AWS, Google, Microsoft appliquent leur expertise en matière de données et de logiciels à la fabrication

Ford Motor augmente la variété de capteurs dans ses chaînes de montage pour transformer le Big Data en encore plus Big Data tout en démocratisant l'accès aux informations collectées. "Nous enrichissons les données générées par l'équipement en ajoutant des capteurs tels que la surveillance infrarouge et les capteurs de vibration pour compléter les données traditionnelles [collectées], comme le temps de cycle et la pression, afin de créer un pool de données plus riche", a déclaré Mike Mikula, directeur de la fabrication pour programmes de véhicules. "Nous pouvons désormais créer des analyses plus intelligentes autour des contributions de ces signaux à la qualité du produit, à l'efficacité du processus et à la santé de l'équipement."

Aider Ford dans ses efforts sont "la plupart des plus grandes plates-formes IoT", a-t-il déclaré. Ford et l'une de ces sociétés de plate-forme IoT, Google, ont annoncé cette année un partenariat pour des services de gestion de données dans le cloud industriel et des applications logicielles d'analyse, entre autres services.

Pour pousser l'utilisation des informations résultantes vers l'atelier, Ford développe une plate-forme de données IoT qui permet aux travailleurs de la production d'accéder à des analyses via des applications low-code et no-code qui ne nécessitent pas ou peu de connaissances en langage informatique.

Les applications nouvellement conçues peuvent ensuite être adaptées à d'autres utilisateurs de l'entreprise qui gèrent des processus et des équipements similaires, a déclaré Mikula.

Pendant ce temps, Ford privilégie également de manière sélective la puissance du cerveau humain par rapport aux logiciels pour analyser les données et se tourne de plus en plus vers les codeurs internes plutôt que vers les fournisseurs d'applications.

"La solution dépendra de l'application", a déclaré Mikula. "Parfois, ce sera un logiciel, et parfois ce sera un analyste de données qui analysera les sources de données. Nous souhaitons évoluer vers des solutions plus autonomes et pilotées par le machine learning et l'intelligence artificielle. L'objectif est d'être moins dépendant du SaaS [logiciel en tant que service] acheté."

En fin de compte, a déclaré Mikula, les efforts visent à réduire le coût global de fabrication, des économies qui peuvent ensuite être répercutées sur les consommateurs.

Deux des géants des données concurrents de Google, Amazon et Microsoft, proposent désormais également des solutions logicielles et d'hébergement cloud aux fabricants.

"Il y a beaucoup d'acteurs qui ont été en dehors de l'IoT industriel comme Google, Microsoft et Amazon qui reconnaissent le potentiel pour eux de tirer parti de leurs forces logicielles pour déplacer certains des opérateurs historiques traditionnels de l'Internet industriel des objets", a déclaré Mikula.

Les géants de la technologie comprennent un New Big Three, similaire à la référence Big Three d'antan à Ford, General Motors et Chrysler. Les logiciels industriels des géants de la technologie pour les constructeurs automobiles et autres contribuent aux composants et aux objectifs de l'industrie 4.0 :jumeau numérique, maintenance prédictive, contrôles de qualité de la vision industrielle, opérations autonomes et plus encore.

Alors que ces géants de la technologie tirent parti de leur expertise en matière de données et de logiciels pour faire partie de l'industrie 4.0, ils ont également une connaissance du domaine grâce à la fabrication d'objets.

Une chaîne d'approvisionnement "incroyable"

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

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

Bien que Google soit un fabricant depuis la création de l'entreprise il y a plus de 20 ans, il a commencé à investir massivement dans ses services de fabrication pour d'autres lorsque le président de Google Cloud, Thomas Kurian, a été embauché en 2018, a déclaré Wee. Kurian a précédemment travaillé chez Oracle pendant 22 ans.

À mesure que la fabrication se numérise, les méthodologies de Google qui ont été développées pour le marché grand public deviennent pertinentes pour l'industrie, a déclaré Wee, qui a précédemment travaillé dans l'industrie des semi-conducteurs en tant qu'ingénieur industriel.

"Nous pensons que nous sommes à un moment où ces technologies - principalement le domaine de l'analyse et de l'IA - qui ont été très difficiles à utiliser pour l'ingénieur industriel typique deviennent si faciles à utiliser dans l'atelier", a-t-il déclaré. "C'est là que nous croyons que réside notre différenciation concurrentielle."

