Membawa Teknologi Otomasi Cerdas ke Pasar Rekayasa Luas

Di tengah pertumbuhan yang kuat di industri mereka, pengembang perangkat lunak manajemen siklus hidup produk (PLM) memanfaatkan cloud dan pembelajaran mesin untuk mengelola data dan meningkatkan pengalaman pengguna. Para pemimpin industri juga melihat blockchain, baik untuk memperluas penggunaan buku besar terdistribusi dalam perangkat lunak mereka atau untuk mengintegrasikannya di tempat yang paling masuk akal dalam aplikasi PLM mereka.

Pasar PLM tahun lalu tumbuh 9,4%, dengan 18 penyedia menghasilkan pendapatan terkait sebesar $500 juta, kata Stan Przybylinski, VP penelitian di CIMdata Inc. Melihat ke tahun 2023, CIMdata melihat pasar PLM tumbuh hampir $72,4 miliar pada tingkat pertumbuhan tahunan gabungan sebesar 8,6%.

“Akuisisi Mentor Graphics oleh Siemens PLM Software menjadikan mereka satu-satunya penyedia dengan penawaran yang mencakup mekanik, elektrik/elektronik, dan perangkat lunak,” katanya. “Karena akuisisi itu, perkiraan CIMdata membuat Siemens berada di posisi No. 1 secara keseluruhan, melampaui Dassault Systèmes kurang dari $100 juta.”

Dengan peningkatan dan pertimbangan blockchain untuk PLM, aplikasi ini didefinisikan ulang sebagian untuk mencerminkan kemajuan mendasar di bidang manufaktur.

“Saya pikir masalah besarnya adalah PLM bukan lagi aplikasi yang berdiri sendiri,” kata John Kelley, VP strategi rantai nilai produk di Oracle. “Ini adalah bagian dari rantai pasokan dan manufaktur terintegrasi, dan merupakan bagian penting dari transisi ke Industri 4.0 dan perangkat cerdas yang terhubung.”

PLM juga telah menggunakan manajemen kembar digital, data besar, dan analitik untuk membangun aplikasi yang berguna seperti pemeliharaan preventif, pemantauan aset, dan pemantauan produksi, katanya.
CTO Perangkat Lunak Siemens PLM Jim Rusk mungkin setuju dengan Kelley. Rusk mengatakan perangkat lunak PLM yang komprehensif menawarkan keunggulan kompetitif.

“Kami telah melihat perkembangan yang cukup signifikan tentang bagaimana produk dikembangkan,” katanya. “Secara historis, mekanik dikembangkan oleh kelompok teknik dan kemudian mungkin Anda akan memiliki elektronik yang dikembangkan oleh kelompok lain dan mungkin ada beberapa perangkat lunak. Hambatan domain tersebut di perusahaan yang memproduksi produk kompleks tidak bisa lagi bertahan. Lebih sulit bagi mereka untuk bersaing saat mereka membuat serial proses ini.”

Menambahkan bensin ke pembelajaran mesin

Vikram Vedantham, manajer senior strategi bisnis di Autodesk, mengatakan teknologi desain generatif perusahaannya, yang awalnya diperkenalkan tahun lalu dan sekarang terintegrasi dalam platform desain-ke-manufaktur, Fusion 360, telah menjadi pemimpin dalam perubahan paradigma untuk menghadirkan teknologi otomatisasi cerdas. ke pasar teknik yang luas.

Desain generatif memperhitungkan definisi masalah dan batasan apa pun yang dikenakan oleh pengguna—termasuk dimensi, material, kondisi pemuatan—untuk menghasilkan beberapa solusi desain yang layak atau jawaban untuk masalah teknik.

“Kami ingin menghilangkan hambatan yang saat ini ada dalam bagaimana data mengalir dari satu orang dan memproses ke orang lain, dengan menanggung beban menerjemahkan data itu melalui pengalaman digital ujung-ke-ujung yang mulus dari desain hingga manufaktur,” katanya. . “Karena dengan begitu, kami dapat mulai melihat opsi di mana kami dapat secara selektif menyajikan respons yang disukai pelanggan daripada mengekspos mereka ke ratusan hasil.”

