votre nouvelle structure à niveaux peut-elle aider les fabricants à démarrer dans la fabrication numérique sans faire de l'analytique complète ?

Sobel : Jusqu'à maintenant, nous avions une offre unique qui livrait à la fois visibilité et analytique. Maintenant, nous avons sorti nos outils de visibilité en produit autonome. EMV fournit une entrée simple, en libre-service, et facilement scalable dans la fabrication numérique, avec des outils automatisés pour l'ingestion des données, leur nettoyage et contextualisation, et la modélisation du processus de production.

EMV permet aux entreprises de surveiller la sortie, la disponibilité et les temps d'arrêt par installation, type de machine et machine via des applications qui incluent Global Operations View, Tableau de bord KPI et Visualisation de Données en Streaming. La visibilité est à la fois en temps réel et historique.

Les fonctionnalités d'EMV incluent Digital Twin Builder, notre outil basé sur navigateur pour créer des modèles de données d'installations, machines et types de machines. Il inclut aussi FactoryTX, notre logiciel edge qui prépare les données machine et usine pour le streaming vers le cloud.

ME : Quelle est la difficulté pour les entreprises de démarrer avec la surveillance/analytique et que leur dit votre méthodologie Digital Readiness Index récemment introduite ?

Sobel : Nous avons trouvé que la clé d'une transformation numérique réussie est de choisir des projets appropriés pour le niveau de préparation d'une entreprise ou usine. La préparation inclut non seulement des facteurs techniques comme la connectivité et l'accessibilité des données, ainsi que la stratégie cloud et sécurité, mais aussi des facteurs organisationnels. Nous avons trouvé en six ans de travail avec des fabricants G500 que les facteurs organisationnels sont au moins aussi importants que les facteurs techniques. Ils incluent le niveau d'engagement et d'adhésion tant au niveau usine qu'au niveau direction, et l'existence de stratégies cloud et sécurité.

Sight Machine a développé une méthodologie appelée Digital Readiness Index [DRI] pour évaluer la préparation technique et organisationnelle d'une entreprise pour les projets de fabrication numérique, et pour identifier les projets appropriés — ceux les plus susceptibles de réussir basés sur la préparation actuelle. Nous utilisons un questionnaire standardisé pour mapper chaque entreprise dans l'une des cinq Zones de Préparation Numérique : Connexion, Visibilité, Efficacité, Analytique Avancée et Transformation. Chaque Zone de Préparation Numérique correspond à des exemples de projets réalisables pour ce niveau de préparation.

ME : À ce stade, jusqu'où l'industrie manufacturière est-elle allée dans l'adoption de l'analytique d'usine avancée ?

Sobel : Tous les grands fabricants auxquels nous parlons ont au moins commencé le parcours de transformation numérique. Nous trouvons une large variance non seulement entre entreprises mais au sein des usines individuelles des entreprises.

Vous pouvez y penser en termes de ces étapes : accès aux données ; visibilité ; et insights. Il est assez courant que les entreprises collectent et stockent leurs données numériques. Beaucoup ont bricolé des tableaux de bord simples qui leur permettent de surveiller les différentes lignes ou machines dans des usines individuelles. Relativement peu de fabricants ont gagné en visibilité à travers leurs usines. Nous croyons que Sight Machine offre la seule solution scalable sur le marché pour gagner rapidement une visibilité inter-entreprises.

Pour l'analytique avancée, en mettant de côté les entreprises avec lesquelles nous travaillons, nous voyons le plus souvent des projets de science de données sur mesure. Les entreprises face à un problème de performance ou qualité chargeront leurs data scientists de résoudre le problème connu. Ils développeront typiquement une solution unique, prenant toutes les données qu'ils peuvent mettre la main, les jetant dans Excel ou un programme statistique, et cherchant des corrélations.

Le problème est que ces projets ne sont ni scalables ni applicables à d'autres problèmes. L'extraction et la modélisation des données sont faites d'une façon qui crée des silos d'applications et de données. Du point de vue d'un VP Opérations ou DSI, ils se retrouvent avec une prolifération d'applications personnalisées qui ne peuvent pas être intégrées d'une manière qui permette de comprendre les opérations de l'entreprise manufacturière dans son ensemble.

Le Digital Twin de Sight Machine est un modèle de données vivant, fonctionnel du processus de production. Une seule application qui peut être rapidement étendue en ajoutant de nouvelles machines et processus, notre Digital Twin fournit une source unique de vérité qui peut être interrogée pour atteindre n'importe quel problème opérationnel.

ME : Que peut offrir l'analytique avancée aux fabricants qui plongent profondément dans cette technologie ?

