AWS, Google, Microsoft는 제조에 데이터 및 소프트웨어 전문 지식을 적용합니다.

Ford Motor는 수집된 정보에 대한 액세스를 민주화하는 동시에 빅 데이터를 훨씬 더 큰 데이터로 전환하기 위해 조립 라인의 다양한 센서를 늘리고 있습니다. 마이크 미쿨라(Mike Mikula) 제조 이사는 "우리는 사이클 시간 및 압력과 같은 기존 데이터를 보완하기 위해 적외선 모니터링 및 진동 센서와 같은 센서를 추가하여 장비가 생성하는 데이터를 풍부하게 하여 보다 풍부한 데이터 풀을 생성합니다"라고 말했습니다. 차량 프로그램. "이제 이러한 신호가 제품 품질, 프로세스 효율성 및 장비 상태에 미치는 영향을 중심으로 보다 스마트한 분석을 구축할 수 있습니다."

포드의 노력을 돕는 것은 "대부분의 더 큰 IoT 플랫폼"이라고 그는 말했습니다. Ford와 이러한 IoT 플랫폼 회사 중 하나인 Google은 올해 특히 산업용 클라우드 데이터 관리 서비스 및 분석 소프트웨어 애플리케이션을 위한 파트너십을 발표했습니다.

결과 정보를 작업 현장에 적용하기 위해 Ford는 컴퓨터 언어에 대한 지식이 전혀 또는 거의 필요하지 않은 로우 코드 및 노코드 앱을 통해 생산 작업자가 분석에 액세스할 수 있도록 하는 IoT 데이터 플랫폼을 구축하고 있습니다.

Mikula는 새로 고안된 앱을 유사한 프로세스 및 장비를 다루는 기업의 다른 사용자로 확장할 수 있다고 말했습니다.

한편, Ford는 데이터 분석을 위한 소프트웨어보다 인간의 두뇌 능력을 선택적으로 선호하고 애플리케이션 공급업체보다 사내 코더에게 점점 더 많이 의존하고 있습니다.

Mikula는 “솔루션은 애플리케이션에 따라 달라질 것입니다. “때로는 소프트웨어가 될 것이고, 때로는 데이터 소스를 처리하는 데이터 분석가가 될 것입니다. 우리는 더 자율적이고 기계 학습과 인공 지능에 의해 주도되는 솔루션으로 이동하고 싶습니다. 목표는 구매한 SaaS[Software as a Service]에 대한 의존도를 줄이는 것입니다.”

궁극적으로 Mikula는 이러한 노력이 전체 제조 비용을 줄이기 위한 것이라고 말했습니다. 절감액은 소비자에게 전가될 수 있습니다.

Google의 경쟁 데이터 거물인 Amazon과 Microsoft도 이제 제조업체에 클라우드 호스팅 및 소프트웨어 솔루션을 제공합니다.

Mikula는 "Google, Microsoft, Amazon과 같이 산업용 IoT 외부에 있던 많은 플레이어가 소프트웨어 강점을 활용하여 기존 산업용 사물 인터넷을 대체할 가능성을 인식하고 있습니다."라고 말했습니다.

기술 거물은 과거에 Ford, General Motors 및 Chrysler에 대한 Big Three 언급과 유사한 New Big Three로 구성됩니다. 자동차 제조업체 및 기타 업체를 위한 기술 대기업의 산업용 소프트웨어는 디지털 트윈, 예측 유지보수, 머신 비전 품질 검사, 자율 운영 등 인더스트리 4.0의 구성 요소와 목표를 지원합니다.

이러한 거대 기술 기업은 데이터 및 소프트웨어에 대한 전문성을 활용하여 인더스트리 4.0의 일부로 활용하는 동시에 무언가를 만드는 데 대한 도메인 지식도 보유하고 있습니다.

'미친' 공급망

Google Cloud의 제조 및 산업 글로벌 전무 이사인 Dominik We는 "우리는 아마도 세계에서 가장 큰 제조 회사 중 하나일 것입니다."라고 말했습니다. “Google은 미친듯이 매우 깊은 공급망을 가지고 있습니다. 우리는 글로벌 제조 회사만큼 복잡한 공급망을 보유하고 있습니다."