Autodesk telah meningkatkan pengalaman pengguna Fusion 360 dengan mengaktifkan data yang dihasilkan dari ide tahap awal hingga persiapan manufaktur untuk bergerak mulus dalam alur kerja saat pengguna beralih di antara halaman “ruang kerja”.

“Kami benar-benar ingin memastikan bahwa kami menanggung beban memanipulasi data dalam alur kerja,” kata Vedantham. “Riset pelanggan kami dan keterlibatan kami dengan pelanggan jelas menunjukkan bahwa itu adalah kebutuhan yang muncul dan penting di pasar.”

Sementara Autodesk berupaya mengintegrasikan pembelajaran mesin ke dalam proses desain generatifnya, Oracle memanfaatkan kecerdasan buatan untuk analitik prediktif dan manajemen kualitas dalam aplikasi Oracle PLM Cloud-nya.

“Perangkat yang terhubung dengan IoT dapat mendeteksi getaran yang berada di luar parameter desain. Di situlah memanfaatkan analitik prediktif dan pembelajaran mesin," kata Kelley. “Pertama, saya perlu memprediksi kapan aset itu akan gagal atau ketika kualitas produk yang dihasilkan di mesin itu berada di luar parameter. Kedua, saya memerlukan analitik untuk mengevaluasi perintah kerja yang dijadwalkan untuk peralatan atau lini produk dan memilih waktu terbaik untuk mengeluarkan perintah kerja pemeliharaan prediktif untuk memastikan kami meminimalkan dampak pada produksi pabrik saya. Tetapi saya juga akan memasukkannya kembali ke dalam aplikasi kualitas saya untuk menentukan apakah perubahan produk diperlukan untuk mencegah atau mengurangi kemungkinan masalah ini terjadi lagi.”

Saat perusahaan beralih dari penjualan produk ke produk sebagai layanan, menjamin waktu aktif untuk mengontrol aliran pendapatan sangat penting. Pemeliharaan prediktif dan manajemen aset prediktif sangat penting untuk model bisnis baru ini dan sekarang menjadi bagian dari perangkat lunak PLM.

PLM yang terhubung secara digital juga tidak lagi digunakan hanya oleh rekayasa. Ini juga digunakan oleh rantai pasokan, manufaktur, penjualan, dukungan, dan mitra lain di seluruh rantai nilai produk dan, dengan demikian, antarmuka pengguna dan dasbor khusus peran diperlukan untuk memastikan setiap pengguna mendapatkan informasi spesifik peran yang berguna yang diperlukan untuk melakukan pekerjaannya.

“Jadi, kami harus fokus menyajikan informasi yang bermakna berdasarkan peran,” kata Kelley. “Dan itu kuncinya, karena Anda perlu menyimpan sejumlah besar informasi tentang produk di PLM untuk membuat utas digital atau rekaman produk perusahaan yang Anda inginkan.”

Oracle melakukannya langsung di UI dan analitik yang disematkan di aplikasi.

“Saat Anda melakukan pekerjaan Anda, Anda dapat melihat analitik dan dasbor yang sangat dapat dikonfigurasi untuk penggunaan dan peran Anda,” katanya. “Jadi, pengguna akhir akan melihat transaksi tingkat yang lebih rendah sementara manajer akan melihat dasbor tentang kesehatan produk.”

Di Siemens, pembelajaran mesin digunakan dalam perangkat lunak NX terintegrasi untuk desain, simulasi, dan manufaktur.

“Kami mengumpulkan data saat pengguna bekerja dengan produk di mesin pengguna,” kata Rusk. “Tetapi kemudian kami menerapkan pembelajaran mesin untuk bekerja dan mengatakan bahwa mengingat beberapa jam terakhir atau lebih lama, inilah pola yang kami kenali. Berdasarkan apa yang telah dilakukan pengguna tersebut atau kelompok pengguna yang lebih besar di masa lalu, kami dapat memprediksi apa yang perlu mereka lakukan selanjutnya untuk menyelesaikan tugas mereka.”