Sobel : La révolution numérique a transformé secteur après secteur — publicité, vente au détail, investissement, science, politique — libérant non seulement d'énormes améliorations d'efficacité, mais aussi transformant et créant de nouveaux modèles d'affaires. Les fabricants commencent juste à exploiter la puissance de leurs données et voient de vrais résultats.

Quand vous pressez plus de productivité de vos usines et machines existantes, ou réduisez rebuts et défauts, cela impacte directement votre résultat net. Mais la plupart des grands fabricants ont cueilli tous les fruits à portée de main depuis longtemps dans des disciplines comme Six Sigma et Lean. Les prochains grands sauts viendront de l'obtention d'une vraie visibilité dans les opérations d'entreprise d'un fabricant, à travers toutes les usines, et ensuite de l'application des techniques analytiques affinées sur plus d'une décennie depuis les transformations numériques dans d'autres industries.

ME : Comment l'intelligence artificielle [IA] dans la plateforme de Sight Machine pousse-t-elle l'analytique d'usine plus loin que dans les offres précédentes ou concurrentes ?

Sobel : L'AI Data Pipeline de Sight Machine est une technologie brevetée en instance qui transforme les données brutes en données contextualisées auxquelles l'analytique peut être appliquée avec succès. Avec notre plateforme, l'AI Data Pipeline fait le travail ingrat de prendre les données brutes des capteurs, PLCs, historiens de données, etc., et de les préparer pour l'analyse via nettoyage, étiquetage et mélange.

Les données vont ensuite vers notre autre technologie brevetée en instance, le Plant Digital Twin, qui modélise les processus de production d'usine. Il prend les données de l'AI Data Pipeline et les assemble en un modèle du système, traduisant des milliers de points de données de centaines de sources en une représentation de pièces ou lots traversant la production. Le Plant Digital Twin reflète l'état machine à chaque point du processus de production, pour chaque pièce ou lot, et enregistre aussi la matière première utilisée pour cette pièce ou lot, les facteurs environnementaux comme l'humidité et la température, les identités des opérateurs machine, et quelles données additionnelles sont disponibles.

Avec des offres concurrentes comme des initiatives analytiques internes, les data scientists passent la majorité de leur temps à sélectionner, nettoyer et combiner manuellement les données — pas à analyser les données pour trouver des insights actionnables, business. En contraste, nos technologies AI Data Pipeline et Plant Digital Twin créent automatiquement une représentation numérique des processus de production en temps réel, laissant les data scientists, opérateurs de ligne, et gestionnaires d'usine libres de répondre proactivement aux problèmes opérationnels, plutôt que de les investiguer rétroactivement.

ME : Donnez-moi un exemple de fabricant faisant un travail exemplaire avec votre plateforme d'analytique manufacturière.

Sobel : Nous avons été amenés par un fabricant de produits de santé pour aider à résoudre un problème que d'autres fournisseurs technologiques n'ont pas pu craquer — un taux de rebut élevé dans leur usine la plus rentable. La plateforme Sight Machine a effectué une analyse de cause racine qui a mélangé traitement du langage naturel, analyse de séquence, analyse de grappes et régressions.

La plateforme Sight Machine a identifié et priorisé les multiples causes de rebut, menant à une augmentation de l'Efficacité Globale des Équipements d'environ 3 %. Cela se traduit en économies potentielles de plus de 20 millions $ par an pour cette usine seule.

Acquisitions

Siemens PLM Software (Plano, TX) a accepté d'acquérir Solido Design Automation Inc. (Saskatoon, SK), un développeur de logiciels de conception et caractérisation conscients de la variation pour entreprises de semi-conducteurs.

Les termes de la transaction n'ont pas été divulgués. Siemens a dit s'attendre à clôturer la transaction début décembre 2017. Les produits basés sur apprentissage machine de Solido sont actuellement utilisés en production dans plus de 40 grandes entreprises, leur permettant de concevoir, vérifier, et fabriquer des produits plus compétitifs. L'acquisition étend davantage le portefeuille de vérification analogique/mixte (AMS) de Mentor Graphics (acquis par Siemens en mars 2017), lui permettant d'adresser les défis croissants de conception et vérification CI pour applications automobile, communications, calcul centre de données, réseautage, mobile, et IoT.

