Merevolusi Rekayasa dengan Otomasi Cerdas: Cloud, ML, dan Blockchain dalam PLM
Di tengah pertumbuhan yang gigat di industri mereka, pengembang perangkat lunak manajemen siklus hidup produk (PLM) memanfaatkan cloud dan machine learning untuk mengelola data dan meningkatkan pengalaman pengguna. Para pemimpin industri juga memandang 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. Menuju 2023, CIMdata melihat pasar PLM tumbuh menjadi hampir $72,4 miliar dengan tingkat pertumbuhan tahunan gabungan 8,6%.
"Akuisisi Mentor Graphics oleh Siemens PLM Software menjadikannya satu-satunya penyedia dengan tawaran yang mencakup mekanik, listrik/elektronik, dan perangkat lunak," katanya. "Karena akuisisi itu, estimasi CIMdata menempatkan Siemens di posisi No. 1 secara keseluruhan, melebihi Dassault Systèmes kurang dari $100 juta."
Dengan peningkatan dan pertimbangan blockchain untuk PLM, aplikasi sedang didefinisikan ulang sebagian untuk mencerminkan kemajuan dasar dalam manufaktur.
"Saya pikir isu besarnya PLM tidak lagi merupakan aplikasi mandiri," kata John Kelley, VP strategi rantai nilai produk di Oracle. "Ini adalah bagian dari rantai pasok dan manufaktur terintegrasi, dan ini adalah bagian kunci dari transisi ke Industry 4.0 dan perangkat pintar yang terhubung."
PLM juga telah mengambil manajemen digital twin, big data, dan analitik untuk membangun aplikasi yang berguna seperti yang digunakan untuk pemeliharaan mencegah, pemantauan aset, dan pemantauan produksi, katanya.
CTO Siemens PLM Software Jim Rusk mungkin setuju dengan Kelley. Rusk mengatakan perangkat lunak PLM yang komprehensif menawarkan keunggulan kompetitif.
"Kami telah melihat progresi yang cukup signifikan dalam cara produk dikembangkan," katanya. "Secara historis, mekanik dikembangkan oleh kelompok rekayasa dan kemudian mungkin Anda akan memiliki elektronik yang dikembangkan oleh kelompok lain dan mungkin ada beberapa perangkat lunak. Hambatan domain di perusahaan yang memproduksi produk kompleks tidak lagi dapat bertahan. Sulit bagi mereka untuk bersaing saat mereka mengurutan proses-proses ini."
Menambahkan bensin pada machine learning
Vikram Vedantham, senior manager strategi bisnis di Autodesk, mengatakan teknologi desain generatif milik perusahaannya, yang diperkenalkan tahun lalu dan sekarang terintegrasi dalam platform desain-ke-manufaktur Fusion 360, telah menjadi pemimpin dalam paradigma pergeseran untuk membawa teknologi otomasi cerdas ke pasar rekayasa luas.
Desain generatif mempertimbangkan definisi masalah dan keterbatasan apa pun yang dijatuhkan oleh pengguna—termasuk dimensi, material, kondisi beban—untuk menghasilkan banyak solusi desain yang viable atau jawaban atas masalah rekayasa.
"Kami sangat tertarik untuk menghilangkan hambatan yang saat ini ada dalam cara data mengalir dari satu orang dan proses ke orang lain, dengan mengambil beban menterjemahkan data tersebut melalui pengalaman digital end-to-end yang mulus dari desain hingga manufaktur," katanya. "Karena kemudian kami dapat mulai melihat opsi di mana kami dapat secara selektif menyajikan respons yang disukai pelanggan alih-alih mengekspos mereka pada ratusan hasil."
Autodesk telah meningkatkan pengalaman pengguna Fusion 360 dengan memungkinkan data yang dihasilkan dari ideasi tahap awal hingga persiapan manufaktur bergerak secara mulus dalam alur kerja saat pengguna berganti di antara halaman "workspace".
"Kami sangat ingin memastikan bahwa kami mengambil beban memanipulasi data dalam alur kerja," kata Vedantham. "Penelitian pelanggan kami dan keterlibatan kami dengan pelanggan pasti menunjukkan bahwa ini adalah kebutuhan yang muncul dan esensial di pasar."
Sementara Autodesk bekerja pada integrasi machine learning ke dalam proses desain generatifnya, Oracle memanfaatkan kecerdasan buatan untuk analitik prediktif dan manajemen kualitas dalam aplikasi Oracle PLM Cloud mereka.
"Sebuah perangkat IoT yang terhubung mungkin mendeteksi getaran yang di luar parameter desain. Itulah tempat memanfaatkan analitik prediktif dan machine learning," kata Kelley. "Pertama, saya perlu memprediksi kapan aset tersebut akan gagal atau kapan kualitas produk yang diproduksi di mesin tersebut jatuh di luar parameter. Kedua, saya perlu analitik untuk mengevaluasi pesanan kerja yang dijadwalkan untuk peralatan atau baris produksi dan memilih waktu terbaik untuk mengeluarkan pesanan kerja pemeliharaan prediktif untuk memastikan kami meminimalkan dampak terhadap throughput pabrik saya. Namun saya juga akan memberi umpan balik itu ke aplikasi kualitas saya untuk menentukan apakah perubahan produk diperlukan untuk mencegah atau mengurangi kemungkinan masalah ini terjadi lagi."
Seiring perusahaan beralih dari penjualan produk ke produk sebagai layanan, menjamin uptime untuk mengontrol aliran pendapatan adalah kritis. Pemeliharaan prediktif dan manajemen aset prediktif adalah kritis untuk model bisnis baru ini dan sekarang merupakan bagian dari perangkat lunak PLM.
