AWS, Google, Microsoft pilotent l'innovation manufacturière avec des solutions avancées de données et logiciels

Ford Motor augmente la variété de capteurs dans ses lignes d'assemblage pour transformer les Big Data en Even Bigger Data tout en démocratisant l'accès à l'information collectée. « Nous enrichissons les données que l'équipement génère en ajoutant des capteurs comme la surveillance infrarouge et les capteurs de vibration pour compléter les données traditionnelles [collectées], comme le temps de cycle et la pression, pour créer un pool de données plus riche », a dit Mike Mikula, directeur de la fabrication pour les programmes véhicules. « Nous pouvons maintenant construire des analyses plus intelligentes autour des contributions de ces signaux à la qualité du produit, l'efficacité du processus et la santé de l'équipement. »

Aidant Ford dans son effort sont « la plupart des plus grandes plateformes IoT », a-t-il dit. Ford et l'une de ces entreprises de plateforme IoT — Google — ont annoncé un partenariat cette année pour les services de gestion de données cloud industriel et applications logicielles analytiques, parmi d'autres services.

Pour pousser l'utilisation de l'information résultante au plancher d'atelier, Ford construit une plateforme de données IoT qui donne aux travailleurs de production l'accès aux analyses via des applications low-code et no-code qui requièrent peu ou pas de connaissances en langages informatiques.

Les applications nouvellement conçues peuvent ensuite être mises à l'échelle vers d'autres utilisateurs dans l'entreprise qui traitent des processus et équipements similaires, a dit Mikula.

Pendant ce temps, Ford favorise aussi sélectivement le pouvoir du cerveau humain sur le logiciel pour analyser les données et se tourne de plus en plus vers des codeurs internes que des vendeurs d'applications.

« La solution dépendra de l'application », a dit Mikula. « Parfois ce sera du logiciel, et parfois ce sera un analyste de données qui triture les sources de données. Nous voudrions aller vers des solutions qui sont plus autonomes et pilotées par l'apprentissage automatique et l'intelligence artificielle. Le but est d'être moins dépendant des SaaS [logiciel en service] achetés. »

Finalement, a dit Mikula, les efforts sont destinés à diminuer le coût global de fabrication — des économies qui peuvent ensuite être répercutées aux consommateurs.

Deux des géants de données concurrents de Google, Amazon et Microsoft, offrent maintenant l'hébergement cloud et solutions logicielles aux fabricants, aussi.

« Il y a beaucoup de joueurs qui ont été en dehors de l'IoT industriel comme Google, Microsoft et Amazon qui reconnaissent le potentiel pour eux d'exploiter leurs forces logicielles pour déplacer certains des titulaires traditionnels de l'Internet Industriel des Objets », a dit Mikula.

Les géants de la tech comprennent un Nouveau Big Three, similaire à la référence Big Three d'antan à Ford, General Motors et Chrysler. Le logiciel industriel des géants de la tech pour les constructeurs de véhicules et autres aident avec les composants et objectifs de l'Industrie 4.0 — jumeau numérique, maintenance prédictive, contrôles qualité vision machine, opérations autonomes et plus.

Pendant que ces géants de la tech exploitent leur expertise avec les données et logiciels pour faire partie de l'Industrie 4.0, ils ont aussi une connaissance du domaine en faisant des choses.

Une chaîne d'approvisionnement « insensée »

« Nous sommes probablement l'une des plus grandes entreprises de fabrication au monde », a dit Dominik Wee, directeur général mondial, fabrication et industriel chez Google Cloud. « Google a une chaîne d'approvisionnement insensée, extrêmement profonde. Nous avons une chaîne d'approvisionnement qui est aussi complexe que n'importe quelle entreprise de fabrication mondiale. »

L'entreprise fabrique le matériel informatique dans ses centres de données et conçoit ses propres puces informatiques. Du côté consommateur, elle fabrique des téléphones, ainsi que des dongles Chromecast qui ajoutent des fonctions intelligentes à une télévision.

Alors que Google a été un fabricant depuis que l'entreprise a commencé il y a plus de 20 ans, elle a commencé à investir massivement dans ses services de fabrication pour les autres quand le président de Google Cloud Thomas Kurian a été embauché en 2018, a dit Wee. Kurian a travaillé précédemment chez Oracle pendant 22 ans.

Alors que la fabrication devient numérisée, les méthodologies de Google qui ont été développées pour le marché consommateur deviennent pertinentes pour l'industrie, a dit Wee, qui a travaillé précédemment dans l'industrie des semi-conducteurs comme ingénieur industriel.

« Nous croyons que nous sommes à un point dans le temps où ces technologies — principalement la zone analytique et IA — qui ont été très difficiles à utiliser pour l'ingénieur industriel typique deviennent si faciles à utiliser sur le plancher d'atelier », a-t-il dit. « C'est là que nous croyons que notre différenciation concurrentielle réside. »

Wee a dit ce que Google a fait pour sa technologie pour la fabrication sous Kurian imite ce qu'il a fait précédemment du côté consommateur : le rendre si facile à utiliser que vous ne remarquez même pas que vous le faites.