Masih ada kebutuhan untuk penilaian rekayasa manusia dan pengambilan keputusan, tambahnya. Namun kecerdasan buatan dan pembelajaran mesin dapat mengambil keputusan tersebut dan menyajikan informasi yang dibutuhkan pengguna dengan jauh lebih cepat.

Rusk mengatakan membuat pengalaman pengguna lebih sederhana adalah "depan dan tengah" untuk perangkat lunak PLM berbasis server Teamcenter dan platform entri berbasis browser Teamcenter, Active Workspace. Bersama-sama mereka adalah akses utama ke informasi produk yang dapat disajikan secara tekstual atau grafis. Itu karena kompleksitas kelompok penggunanya telah meningkat.

“Pengguna kami memproduksi beberapa produk paling rumit di dunia, apakah Anda berbicara tentang mobil atau pesawat terbang atau elektronik konsumen,” katanya. “Apa pun itu membutuhkan audiens yang lebih luas dan lebih luas.

“Anda dapat membayangkan bahwa melampaui lingkungan desktop tradisional, ini membuka Anda untuk akses dari perangkat seluler,” katanya. “Ini membukanya untuk bagian lain dari operasi, termasuk sumber, lantai toko, dan departemen teknik. Idenya adalah untuk menyederhanakan dan meratakan pengalaman pengguna sehingga pengguna dapat melakukan penelusuran dengan sangat cepat, mengambil informasi yang mereka minati, dan melanjutkan ke langkah berikutnya.”

Di mana blockchain masuk akal?

Juga bagian dari PLM adalah melacak dan melacak, sistem untuk menunjukkan dengan tepat setiap lokasi item dan informasi lainnya.

Oracle tahun ini mulai menawarkan aplikasi blockchain untuk pelacakan dan pelacakan cerdas, garis keturunan dan asal lot (yang membantu kepatuhan pengenal perangkat unik), rantai dingin cerdas (dokumentasi pendinginan yang tepat untuk barang yang mudah rusak), dan pelacakan garansi dan penggunaan.

“Kami menganggap IoT dan kemampuan untuk menggabungkan blockchain sebagai bagian dari keseluruhan jejak kami,” kata Kelley.

Oracle sedang mengevaluasi blockchain untuk tagihan material dan kolaborasi manajemen perubahan di masa mendatang dengan mitra desain dan manufaktur yang dialihdayakan.

Kelley mengatakan secara tradisional OEM akan mengelola kolaborasi pemasok dengan mengelola BOM (tagihan bahan) dan perubahan rekayasa dalam sistem PLM mereka dan kemudian mengirimkan informasi tersebut ke pemasok yang kemudian akan menariknya ke dalam sistem mereka. Tetapi bagi perusahaannya, kolaborasi membuat aplikasi blockchain cocok untuk BOM dan perintah perubahan rekayasa, dan Oracle sedang membangun rencana untuk mereka.

“Jadi itu adalah area yang akan kami targetkan untuk blockchain,” kata Kelley. “Kami belum memiliki tanggal atau waktu untuk itu, tetapi ini jelas merupakan area yang akan kami manfaatkan dengan blockchain untuk meningkatkan kolaborasi antara mitra dan rantai pasokan dan rantai nilai produk.”

Blockchain adalah “area eksplorasi” untuk Autodesk, kata Vedantham.

“Kami juga melihatnya dari aspek kemitraan strategis untuk mencari cara terbaik untuk mengintegrasikannya,” tambahnya.

Dan di Siemens, tidak ada kerangka waktu untuk mengimplementasikan blockchain meskipun itu adalah “bidang minat aktif” bagi perusahaan, kata Rusk.

“Ada kekhawatiran seputar informasi palsu yang mungkin diambil di suatu tempat di ruang digital kemudian dikumpulkan dan dikirim kembali ke OEM,” katanya. “Ada potensi blockchain untuk dapat memasukkan dirinya sendiri dan mencegah hal itu terjadi dalam skenario semacam itu.

“Jadi, saya pikir pendekatan yang memungkinkannya untuk mengejar kekhawatiran tertentu seputar validasi yang tepat, pemalsuan, validasi pemasok, dan jenis masalah lain yang mungkin Anda hadapi di dunia maya adalah salah satu manfaat utama yang Anda dapatkan dari blockchain.”