고급 제조 분석으로 디지털 혁신 격차 해소

제조 엔지니어링: 기계 모니터링 및 분석은 디지털 제조/인더스트리 4.0 시대에 그 어느 때보다 중요해졌습니다. Sight Machine의 최신 제품의 새로운 기능은 무엇입니까?

존 소벨: 당사의 최신 제품은 훨씬 더 광범위한 제조업체를 위해 설계되었습니다. 대다수의 제조업체가 최소한 디지털 혁신 여정을 시작했지만 우리는 그들 사이에서 광범위한 준비 수준을 발견했습니다. 많은 기업이 IoT(사물 인터넷) 데이터를 사용하여 제조 운영에 대한 더 나은 가시성을 확보하기를 열망하지만 고급 분석에 대한 준비가 되어 있지 않습니다. 그들은 사내 전문 지식이나 조직적 지원이 없거나 한 발짝 내딛기에는 너무 큰 도약을 나타냅니다. 디지털 제조 플랫폼의 새로운 계층인 EMV(Enterprise Manufacturing Visibility)를 도입하여 디지털 제조로의 빠른 진입을 제공합니다. EMV를 통해 기업은 모든 공장에서 제조 작업의 성과에 대한 실시간 가시성을 매우 빠르게 얻을 수 있습니다. 셀프 서비스 설정을 제공하므로 제조업체는 공장에서 모든 종류의 생산 데이터를 신속하게 가져온 다음 브라우저 기반 가시성을 통해 해당 데이터를 모니터링할 수 있습니다.

Sight Machine의 고급 계층인 EMA(Enterprise Manufacturing Analytics)는 통계적 프로세스 제어, 상관 열 지도, 이상 감지 및 병목 현상 분석과 같은 전체 분석 도구 제품군을 제공합니다. 고급 분석을 적용하여 생산량 증가, 주기 시간 단축, 불량률 감소와 같은 이점을 달성합니다. 이러한 분석 기반 통찰력은 기업이 비즈니스 모델과 공급업체 및 고객과의 관계를 혁신하는 데 필요한 기반입니다.

나: 새로운 계층 구조가 제조업체가 본격적인 분석 없이 디지털 제조를 시작하는 데 어떻게 도움이 됩니까?

소벨: 지금까지는 가시성과 분석을 모두 제공하는 단일 제품이 있었습니다. 이제 가시성 도구를 독립형 제품으로 분리했습니다. EMV는 데이터 수집, 정리 및 컨텍스트화, 생산 프로세스 모델링을 위한 자동화된 도구를 사용하여 디지털 제조에 간단하고 쉽게 확장할 수 있는 셀프 서비스 방식을 제공합니다.

EMV를 사용하면 기업이 Global Operations View, KPI 대시보드 및 스트리밍 데이터 시각화를 포함하는 애플리케이션을 통해 시설, 기계 유형 및 기계별로 출력, 가용성 및 가동 중지 시간을 모니터링할 수 있습니다. 가시성은 실시간 및 기록입니다.

EMV의 기능에는 시설, 기계 및 기계 유형의 데이터 모델을 생성하는 브라우저 기반 도구인 Digital Twin Builder가 포함됩니다. 여기에는 클라우드로 스트리밍하기 위해 기계 및 공장 데이터를 준비하는 에지 소프트웨어인 FactoryTX도 포함됩니다.

나: 기업이 모니터링/분석을 시작하는 것이 얼마나 어려운지, 최근에 도입한 Digital Readiness Index 방법론은 기업에 무엇을 알려줍니까?

소벨: 성공적인 디지털 전환의 핵심은 회사 또는 공장의 준비 수준에 적합한 프로젝트를 선택하는 것이라는 사실을 알게 되었습니다. 준비 상태에는 데이터 연결 및 액세스 가능성과 같은 기술 요소, 클라우드 및 보안 전략뿐만 아니라 조직적 요소도 포함됩니다. 우리는 G500 제조업체와 6년 동안 협력하면서 조직적 요소가 최소한 기술적인 요소만큼 중요하다는 것을 발견했습니다. 여기에는 공장 수준과 경영진 수준의 약속 및 동의 수준, 클라우드 및 보안 전략의 존재가 포함됩니다.