L'inspection qualité utilisant Vision Inspection de Google Cloud est un bon exemple, a-t-il dit.

« Parce que la vision machine est très avancée, elle est beaucoup utilisée [pour l'inspection qualité] et donc nous l'avons rendue très facile à déployer l'apprentissage automatique dans un contexte de plancher d'atelier et utiliser très peu d'images pour le faire. Vous n'avez pas à être un programmeur ou un spécialiste de l'apprentissage automatique pour le faire », a dit Wee. « C'est littéralement point-et-clic. »

Il a souligné la facilité avec laquelle les entreprises peuvent piloter Vision Inspection et ensuite le mettre à l'échelle : « Pour transférer la méthodologie, vous n'avez pas besoin d'amener qui que ce soit de Google ou d'amener l'Entreprise XYZ pour le faire pour vous. Les gens à l'intérieur de l'usine peuvent le faire. C'est le grand déverrouillage — où l'apprentissage automatique passe de la fantaisie à être en utilisation répandue dans la fabrication. »

La facilité d'utilisation est un avantage concurrentiel pour l'entreprise, a dit Wee.

« Nous parlons de gap pilote », a-t-il dit. « Beaucoup d'entreprises ont essayé l'apprentissage automatique et la réalité augmentée et la maintenance prédictive, et elles l'ont fait à un moment dans une partie de leur empreinte de fabrication mondiale et c'était beaucoup de travail. Des gens très spécialisés étaient nécessaires mais ils n'ont jamais pu le mettre à l'échelle. »

En plus d'être facile à utiliser, Google Cloud utilise du logiciel open-source, ce qui garde les options des fabricants ouvertes, a dit Wee.

Google affirme aussi que la force de son analytique et IA est inégalée : « Étant une entreprise qui a le traitement de données au cœur de son existence de 20-plus ans, nous revendiquerions que personne ne comprend cela mieux que nous », a-t-il dit. « Si vous avez une énorme quantité de données à traiter dans n'importe quel contexte incluant depuis le plancher d'atelier, nous argumenterions que nous sommes la bonne entreprise pour le faire. »

Transformer la main-d'œuvre

Indranil Sircar, CTO de Microsoft pour l'industrie manufacturière, serait probablement en désaccord respectueusement avec Wee.

« Microsoft Cloud for Manufacturing aidera les clients à réimaginer leurs corporations, construisant des usines plus agiles et créant des chaînes d'approvisionnement plus résilientes ainsi que transformant leur main-d'œuvre », a-t-il dit.

Sircar est chez Microsoft depuis presque une décennie. Avant cela, il a travaillé chez Hewlett-Packard pendant plus de 20 ans.

Alors que Google et Microsoft aident les fabricants à collecter et analyser les données de leurs machines, Sircar a dit que les composants liés à la main-d'œuvre des services de son entreprise — incluant l'IA et la réalité mixte utilisant HoloLens 2 — sont les vrais différenciateurs non seulement de Google et Amazon mais aussi des fournisseurs traditionnels de solutions logicielles industrielles.

Par exemple, Mercedes Benz USA utilise Remote Assist de Microsoft, qui laisse une personne à un ordinateur aider quelqu'un portant HoloLens à distance.

Dans une vidéo sur le site web de Microsoft, Edgar Campana, technicien de diagnostic centralisé chez Mercedes Benz de Coral Gables, a dit : « Je peux juste le mettre [HoloLens] et obtenir un support immédiat. Ils peuvent littéralement me pointer des choses pendant que je les regarde. Ils peuvent l'entourer. Ils peuvent tracer des lignes. C'est mains-dessus : C'est littéralement là. Je peux leur parler, passer à travers le véhicule en temps réel. C'est très intuitif. »

Alors que Remote Assist est bidirectionnel, et laisse les utilisateurs parler d'avant en arrière, Mixed Reality Guides Solutions est unidirectionnel seulement et permet aux stagiaires d'interagir avec des hologrammes seuls ou en combinaison avec des objets physiques.

« Airbus est un excellent exemple », a dit Sircar, notant que l'entreprise a utilisé « les Guides dans leur ligne de fabrication, amenant les travailleurs à voir très vite une superposition sur le câblage et comment il doit être ajusté. »

L'environnement 3D peut offrir des fonctionnalités que la formation réelle ne peut pas, comme la capacité de voir les éléments en trois dimensions sous n'importe quel angle.

Les designers Airbus peuvent tester virtuellement leurs conceptions pour voir si elles sont prêtes pour la ligne d'assemblage.

Microsoft fabrique HoloLens 2 et Surface Hub, un tableau blanc interactif pour les affaires. Il vend des produits physiques, incluant les consoles de jeux vidéo Xbox et les ordinateurs personnels tactiles Surface.