Solido aide ses clients à adresser l'impact de la variabilité pour améliorer performance CI, puissance, surface, et rendement, dit Amit Gupta, fondateur, président et CEO de Solido Design Automation. « Combiner notre portefeuille technologique avec les capacités CI de Mentor et sa portée de marché nous permettra de fournir des solutions à l'industrie des semi-conducteurs à une échelle encore plus grande », dit Gupta. « Nous sommes excités de contribuer à la stratégie de digitalisation plus large de Siemens avec notre portefeuille d'expertise et technologie d'apprentissage machine appliqué pour l'ingénierie. »

Nouvelles versions

Tebis America (Troy, MI) a annoncé la Version 5 de sa Version 4.0 logiciel CAO/FAO avec performance optimisée qui aide les utilisateurs à accélérer leurs processus.

Les mises à jour dans cette version permettent aux utilisateurs d'accélérer les processus sans restrictions fonctionnelles avec améliorations de la simulation machine, travail avec jeux d'outils, recherche d'outils en usinage de fonctionnalités, ou échange d'outils dans le Job Manager.

Avec cette nouvelle version, la programmation CN est maintenant largement automatisée basée sur des modèles avec bibliothèques de processus qui permettent des procédures et processus rapides et fiables. Les utilisateurs peuvent aussi éditer des pièces grandes et complexes avec le logiciel. Tebis a identifié les charges les plus lourdes qui se produisent dans des processus spécifiques, aidant à soulager les goulots d'étranglement qui peuvent résulter en longs temps d'attente ainsi qu'utilisation lourde de ressources et conflits. Les développeurs Tebis ont adapté le système pour optimiser l'utilisation de la mémoire disponible, et la technologie multicœur s'appuyant sur le traitement parallèle a été intégrée en même temps. Le traitement parallèle étendu économise du temps significatif, surtout dans le calcul de programmes CN pour le ré-ébauche. Les pièces peuvent être chargées, ombragées et sauvées avec optimisation du temps.

Le développeur de systèmes d'exécution manufacturière (MES) 42Q (San Jose, CA) a lancé son nouveau Digital Factory Starter Kit, une solution avec capacités clés qui accélèrent la transformation d'usine numérique.

Le Digital Factory Starter Kit inclut les fonctions plancher d'atelier et qualité, capacité de traçabilité et reporting BI (business intelligence). Partie de la solution cloud de 42Q, ce kit permet aux fabricants de réaliser de la valeur de la transformation d'usine numérique en utilisant 42Q en quelques semaines.

« Les coûts et la complexité du déploiement d'une plateforme MES sur site conventionnelle peuvent résulter en un time-to-value de 9 à 18 mois pour la fonctionnalité de base », dit Srivats Ramaswami, CTO de 42Q. « Les fabricants commençant leur transformation numérique ne devraient pas avoir à attendre si longtemps. Nous avons conçu le Digital Factory Starter Kit pour inclure les fonctionnalités de base nécessaires pour la transformation numérique, et mettre les entreprises en marche en quelques semaines sans interruption des processus d'affaires ou livraisons clients. »

Les capacités clés du Digital Factory Starter Kit incluent les carnets de route électroniques, gestion du temps de cycle, gestion d'ordres de fabrication et processus.

routage de contrôle. La fonctionnalité pour la gestion de la qualité est pleinement intégrée, incluant la vérification d'employé et instructions de travail électroniques, traçabilité, généalogie produit, étiquetage et plans de contrôle. Le Digital Factory Starter Kit inclut aussi le module Business Intelligence de 42Q, qui fournit des outils pour alertes en temps réel depuis les opérations manufacturières avec visualisation de données.

La solution permet aux entreprises de gérer qualité et opérations, surveiller rendements, WIP, et débit en temps réel. « Cette solution est prouvée et déjà déployée dans de nombreuses installations manufacturières dans des industries hautement réglementées, incluant médical, aérospatial et automobile », dit Ramaswami.

Le développeur de logiciel de gestion de maintenance informatisé (CMMS) EZmaintain (Cleveland) a introduit son package CMMS basé sur cloud pour intégrer des capteurs IoT pour mesurer les niveaux de température et vibration d'équipements comme moteurs, boîtes de vitesses et générateurs.

Les utilisateurs peuvent faire tourner le CMMS web indépendamment pour gérer les activités de maintenance de panne ou préventive. L'ajout de ces capteurs IoT intelligents permet aux utilisateurs de capturer des données en temps réel pour la surveillance de condition avec alertes vues directement via un tableau de bord CMMS.

EZmaintain CMMS fonctionne sur différents dispositifs, des ordinateurs de bureau aux dispositifs mobiles. Les utilisateurs peuvent ajouter ou configurer des capteurs Température/Vibration via le tableau de bord, et peuvent monter des capteurs IoT sur divers actifs qui ont besoin de surveillance en utilisant des designs de montage à vis. Avec ces capteurs à faible coût, faciles à configurer, le logiciel peut être utilisé dans diverses applications industrielles ou commerciales.