Sight Machine은 디지털 제조 프로젝트에 대한 회사의 기술 및 조직적 준비 상태를 평가하고 현재 준비 상태를 기반으로 가장 성공할 가능성이 높은 적절한 프로젝트를 식별하기 위해 DRI(디지털 준비 지수)라는 방법론을 개발했습니다. 우리는 표준화된 설문지를 사용하여 각 회사를 연결, 가시성, 효율성, 고급 분석 및 변환의 5가지 디지털 준비 영역 중 하나로 매핑합니다. 각 디지털 준비 영역은 해당 수준의 준비 상태에서 달성할 수 있는 프로젝트의 예에 매핑됩니다.

나: 이 시점에서 제조 산업이 고급 공장 분석을 채택하는 데 어느 정도 진행되고 있습니까?

소벨: 우리가 이야기하는 모든 주요 제조업체는 최소한 디지털 혁신 여정을 시작했습니다. 우리는 회사 간뿐 아니라 회사의 개별 공장 내에서도 큰 차이를 발견했습니다.

다음 단계와 관련하여 생각할 수 있습니다. 데이터 액세스; 시계; 그리고 통찰력. 회사에서 디지털 데이터를 수집하고 저장하는 것은 매우 일반적입니다. 많은 사람들이 개별 공장 내의 다양한 라인이나 기계를 모니터링할 수 있는 간단한 대시보드를 함께 만들었습니다.
공장 전반에 걸쳐 가시성을 확보한 제조업체는 상대적으로 적습니다. 우리는 Sight Machine이 기업 간 가시성을 빠르게 확보하기 위해 시장에서 유일하게 확장 가능한 솔루션을 제공한다고 믿습니다.

고급 분석의 경우 함께 일하는 회사를 제외하고 맞춤형 데이터 과학 프로젝트를 가장 자주 봅니다. 성능 또는 품질 문제에 직면한 회사는 데이터 과학자에게 알려진 문제를 해결하는 임무를 부여합니다. 그들은 일반적으로 손에 넣을 수 있는 모든 데이터를 가져와 Excel이나 통계 프로그램에 넣고 상관 관계를 찾는 일회성 솔루션을 개발합니다.

문제는 이러한 프로젝트가 확장 가능하거나 다른 문제에 적용할 수 없다는 것입니다. 데이터 추출 및 모델링은 애플리케이션 및 데이터 사일로를 생성하는 방식으로 수행됩니다. 운영 VP 또는 CIO의 관점에서 보면 제조 기업의 운영을 전체적으로 이해하는 데 도움이 되는 방식으로 통합할 수 없는 맞춤형 애플리케이션이 급증하게 됩니다.

Sight Machine의 디지털 트윈은 생산 프로세스의 실제 작동하는 라이브 데이터 모델입니다. 새로운 기계와 프로세스를 추가하여 신속하게 확장할 수 있는 단일 애플리케이션인 당사의 Digital Twin은 모든 운영 문제를 확인하기 위해 쿼리할 수 있는 단일 정보 소스를 제공합니다.

나: 고급 분석을 통해 제조업체는 이 기술에 대해 자세히 알아볼 수 있습니까?

소벨: 디지털 혁명은 광고, 소매, 투자, 과학, 정치 등 각 부문을 변화시켜 효율성을 크게 향상시켰을 뿐만 아니라 새로운 비즈니스 모델을 변화시키고 창출했습니다. 제조업체는 데이터의 힘을 이제 막 활용하기 시작했으며 실제 결과를 보고 있습니다.

기존 공장과 기계의 생산성을 높이거나 스크랩 및 결함을 줄이면 수익에 직접적인 영향을 미칩니다. 그러나 대부분의 주요 제조업체는 오래 전에 식스 시그마 및 린과 같은 분야에서 모든 덜 매달린 과일을 선택했습니다. 다음 큰 도약은 모든 공장에서 제조업체의 기업 운영에 대한 진정한 가시성을 확보한 다음 다른 산업에서 디지털 혁신을 통해 10년 이상 연마된 분석 기술을 적용하는 것입니다.

나: Sight Machine 플랫폼의 인공 지능[AI]은 어떻게 이전 또는 경쟁 제품보다 공장 분석을 더 발전시키나요?

소벨: Sight Machine의 AI 데이터 파이프라인은 원시 데이터를 분석을 성공적으로 적용할 수 있는 상황별 데이터로 변환하는 특허 출원 중인 기술입니다. AI Data Pipeline은 당사 플랫폼을 통해 센서, PLC, 데이터 히스토리언 등의 원시 데이터를 가져온 다음 정리, 태그 지정 및 혼합을 통해 분석을 위해 준비하는 힘든 작업을 수행합니다.