Wee a déclaré que ce que Google a fait pour sa technologie de fabrication sous Kurian imite ce qu'il faisait auparavant du côté des consommateurs :rendez-le si facile à utiliser que vous ne le remarquez même pas.

L'inspection de la qualité à l'aide de Vision Inspection de Google Cloud en est un bon exemple, a-t-il déclaré.

"Parce que la vision artificielle est très avancée, elle est beaucoup utilisée [pour l'inspection de la qualité] et nous avons donc simplifié le déploiement de l'apprentissage automatique dans un contexte d'atelier et nous utilisons très peu d'images pour ce faire. Vous n'avez pas besoin d'être un programmeur ou un spécialiste de l'apprentissage automatique pour le faire », a déclaré Wee. "C'est littéralement pointer et cliquer."

Il a souligné la facilité avec laquelle les entreprises peuvent piloter Vision Inspection puis la mettre à l'échelle :"Pour transférer la méthodologie, vous n'avez pas besoin de faire appel à quelqu'un de Google ou à la société XYZ de le faire pour vous. Les personnes à l'intérieur de l'usine peuvent le faire. C'est le grand déblocage :l'apprentissage automatique passe de la fantaisie à une utilisation généralisée dans le secteur manufacturier."

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

"Nous parlons d'écart de pilotes", a-t-il déclaré. "De nombreuses entreprises ont essayé l'apprentissage automatique, la réalité augmentée et la maintenance prédictive, et elles l'ont fait à un moment donné dans une partie de leur empreinte de fabrication mondiale et cela a demandé beaucoup de travail. Des personnes très spécialisées étaient nécessaires, mais elles n'ont jamais été en mesure de faire évoluer les choses."

En plus d'être facile à utiliser, Google Cloud utilise un logiciel open source, ce qui laisse les options des fabricants ouvertes, a déclaré Wee.

Google affirme également que la force de ses analyses et de son IA est inégalée :"Étant une entreprise qui place le traitement des données au cœur de ses plus de 20 ans d'existence, nous prétendons que personne ne le comprend mieux que nous", a-t-il déclaré. "Si vous avez une énorme quantité de données à traiter dans n'importe quel contexte, y compris dans l'atelier, nous dirions 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 respectueusement en désaccord avec Wee.

"Microsoft Cloud for Manufacturing aidera les clients à repenser leurs entreprises, à construire des usines plus agiles et à créer des chaînes d'approvisionnement plus résilientes, ainsi qu'à transformer leur main-d'œuvre", a-t-il déclaré.

Sircar travaille chez Microsoft depuis près d'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 à analyser les données de leurs machines, Sircar a déclaré que les composants liés à la main-d'œuvre des services de son entreprise, y compris l'IA et la réalité mixte utilisant HoloLens 2, sont les véritables différenciateurs non seulement de Google et d'Amazon, mais aussi du traditionnel fournisseurs de solutions logicielles industrielles.

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

Dans une vidéo sur le site Web de Microsoft, Edgar Campana, technicien de diagnostic centralisé chez Mercedes Benz de Coral Gables, a déclaré :« Je peux simplement le mettre [HoloLens] et obtenir une assistance immédiate. Ils peuvent littéralement me faire remarquer des choses pendant que je les regarde. Ils peuvent en faire le tour. Ils peuvent tracer des lignes. C'est pratique:c'est littéralement juste là. Je peux parler avec eux, parcourir le véhicule en temps réel. C'est très intuitif."

Alors que Remote Assist est bidirectionnel et permet aux utilisateurs de parler dans les deux sens, Mixed Reality Guides Solutions n'est qu'une seule direction et permet aux stagiaires d'interagir avec des hologrammes seuls ou en combinaison avec des objets physiques.

"Airbus est un excellent exemple", a déclaré Sircar, notant que l'entreprise utilisait "les guides dans sa chaîne de fabrication, amenant les travailleurs à voir très rapidement une superposition au-dessus du câblage et comment il doit être installé".

L'environnement 3D peut offrir des fonctionnalités que la formation réelle ne peut pas offrir, telles que la possibilité de visualiser des éléments en trois dimensions sous n'importe quel angle.