이 회사는 데이터 센터에서 컴퓨팅 하드웨어를 만들고 자체 컴퓨터 칩을 설계합니다. 소비자 측면에서는 TV에 스마트 기능을 추가하는 Chromecast 동글뿐만 아니라 전화도 만듭니다.

위는 구글이 창업한 지 20년이 넘은 이후 제조업체였지만, 2018년 토마스 쿠리안 구글 클라우드 사장이 고용되면서 다른 기업을 위한 제조 서비스에 막대한 투자를 하기 시작했다고 말했다. Kurian은 이전에 Oracle에서 22년 동안 근무했습니다.

제조가 디지털화됨에 따라 소비자 시장을 위해 개발된 Google의 방법론이 산업과 관련이 있게 되었다고 반도체 업계에서 산업 엔지니어로 근무한 Wee가 말했습니다.

"우리는 일반적인 산업 엔지니어가 사용하기 매우 어려웠던 이러한 기술(주로 분석 및 AI 영역)이 작업 현장에서 사용하기 너무 쉬워지는 시점에 있다고 생각합니다."라고 그는 말했습니다. "여기서 우리의 경쟁력 차별화가 있다고 믿습니다."

위는 Google이 Kurian에서 제조 기술을 위해 한 일은 이전에 소비자 측면에서 했던 일을 모방하는 것이라고 말했습니다.

그는 Google Cloud의 Vision Inspection을 사용한 품질 검사가 좋은 예라고 말했습니다.

“머신 비전은 매우 고급 기술이기 때문에 [품질 검사를 위해] 많이 사용됩니다. 그래서 우리는 기계 학습을 작업 현장 맥락에서 매우 쉽게 배포하고 이를 수행하는 데 아주 적은 수의 이미지를 사용하도록 만들었습니다. 그것을 하기 위해 프로그래머나 기계 학습 전문가가 될 필요는 없습니다.”라고 We는 말했습니다. "말 그대로 포인트 앤 클릭 방식입니다."

그는 회사가 Vision Inspection을 시범 운영한 다음 확장할 수 있는 용이성을 지적했습니다. 공장 내부의 사람들이 할 수 있습니다. 이것은 기계 학습이 환상에서 제조 분야에서 널리 사용되는 방향으로 이동하는 큰 잠금 해제입니다."

사용 용이성은 회사의 경쟁력이라고 Wee는 말했습니다.

"우리는 파일럿 갭에 대해 이야기합니다."라고 그는 말했습니다. “많은 기업이 기계 학습, 증강 현실 및 예측 유지 관리를 시도했으며 글로벌 제조 발자국의 한 부분에서 한 시점에서 많은 작업을 수행했습니다. 매우 전문화된 인력이 필요했지만 확장할 수 없었습니다."

Google Cloud는 사용하기 쉬울 뿐만 아니라 제조업체의 선택권을 열어두는 오픈 소스 소프트웨어를 사용합니다.

구글은 또한 분석과 AI의 강점이 타의 추종을 불허한다고 주장합니다. "20년 이상 존재의 핵심에 데이터 처리를 가지고 있는 회사이기 때문에 우리보다 더 잘 이해하는 사람은 없다고 주장할 것입니다."라고 그는 말했습니다. "생산 현장을 포함하여 어떤 맥락에서든 처리해야 할 엄청난 양의 데이터가 있다면 우리는 우리가 그 일을 하기에 적합한 회사라고 주장할 것입니다."

인력 혁신

Microsoft의 제조 산업 CTO인 Indranil Sircar는 Wee의 의견에 정중하게 동의하지 않을 것입니다.

그는 “Microsoft Cloud for Manufacturing은 고객이 기업을 재구상하여 보다 민첩한 공장을 구축하고 보다 탄력적인 공급망을 구축하고 인력을 혁신하는 데 도움이 될 것입니다.”라고 말했습니다.