Toujours, « la fabrication, comme nous parlons, a été externalisée beaucoup mais... nous gérons définitivement cette ligne de production entière, tout le chemin de la conception et l'approvisionnement des compléments et tests de ligne d'assemblage », a dit Sircar.

Du côté données cloud, l'entreprise gère la fabrication de l'infrastructure de bout en bout.

La première application de Microsoft pour l'industrie était en 2002, avec un logiciel de planification des ressources d'entreprise appelé Dynamics AX, a-t-il dit. Azure IoT est devenu disponible en 2016.

Aussi en 2016, Microsoft a été invité à participer à Plattform Industrie 4.0, l'initiative du gouvernement allemand, a dit Sircar.

Microsoft a cofondé le consortium Open Manufacturing Platform (OMP) avec BMW. L'OMP promeut un modèle de données ouvert commun, qui est un langage de données partagé pour les applications business et analytiques à utiliser.

Utiliser la même tech qu'Amazon

Amazon.com est connu plus pour la vente que la fabrication. Mais il fabrique Kindle, appareils Echo et autres produits consommateurs. Il fabrique aussi un grand pourcentage du matériel qui fait tourner son infrastructure et ses propres puces informatiques.

AWS (Amazon Web Services) a lancé une ligne industrielle en 2020, incluant produits et services pour IoT, IA, apprentissage automatique, analytique et solutions edge.

La ligne présente « de nouveaux et existants services et solutions de AWS et du réseau de partenaires AWS, construits spécifiquement pour les [logiciels] développeurs, ingénieurs et opérateurs sur sites industriels », a dit Douglas Bellin, chef mondial du développement business pour usine intelligente et Industrie 4.0. « Collectivement, ceux-ci apportent une approche modulaire pour permettre la collecte, le stockage, l'analyse et les insights de données. »

Le processus pour faire ces améliorations potentielles commence tôt avec la collecte et l'examen des données, et AWS a trouvé plusieurs façons d'apprivoiser tous ces « 0 » et « 1 ».

« Si vous commencez au niveau logiciel et données, il y a plus de 350 protocoles différents qui sont utilisés dans l'industrie », a dit Bellin, qui a rejoint AWS en 2017 après plus de 10 ans chez Cisco.

AWS Lookout for Equipment utilise les données d'équipement historiques des capteurs existants, avec l'information des événements de maintenance historiques, et construit un modèle d'apprentissage automatique personnalisé qui suit les patterns de comportement normal de cette machine. Quand les données opérationnelles dévient du normal connu, Lookout for Equipment signale la déviation aux utilisateurs appropriés via alertes et tableaux de bord.

Un autre produit, AWS IoT SiteWise, établit une source de données unique en simplifiant l'extraction de données des bases de données communément trouvées dans les installations industrielles, transférant les données soit localement soit vers le cloud, et les structurant pour les rendre facilement accessibles aux utilisateurs et applications. Le cadre d'application permet le calcul de métriques de performance industrielles communes, comme l'efficacité globale de l'équipement. Il surveille aussi les opérations à travers plusieurs installations industrielles, analyse les données d'équipement industriel, prévient les problèmes d'équipement coûteux et réduit les gaps en production.

En plus de standardiser les données, un autre obstacle commun quand on crée une usine intelligente est l'incorporation d'équipement hérité. Toute machine-outil équipée d'un PLC aura des données à donner, mais ce sera minimal comparé aux machines modernes. En réponse, AWS a des partenaires qui peuvent ajouter le matériel nécessaire pour suivre certains paramètres de machine. Il a aussi créé son propre capteur de vibration et température à faible coût pour équipement rotatif, appelé Amazon Monitron.

Amazon Monitron est aussi un service de surveillance de condition d'équipement basé sur l'apprentissage automatique qui permet la maintenance prédictive en analysant les signaux de capteurs depuis l'équipement industriel, comme moteurs, pompes et réducteurs.

C'est un système complètement géré, de bout en bout, qui inclut des capteurs pour capturer les données de vibration et température, des passerelles pour transférer automatiquement les données vers AWS Cloud, et une application mobile pour la configuration, l'analytique et les notifications de comportement anormal de machine.

« Amazon Monitron est basé sur la même technologie utilisée chez Amazon, exploitant plus de 20 ans d'expérience de détection d'anomalies pour améliorer encore la précision du modèle », a dit Bellin.

Avec Amazon Monitron, les gestionnaires de fiabilité peuvent commencer à suivre les conditions d'équipement en quelques heures — sans aucun travail de développement ou formation spécialisée requise, a dit AWS.

Les fabricants peuvent utiliser Amazon Monitron pour permettre la maintenance prédictive, surveiller l'équipement à distance et suivre la condition d'équipement inaccessible, a ajouté Bellin.