PLM yang terhubung secara digital tidak lagi hanya digunakan oleh rekayasa. Digunakan juga oleh rantai pasok, manufaktur, penjualan, dukungan, dan mitra lain di seluruh rantai nilai produk dan, demikian, antarmuka pengguna dan dasbor yang spesifik peran diperlukan untuk memastikan setiap pengguna mendapatkan informasi spesifik peran yang berguna yang dibutuhkan untuk melakukan pekerjaannya.
"Jadi, kami telah harus fokus pada menyajikan informasi yang bermakna berdasarkan peran," kata Kelley. "Dan itu adalah kunci, karena Anda perlu menyimpan sejumlah besar informasi tentang produk dalam PLM untuk menciptakan benang digital atau catatan produk enterprise yang Anda inginkan."
Oracle melakukannya secara langsung di UI dan di analitik yang tertanam dalam 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 bawah sementara manajer akan melihat dasbor tentang kesehatan produk."
Di Siemens, machine learning digunakan dalam perangkat lunak terintegrasi NX untuk desain, simulasi, dan manufaktur.
"Kami mengumpulkan data saat pengguna bekerja dengan produk di mesin pengguna," kata Rusk. "Tetapi kemudian kami memanfaatkan machine learning dan mengatakan bahwa berdasarkan beberapa jam terakhir atau lebih lama, inilah pola yang kami kenali. Berdasarkan apa yang dilakukan pengguna tersebut atau sekelompok pengguna yang lebih besar di masa lalu, kami dapat memprediksi apa yang harus mereka lakukan selanjutnya untuk menyelesaikan tugas mereka."
Masih ada kebutuhan akan penilaian rekayasa manusia dan pengambilan keputusan, katanya tambahan. Tetapi kecerdasan buatan dan machine learning dapat mencapai keputusan tersebut dan menyajikan informasi yang dibutuhkan pengguna jauh lebih cepat.
Rusk mengatakan membuat pengalaman pengguna lebih sederhana adalah "prioritas utama" 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 teks atau grafik. Itu karena kompleksitas sekelompok pengguna telah meningkat.
"Pengguna kami memproduksi beberapa produk paling rumit di dunia, baik Anda berbicara tentang mobil atau pesawat atau elektronik konsumen," katanya. "Apa pun itu memerlukan audiens yang semakin luas."
"Anda dapat membayangkan bahwa melampaui lingkungan desktop tradisional itu membuka Anda untuk akses dari perangkat seluler," katanya. "Ini membuka akses untuk bagian lain dari operasi, termasuk sourcing, lantai bengkel, dan departemen rekayasa. Ide di sana adalah untuk menyederhanakan dan meratakan pengalaman pengguna sehingga pengguna dapat dengan sangat cepat melakukan pencarian, mengambil informasi yang mereka minati dan melangkah ke langkah berikutnya."
Di mana blockchain masuk akal?
Juga bagian dari PLM adalah track and trace, sistem untuk menentukan setiap lokasi item dan informasi lainnya.
Oracle tahun ini mulai menawarkan aplikasi blockchain untuk track and trace yang cerdas, lot lineage dan provenance (yang membantu kepatuhan unique device identifier), cold chain yang cerdas (dokumentasi pendinginan yang tepat untuk bahan mudah busuk), dan pelacakan jaminan serta penggunaan.
"Kami memandang IoT dan kemampuan untuk mengintegrasikan blockchain sebagai bagian dari jejak keseluruhan kami," kata Kelley.
Oracle mengevaluasi blockchain untuk bill of material masa depan dan kolaborasi manajemen perubahan dengan mitra desain dan manufaktur outsourcing.
Kelley mengatakan tradisionalnya OEM akan mengelola kolaborasi pemasok dengan mengelola BOM (bill of materials) dan perubahan rekayasa dalam sistem PLM mereka dan kemudian mengirim informasi ke pemasok yang kemudian akan menariknya ke dalam sistem mereka. Namun bagi perusahaannya, kolaborasi membuat aplikasi blockchain cocok untuk BOM dan pesanan perubahan rekayasa, dan Oracle sedang membuat rencana untuk mereka.
"Jadi itu adalah area yang akan kami targetkan untuk blockchain," kata Kelley. "Kami belum memiliki tanggal atau waktu untuk itu, tetapi itu tentu adalah area yang akan kami manfaatkan dengan blockchain untuk meningkatkan kolaborasi antara mitra dan rantai pasok serta rantai nilai produk."
Blockchain adalah "area eksplorasi" bagi Autodesk, kata Vedantham.
"Kami juga memandangnya dari aspek kemitraan strategis untuk mengetahui cara terbaik mengintegrasikannya," katanya tambahan.
Dan di Siemens, tidak ada jadwal waktu untuk implementasi meskipun ini adalah "area minat aktif" untuk perusahaan, kata Rusk.
"Ada kekhawatiran mengenai informasi palsu yang mungkin telah ditangkap di mana saja di ruang digital lalu dikumpulkan dan dikembalikan ke OEM," katanya. "Ada potensi bagi blockchain untuk dapat menyisipkan diri dan mencegah hal itu terjadi dalam skenario semacam itu."
"Jadi, saya pikir pendekatan ini yang memungkinkannya untuk mengejar kekhawatiran tertentu tentang validasi yang tepat, palsu, validasi pemasok, dan jenis kekhawatiran lain yang mungkin Anda temui di ruang siber adalah salah satu manfaat utama yang Anda dapatkan dari blockchain."
