Bagaimana Rekayasa Produk Berbasis Analitik Meningkatkan Desain dan Kinerja
Sebuah pandangan tentang bagaimana simulasi sistem dan kemampuan IoT dapat menutup loop umpan balik data.
Setelah produk terjual, para insinyur produk biasanya hanya mendapatkan sedikit umpan balik tentang kinerja produk di lapangan. Itu tidak perlu menjadi hal itu lagi. Dengan solusi yang tepat, produsen produk dapat menggabungkan simulasi sistem dan kemampuan IoT untuk meningkatkan desain produk dan kemudian menerbitkan resolusi menggunakan simulasi berdasarkan beban nyata.
RTInsights baru-baru ini duduk dengan Jasmin Klein, Global Portfolio Development, dan Christian Binkowski, Cloud Solution Manager, dari Siemens untuk membahas manfaat menyertakan loop umpan balik data antara insinyur produk dan perangkat di lapangan untuk mencapai optimasi produk real-time, digital twin, dan lainnya. Berikut adalah ringkasan percakapan.
RTInsights: Apa itu rekayasa produk berbasis analitik?
Klein: Rekayasa produk berbasis analitik memungkinkan pengguna mengambil data kinerja langsung dari produk atau mesin di lapangan dan mendorongnya kembali ke dalam model simulasi produk untuk meningkatkan desain produk. Dengan data produksi langsung yang disalurkan kembali ke dalam model, sebuah digital twin tertutup diciptakan.
Digital twin ini kemudian dapat digunakan untuk secara aktif meningkatkan desain produk. Misalnya, jika produk mulai mengalami masalah, Anda dapat menjalankan simulasi yang akurat padanya menggunakan data langsung dan mulai mengidentifikasi penyebab akut dari masalah apa pun. Dengan masalah yang sepenuhnya dipahami, perubahan yang diperlukan dapat dibuat dalam desain untuk iterasi masa depan. Dampak perubahan juga dapat diverifikasi secara akurat menggunakan model simulasi yang lebih akurat dengan data nyata dari mesin.
RTInsights: Apa manfaat menggunakan rekayasa produk berbasis analitik?
Klein: Dengan simulasi yang akurat, tidak hanya desainer dapat membuat keputusan yang lebih baik, tetapi itu mengurangi waktu dan biaya untuk mendesain baru ke pasar. Kebutuhan untuk prototipe hampir tereliminasi. Perusahaan memiliki kemampuan untuk mengembangkan produk yang berpusat pada pengguna yang memenuhi kebutuhan pelanggan dan meningkatkan kepuasan pelanggan. Mereka dapat belajar dari masalah di lapangan dengan menggunakan data nyata, mensimulasikan kesalahan, dan meningkatkan desain. Dengan cara ini, mereka dapat menghilangkan masalah produk, menghemat waktu dan uang dengan mengurangi waktu validasi produk, dan menghindari over-engineering. Bersama-sama, ini meningkatkan efisiensi secara keseluruhan.
RTInsights: Solusi apa yang ditawarkan Siemens di bidang ini?
Binkowski: Siemens memiliki MindSphere®, solusi industrial IoT as a service, yang menghubungkan produk, mesin, dan sistem dari semua jenis dan merek bersama-sama. Solusi ini mengumpulkan, mengagregasi, mengelola, dan menganalisis data kinerja. Untuk solusi MindSphere Analytics-Based Product Engineering, khususnya, MindSphere terintegrasi dengan mulus dengan SimcenterTM AmesimTM perangkat lunak melalui konektor yang dibuat khusus. Aplikasi MindSphere menggunakan konektor ini untuk mendorong data kinerja langsung kembali ke dalam model simulasi.
(Perangkat lunak Simcenter Amesim mensimulasikan semua jenis sistem mekatronika. Ini datang dengan ribuan perpustakaan dan templat solusi untuk mesin, mobil, baterai, kapal, dan lainnya.)
Setelah Anda memiliki koneksi yang dirasakan antara kedua sistem, Anda dapat memilih data time series yang ingin Anda jelajahi. Misalnya, jika ada masalah di lapangan, Anda mungkin ingin mensimulasikan 20 menit sebelum atau sekitar insiden tersebut. Anda dapat memilih rentang waktu di MindSphere, dan MindSphere menghasilkan paket simulasi dan mentransfer ini ke Simcenter Amesim. Kemudian, simulasi dieksekusi, dan setelah selesai, Anda dapat melihat hasil simulasi di MindSphere.
RTInsights: Bisakah Anda memberikan contoh kasus penggunaan dan keberhasilan?
Klein: Saya akan memulai dengan kasus penggunaan umum. Saat ini, dalam plupart kasus, mesin dikirim ke pelanggan, dan manajer produk tidak pernah mendapatkan informasi tentang kinerja mesin di lapangan untuk meningkatkan desain produk. Kapan saja ada masalah, dukungan dihubungi, dan masalah diperbaiki di lokasi pelanggan. Informasi dari dukungan biasanya tidak sampai ke insinyur produk, atau ditransmisikan jauh lebih lama. Karena kesenjangan ini, insinyur produk harus mengembangkan desain yang didorong hipotesis, yang menghasilkan over- atau under-engineering. Pada akhirnya, ini berarti bahwa persyaratan pelanggan tidak terpenuhi atau tidak akan terpenuhi di masa depan.
Pendekatan rekayasa berbasis analitik yang ditawarkan oleh MindSphere menyediakan loop umpan balik itu untuk mengubah desain produk dan meningkatkan kinerjanya di lapangan.
Binkowski: Contoh lain adalah dalam mengoptimalkan kinerja produk yang ada. Solusi ini menawarkan kemampuan untuk menyesuaikan parameter tertentu pada model simulasi secara langsung di MindSphere. Misalnya, jika Anda memiliki produk yang dapat beroperasi pada kecepatan yang berbeda, Anda dapat menguji kecepatan mana yang paling optimal. Dengan menggunakan model simulasi yang diperbarui untuk menjalankan parameter, Anda dapat menguji mesin menggunakan kondisi saat ini dari baris produksi.
Klein: Jika kita melihat contoh pelanggan yang menjual mesin yang terhubung dengan solusi IoT seperti MindSphere, pelanggan tersebut dapat terus mengumpulkan data, mendapatkan wawasan kinerja kapan saja, dan kemudian mensimulasikan masalah menggunakan informasi ini untuk meningkatkan desain produk.
Insinyur produk dapat belajar dan menarik kesimpulan langsung dari data langsung dari mesin. Pada akhirnya, ini memastikan bahwa insinyur produk dapat mengembangkan produk yang berpusat pada pengguna dan meningkatkan kepuasan pelanggan.
Contohnya adalah Konecranes, perusahaan Finlandia yang spesialis dalam pembuatan dan pemeliharaan mesin pengangkat dan alat pengangkat. Mereka telah menerapkan solusi digital untuk mempercepat proses pengembangan produk dan menghubungkan data produk dan kinerja bersama-sama.
Perusahaan menggunakan MindSphere dan Teamcenter®, perangkat lunak manajemen siklus hidup digital Siemens, untuk memanfaatkan digital twin untuk mengurangi jumlah prototipe yang perlu diproduksi. Ini membantu mereka meningkatkan efisiensi dan juga mengurangi waktu validasi produk. Dengan menerapkan solusi inovasi digital, mereka mempercepat proses pengembangan produk dan meningkatkan kolaborasi antara organisasi pengujian simulasi dan rekayasa di perusahaan mereka.