그런 다음 데이터는 공장 생산 프로세스를 모델링하는 다른 특허 출원 중인 기술인 Plant Digital Twin으로 이동합니다. AI Data Pipeline에서 데이터를 가져와 시스템 모델로 조합하여 수백 개의 소스에서 수천 개의 데이터 포인트를 생산을 통해 이동하는 부품 또는 배치의 표현으로 변환합니다. Plant Digital Twin은 각 부품 또는 배치에 대해 생산 프로세스의 각 지점에서 기계 상태를 반영하고 해당 부품 또는 배치에 사용된 원자재, 습도 및 온도와 같은 환경 요인, 기계 작업자의 신원 등을 기록합니다. 추가 데이터를 사용할 수 있습니다.

사내 분석 이니셔티브와 같은 경쟁 제품을 통해 데이터 과학자는 실행 가능한 비즈니스 통찰력을 찾기 위해 데이터를 분석하지 않고 수동으로 데이터를 선택, 정리 및 결합하는 데 대부분의 시간을 보냅니다. 대조적으로, 당사의 AI 데이터 파이프라인 및 플랜트 디지털 트윈 기술은 실시간으로 생산 프로세스의 디지털 표현을 자동으로 생성하여 데이터 과학자, 라인 운영자 및 플랜트 관리자가 운영 문제를 소급적으로 조사하는 대신 사전에 능동적으로 대응할 수 있도록 합니다.

나: 귀사의 제조 분석 플랫폼으로 모범적인 작업을 수행하는 제조업체의 예를 들어 주십시오.

소벨: 우리는 다른 기술 제공업체가 해결할 수 없는 문제, 즉 가장 수익성이 높은 공장에서 높은 폐기율을 해결하는 데 도움을 주기 위해 의료 제품 제조업체에서 지원했습니다. Sight Machine 플랫폼은 자연어 처리, 시퀀스 분석, 클러스터 분석 및 회귀를 혼합한 근본 원인 분석을 수행했습니다.

Sight Machine 플랫폼은 다양한 스크랩 원인을 식별하고 우선 순위를 지정하여 전체 장비 효율성을 약 3% 증가시켰습니다. 이는 이 공장에서만 연간 2,000만 달러 이상의 비용을 절감할 수 있다는 것을 의미합니다.

획득

지멘스 PLM 소프트웨어 (Plano, TX)가 Solido Design Automation Inc. 인수에 동의했습니다. (Saskatoon, SK), 반도체 회사에 대한 변동 인식 설계 및 특성화 소프트웨어 개발자입니다.

거래 조건은 공개되지 않았다. Siemens는 2017년 12월 초에 거래를 완료할 예정이라고 밝혔습니다. Solido의 기계 학습 기반 제품은 현재 40개 이상의 주요 회사에서 생산에 사용되어 더 경쟁력 있는 제품을 설계, 검증 및 제조할 수 있습니다.
추가 인수 Mentor Graphics(2017년 3월 Siemens에 인수됨)의 아날로그/혼성 신호(AMS) 검증 포트폴리오를 확장하여 자동차, 통신, 데이터 센터 컴퓨팅, 네트워킹, 모바일, 및 IoT 애플리케이션.

Solido Design Automation의 설립자이자 사장 겸 CEO인 Amit Gupta는 Solido는 고객이 IC 성능, 전력, 면적 및 수율을 개선하기 위해 가변성의 영향을 해결할 수 있도록 돕습니다. 굽타는 "우리의 기술 포트폴리오와 멘토의 IC 기능 및 시장 범위를 결합하면 훨씬 더 큰 규모로 반도체 산업에 솔루션을 제공할 수 있게 될 것"이라고 말했다. "엔지니어링 기술 포트폴리오 및 전문 지식을 위한 응용 머신 러닝을 통해 Siemens의 광범위한 디지털화 전략에 기여하게 된 것을 기쁘게 생각합니다."

신규 출시

테비스 아메리카 (미시간주 트로이)는 사용자가 프로세스를 가속화하는 데 도움이 되는 최적화된 성능을 특징으로 하는 버전 4.0 CAD/CAM 소프트웨어의 릴리스 5를 발표했습니다.

이 버전의 업데이트를 통해 사용자는 기계 시뮬레이션 개선, 도구 세트 작업, 형상 가공에서 도구 검색 또는 작업 관리자에서 도구 교환을 통해 기능 제한 없이 프로세스 속도를 높일 수 있습니다.