Les concepteurs d'Airbus peuvent tester virtuellement leurs conceptions pour voir si elles sont prêtes ou non pour la chaîne de montage.

Microsoft fabrique HoloLens 2 et Surface Hub, un tableau blanc interactif pour les entreprises. Elle vend des produits physiques, notamment les consoles de jeux vidéo Xbox et les ordinateurs personnels à écran tactile Surface.

Pourtant, "la fabrication, au moment où nous parlons, a été beaucoup externalisée mais... nous gérons définitivement toute cette chaîne de production, depuis la conception et l'approvisionnement des compléments et les tests de la chaîne de montage", a déclaré Sircar.

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

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

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

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

Utilisation de la même technologie qu'Amazon

Amazon.com est plus connu pour la vente que pour la fabrication. Mais il fabrique des appareils Kindle, Echo et d'autres produits de consommation. Il fabrique également un pourcentage important du matériel qui gère son infrastructure et ses propres puces informatiques.

AWS (Amazon Web Services) a déployé une gamme industrielle en 2020, comprenant des produits et services pour l'IoT, l'IA, l'apprentissage automatique, l'analyse et les solutions de pointe.

La gamme propose « des services et des solutions nouveaux et existants d'AWS et du réseau de partenaires AWS, spécialement conçus pour les développeurs [de logiciels], les ingénieurs et les opérateurs sur les sites industriels », a déclaré Douglas Bellin, responsable mondial du développement commercial pour l'usine intelligente et l'industrie 4.0. "Ensemble, ces éléments apportent une approche modulaire pour permettre la collecte, le stockage, l'analyse et l'analyse des données."

Le processus de réalisation de ces améliorations potentielles commence très tôt par 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 des logiciels et des données, il existe plus de 350 protocoles différents qui sont utilisés dans l'industrie », a déclaré 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, ainsi que les informations des événements de maintenance historiques, et il crée un modèle d'apprentissage automatique personnalisé qui suit les modèles de comportement normaux de cette machine. Lorsque les données opérationnelles s'écartent de la normale connue, Lookout for Equipment signale l'écart aux utilisateurs appropriés via des alertes et des tableaux de bord.

Un autre produit, AWS IoT SiteWise, établit une source de données unique en simplifiant l'extraction de données à partir de bases de données couramment trouvées dans les installations industrielles, en transférant les données localement ou dans le cloud et en les structurant pour les rendre facilement accessibles aux utilisateurs et aux applications. Le cadre d'application permet le calcul de mesures de performances industrielles courantes, telles que l'efficacité globale de l'équipement. Il surveille également les opérations dans plusieurs installations industrielles, analyse les données des équipements industriels, évite les problèmes d'équipement coûteux et réduit les écarts de production.

Outre la standardisation des données, un autre obstacle courant lors de la création d'une usine intelligente consiste à intégrer des équipements hérités. Toute machine-outil équipée d'un automate aura des données à abandonner, mais elles seront minimes par rapport aux machines modernes. En réponse, AWS a des partenaires qui peuvent ajouter le matériel nécessaire pour suivre certains paramètres de la machine. Elle a également créé son propre capteur de vibrations et de température à faible coût pour les équipements rotatifs, appelé Amazon Monitron.

Amazon Monitron est également un service de surveillance de l'état des équipements basé sur l'apprentissage automatique qui permet une maintenance prédictive en analysant les signaux des capteurs des équipements industriels, tels que les moteurs, les pompes et les boîtes de vitesses.

Il s'agit d'un système de bout en bout entièrement géré qui comprend des capteurs pour capturer les données de vibration et de température, des passerelles pour transférer automatiquement les données vers le cloud AWS et une application mobile pour la configuration, l'analyse et les notifications de comportement anormal de la machine.

"Amazon Monitron est basé sur la même technologie que celle utilisée chez Amazon, s'appuyant sur plus de 20 ans d'expérience en matière de détection d'anomalies pour améliorer encore la précision des modèles", a déclaré Bellin.

Avec Amazon Monitron, les responsables de la fiabilité peuvent commencer à suivre les conditions de l'équipement en quelques heures, sans aucun travail de développement ni formation spécialisée, a déclaré AWS.

Les fabricants peuvent utiliser Amazon Monitron pour activer la maintenance prédictive, surveiller les équipements à distance et suivre l'état des équipements inaccessibles, a ajouté Bellin.