Sircar는 거의 10년 동안 Microsoft에서 근무했습니다. 그 전에는 Hewlett-Packard에서 20년 이상 근무했습니다.

Google과 Microsoft는 모두 제조업체가 기계에서 데이터를 수집하고 분석하는 데 도움을 주지만, Sircar는 HoloLens 2를 사용하는 AI 및 혼합 현실을 포함하여 회사 서비스의 인력 관련 구성 요소가 Google 및 Amazon뿐만 아니라 전통적인 산업용 소프트웨어 솔루션 제공업체.

예를 들어 Mercedes Benz USA는 Microsoft의 Remote Assist를 사용하여 컴퓨터에서 HoloLens를 착용한 사람을 원격으로 도울 수 있습니다.

메르세데스 벤츠 코랄 게이블스(Mercedes Benz of Coral Gables)의 중앙 진단 기술자 에드가 캄파나(Edgar Campana)는 마이크로소프트 웹사이트의 동영상에서 “[홀로렌즈]를 장착하고 즉각적인 지원을 받을 수 있다. 그들은 내가 보고 있는 것처럼 말 그대로 사물을 지적할 수 있습니다. 그들은 동그라미를 칠 수 있습니다. 그들은 선을 그릴 수 있습니다. 직접 체험할 수 있습니다. 말 그대로 바로 거기에 있습니다. 나는 그들과 실시간으로 차량을 통해 이야기 할 수 있습니다. 매우 직관적입니다.”

Remote Assist가 양방향이고 사용자가 앞뒤로 이야기할 수 있는 반면 Mixed Reality Guides Solutions는 한 방향으로만 사용 가능하며 훈련생이 홀로그램 단독으로 또는 물리적 개체와 함께 상호 작용할 수 있습니다.

Sircar는 "Airbus는 좋은 예입니다. 회사가 제조 라인에서 가이드를 사용하여 작업자가 케이블 상단의 오버레이와 장착 방법을 매우 빠르게 볼 수 있도록 합니다."라고 말했습니다.

3D 환경은 모든 각도에서 3차원으로 요소를 볼 수 있는 기능과 같이 실제 교육에서 제공할 수 없는 기능을 제공할 수 있습니다.

Airbus 설계자는 가상으로 설계를 테스트하여 조립 라인에 사용할 준비가 되었는지 확인할 수 있습니다.

Microsoft는 HoloLens 2 및 비즈니스용 대화형 화이트보드인 Surface Hub를 제조합니다. Xbox 비디오 게임 콘솔과 Surface 터치스크린 개인용 컴퓨터를 포함한 실제 제품을 판매합니다.

그러나 Sircar는 "우리가 말하는 것처럼 제조는 많이 아웃소싱되었지만 ... 우리는 설계, 보완 제품 조달 및 조립 라인 테스트에서 전체 생산 라인을 확실히 관리합니다."라고 말했습니다.

클라우드 데이터 측면에서 회사는 인프라 제조를 종단 간 관리합니다.

그는 2002년에 마이크로소프트가 업계에 처음으로 응용한 것이 Dynamics AX라는 전사적 자원 관리 소프트웨어와 함께였다고 말했습니다. Azure IoT는 2016년에 출시되었습니다.

또한 2016년에 Microsoft는 독일 정부의 이니셔티브인 Plattform Industrie 4.0에 초대되었습니다.

Microsoft는 BMW와 OMP(Open Manufacturing Platform) 컨소시엄을 공동 설립했습니다. OMP는 비즈니스 및 분석 애플리케이션이 사용할 공유 데이터 언어인 공통 개방형 데이터 모델을 장려합니다.

Amazon과 동일한 기술 사용

Amazon.com은 제조보다 판매로 더 유명합니다. 그러나 그것은 Kindle, Echo 장치 및 기타 소비자 제품을 만듭니다. 또한 인프라와 자체 컴퓨터 칩을 실행하는 하드웨어의 상당 부분을 차지합니다.

AWS(Amazon Web Services)는 2020년에 IoT, AI, 기계 학습, 분석 및 에지 솔루션을 위한 제품 및 서비스를 포함하는 산업 라인을 출시했습니다.