이 새로운 릴리스를 통해 NC 프로그래밍은 이제 빠르고 안정적인 절차와 프로세스를 가능하게 하는 프로세스 라이브러리가 있는 템플릿을 기반으로 크게 자동화되었습니다. 사용자는 소프트웨어로 크고 복잡한 부품을 편집할 수도 있습니다. Tebis는 특정 프로세스에서 발생하는 가장 무거운 로드를 식별하여 긴 대기 시간과 리소스 및 충돌의 과도한 사용을 초래할 수 있는 병목 현상을 완화하는 데 도움을 줍니다. Tebis 개발자는 사용 가능한 메모리 사용을 최적화하도록 시스템을 조정했으며 병렬 처리에 의존하는 멀티코어 기술이 동시에 통합되었습니다. 확장된 병렬 처리는 특히 재황삭을 위한 NC 프로그램 계산에서 상당한 시간을 절약합니다. 시간 최적화를 통해 부품을 로드, 음영 처리 및 저장할 수 있습니다.

MES(제조 실행 시스템) 개발자 42Q (캘리포니아주 산호세)는 디지털 공장 혁신을 가속화하는 핵심 기능을 갖춘 솔루션인 새로운 Digital Factory Starter Kit를 출시했습니다.

Digital Factory Starter Kit에는 작업 현장 및 품질 기능, 추적 기능 및 BI(비즈니스 인텔리전스) 보고 기능이 포함되어 있습니다. 42Q 클라우드 솔루션의 일부인 이 키트를 통해 제조업체는 몇 주 만에 42Q를 사용하여 디지털 공장 혁신의 가치를 실현할 수 있습니다.

42Q의 CTO인 Srivats Ramaswami는 "기존의 온프레미스 MES 플랫폼을 배포하는 데 드는 비용과 복잡성으로 인해 기본 기능에 대해 9~18개월의 가치 실현 시간이 소요될 수 있습니다. “디지털 혁신을 시작하는 제조업체는 그렇게 오래 기다릴 필요가 없습니다. 우리는 디지털 혁신에 필요한 핵심 기능을 포함하고 비즈니스 프로세스나 고객 제공을 중단하지 않고 몇 주 안에 회사를 가동하고 운영할 수 있도록 Digital Factory Starter Kit를 설계했습니다."

Digital Factory Starter Kit의 주요 기능에는 전자 여행가, 주기 관리, 상점 주문 관리 및 프로세스가 포함됩니다.

라우팅 제어. 직원 검증 및 전자 작업 지침, 추적성, 제품 계보, 라벨링 및 관리 계획을 포함하여 품질 관리 기능이 완전히 통합되었습니다. Digital Factory Starter Kit에는 데이터 시각화와 함께 제조 작업의 실시간 경고를 위한 도구를 제공하는 42Q의 비즈니스 인텔리전스 모듈도 포함되어 있습니다.

이 솔루션을 통해 기업은 품질 및 운영을 관리하고 수율, WIP 및 처리량을 실시간으로 모니터링할 수 있습니다. Ramaswami는 "이 솔루션은 의료, 항공우주 및 자동차 제조를 포함하여 규제가 엄격한 산업의 많은 제조 시설에서 입증되었으며 이미 배포되었습니다."라고 말했습니다.

CMMS(Computerized Maintenance Management Software) 개발자 EZmaintain (Cleveland)는 IoT 센서를 통합하여 모터, 기어 박스 및 발전기와 같은 장비의 온도 및 진동 수준을 측정하기 위한 클라우드 기반 CMMS 패키지를 출시했습니다.

사용자는 웹 기반 CMMS를 독립적으로 실행하여 장애 또는 예방 유지 보수 활동을 관리할 수 있습니다. 이러한 스마트 IoT 센서를 추가하면 사용자가 CMMS 대시보드를 통해 직접 볼 수 있는 경고와 함께 상태 모니터링을 위한 실시간 데이터를 캡처할 수 있습니다.

EZmaintain CMMS는 데스크탑에서 모바일 장치에 이르기까지 다양한 장치에서 작동합니다. 사용자는 대시보드를 통해 온도/진동 센서를 추가하거나 구성할 수 있으며, 나사형 장착 설계를 사용하여 모니터링이 필요한 다양한 자산에 IoT 센서를 장착할 수 있습니다. 이 저렴하고 설정이 쉬운 센서를 통해 소프트웨어는 다양한 산업 또는 상업 응용 분야에서 사용할 수 있습니다.