스마트 팩토리 및 인더스트리 4.0의 비즈니스 개발 글로벌 책임자인 더글라스 벨린(Douglas Bellin)은 "이 라인은 산업 현장의 [소프트웨어] 개발자, 엔지니어 및 운영자를 위해 특별히 구축된 AWS와 AWS 파트너 네트워크의 신규 및 기존 서비스와 솔루션"을 제공한다고 말했습니다. "집합적으로, 이들은 데이터 수집, 저장, 분석 및 통찰력을 허용하는 모듈식 접근 방식을 제공합니다."

이러한 개선을 위한 프로세스는 초기에 데이터 수집 및 조사로 시작되며, AWS는 이러한 "0"과 "1"을 모두 길들이는 여러 가지 방법을 알아냈습니다.

Cisco에서 10년 이상 근무한 후 2017년에 AWS에 합류한 Bellin은 "소프트웨어 및 데이터 수준에서 시작하면 업계에서 사용되는 프로토콜이 350가지가 넘습니다."라고 말했습니다.

AWS Lookout for Equipment는 기존 센서의 과거 장비 데이터와 과거 유지 관리 이벤트의 정보를 사용하고 해당 시스템의 정상적인 동작 패턴을 추적하는 사용자 지정 기계 학습 모델을 구축합니다. 운영 데이터가 알려진 정상에서 벗어나면 Lookout for Equipment는 경고 및 대시보드를 통해 해당 사용자에게 편차를 표시합니다.

또 다른 제품인 AWS IoT SiteWise는 산업 시설에서 흔히 볼 수 있는 데이터베이스에서 데이터 추출을 단순화하고 로컬 또는 클라우드로 데이터를 전송하고 사용자와 애플리케이션이 쉽게 액세스할 수 있도록 구조화하여 단일 데이터 소스를 설정합니다. 응용 프로그램 프레임워크를 통해 전체 장비 효율성과 같은 일반적인 산업 성능 메트릭을 계산할 수 있습니다. 또한 여러 산업 시설의 운영을 모니터링하고, 산업 장비 데이터를 분석하고, 값비싼 장비 문제를 방지하고, 생산 격차를 줄입니다.

데이터 표준화 외에도 스마트 팩토리를 구축할 때 또 다른 일반적인 장애물은 레거시 장비를 통합하는 것입니다. PLC가 장착된 모든 공작 기계에는 포기해야 할 데이터가 있지만 현대 기계에 비해 최소한입니다. 이에 대한 응답으로 AWS에는 일부 시스템 매개변수를 추적하는 데 필요한 하드웨어를 추가할 수 있는 파트너가 있습니다. 또한 Amazon Monitron이라는 회전 장비용 자체 저가형 진동 및 온도 센서를 만들었습니다.

Amazon Monitron은 또한 모터, 펌프 및 기어박스와 같은 산업 장비의 센서 신호를 분석하여 예측 유지보수를 가능하게 하는 기계 학습 기반 장비 상태 모니터링 서비스입니다.

진동 및 온도 데이터를 캡처하는 센서, AWS 클라우드로 데이터를 자동으로 전송하는 게이트웨이, 설정, 분석 및 비정상적인 기계 동작 알림을 위한 모바일 앱이 포함된 완전 관리형 엔드 투 엔드 시스템입니다.

"Amazon Monitron은 Amazon에서 사용하는 것과 동일한 기술을 기반으로 하며 20년 이상의 이상 탐지 경험을 활용하여 모델 정확도를 더욱 향상시킵니다."라고 Bellin이 말했습니다.

AWS는 Amazon Monitron을 사용하여 안정성 관리자가 개발 작업이나 전문 교육 없이 몇 시간 만에 장비 상태를 추적할 수 있다고 말했습니다.

제조업체는 Amazon Monitron을 사용하여 예측 유지 관리를 가능하게 하고, 장비를 원격으로 모니터링하고, 접근할 수 없는 장비의 상태를 추적할 수 있다고 Bellin은 덧붙였습니다.