Hoe het de gouden vingerafdruk kan gebruiken om iot te benutten

Voor IT-afdelingen die actief gebruik willen maken van Internet of Things (IoT) -technologie om een ​​positief effect te hebben op een productieproces, is er een belangrijke term die ze moeten weten, en niet alleen omdat het klinkt als iets dat Indiana Jones ooit heeft achtervolgd: The Golden Vingerafdruk. Ik sprak met Bart Schouw, vice-president van technologie en digitale allianties bij Software AG, op de CEBIT-beurs die deze week in Hannover, Duitsland plaatsvindt, over precies waarom deze vingerafdruk goudkleurig is en wat dat betekent voor IT.

"De gouden vingerafdruk is een metafoor, " legde Schouw uit, en ging verder met te zeggen dat het als een belangrijk stuk bewijsmateriaal in een detectiveroman was. Maar in de onderneming kan het worden toegepast op een productieproces om te bepalen wanneer aan de voorwaarden wordt voldaan om te produceren wat Schouw een perfect product noemt.

Het vinden van de gouden vingerafdruk is een iteratief proces, een taakblauwdruk die optreedt wanneer gegevens tijdens de productie worden vastgelegd en opgeslagen, zodat een reeks productieruns in de tijd kan worden vergeleken. Tegelijkertijd wordt de uitvoer van de fabriek geëvalueerd, zodat het succes van elke productierun wordt vastgelegd, samen met de gegevens die werden vastgelegd terwijl de productie plaatsvond. Als het goed wordt uitgevoerd, is het resultaat een soort vingerafdruk die bestaat uit de totale invoer van productieapparatuur - sensoren die de status van het product tijdens de productie hebben vastgelegd - en een algemene succesmaatstaf voor het procesresultaat.

Het vingerafdrukproces is oorspronkelijk ontwikkeld voor de chemische industrie, maar Schouw zei dat het algemeen toepasbaar is op de meeste soorten productie. Een autofabrikant zou bijvoorbeeld gegevens hebben over waar elk onderdeel vandaan kwam, temperaturen tijdens het schilderen, koppelwaarden voor elke schroef of bout en waarden van de robotlassers tijdens het bouwen van het chassis. Wanneer de auto wordt geproduceerd, wordt de kwaliteit van de productie gevolgd wanneer de auto wordt onderhouden of wanneer defecten worden gerepareerd.

Machine Learning in Auto Manufacturing

Laten we het scenario toepassen op een hypothetische autofabriek. Terwijl elke auto wordt gemaakt, worden de metingen bijgehouden tijdens het end-to-end productieproces en vergeleken met eerdere productieruns. Laten we zeggen dat er een probleem optreedt, zoals een bout die bijvoorbeeld met het verkeerde moment is vastgedraaid. Dat probleem is vastgelegd en kan nu worden verholpen voordat de auto wordt verkocht. Uiteindelijk kan het productieapparaat worden gekalibreerd zodat deze fouten niet optreden en voertuigen zonder significante defecten worden verzonden.

"Soms, vooral in de procesindustrie, is het niet duidelijk welke omstandigheden daadwerkelijk leiden tot het perfecte product, " zei Schouw. "Dus met machine learning en nieuwe datavisualisatietools, kunt u de gegevens van een productierun nemen die heeft geleid tot de perfecte batch product. Vervolgens kunt u de machine learningtools vragen om terug te gaan en vergelijkbare patronen in de gegevens te vinden."

Zoals je zou verwachten, zou elke vorm van complexe productie duizenden afzonderlijke datapunten vereisen voor elke productierun om voldoende gegevens te hebben voor een zinvolle vingerafdruk. Dit vereist op zijn beurt sensoren die de status van het product op elk willekeurig moment meten, evenals de status van de fabricagegereedschappen en machines tijdens het gebruik. Dat is waar IoT-technologie en de IT-afdeling schitteren.

Als elke productierun is voltooid, kunnen de gegevens van die run worden gevisualiseerd als een patroon van gebeurtenissen die naar het product leiden. Dit vereist genetwerkte sensoren en hulpmiddelen en een manier om die gebeurtenissen vast te leggen. Het vereist ook gespecialiseerde software om de evaluaties uit te voeren. Schouw zei dat dit onderdeel een belangrijke use case wordt voor kunstmatige intelligentie (AI) en machine learning.

Productiegegevens in realtime volgen

Dit is het punt waarop IT en productie samenkomen. De IT-afdeling moet de enorme hoeveelheid gegevens van elke productierun consolideren en deze vervolgens gebruiken om elke run te vergelijken met de gouden vingerafdruk van de perfecte run. Omdat de run in realtime wordt geanalyseerd, wordt deze ook vergeleken met eerdere runs, zodat het mogelijk is om ruim van tevoren te bepalen wanneer een run onwaarschijnlijk is.

Bij procesproductie is het misschien mogelijk om aanpassingen aan de productieparameters aan te brengen, zelfs als ze de run dichter bij de gouden vingerafdruk brengen. De mogelijkheid om een ​​run tijdens de productie te visualiseren en vooraf te bepalen wanneer een run niet succesvol zal zijn, kan aanzienlijke besparingen opleveren - door niet meer materiaal te verspillen in een run die niet succesvol zal zijn en geen verdere tijd te verspillen.

Schouw wees op Trendminer als een voorbeeld van een bedrijf dat de AI-aangedreven software produceert die in staat is om de gouden vingerafdruk te vinden en ook het productieproces in realtime te volgen. Hij deelde ook dat Software AG plannen heeft gemaakt om Trendminer te verwerven.

Productie efficiënter maken

Kostenbesparingen en aspecten van hogere kwaliteit zijn echter niet alles wat IoT en productie met zich meebrengen. Schouw legde uit dat een ander aspect van het gebruik van machine learning bij de productie betrekking heeft op het volgen van de F-curve (de "F" staat voor fouten, die in de loop van de tijd worden gevolgd voor een fabriek). Wanneer u de F-curve volgt, maakt u feitelijk een vingerafdruk van de fabriek in plaats van het product, te beginnen wanneer de fabriek voor het eerst wordt gebouwd en vervolgens wanneer deze in bedrijf wordt gesteld en vervolgens wanneer deze uiteindelijk wordt uitgeschakeld omdat het percentage storingen onacceptabele niveaus bereikt als de productie-installaties verouderen.

Door de omstandigheden bij te houden die in de loop van de tijd bijdragen aan productiefouten, is het mogelijk om deze te verlagen tot acceptabele niveaus totdat u het punt bereikt van dalende rendementen: wanneer het te duur is om dingen te blijven repareren en in plaats daarvan is het logischer om de fabriek opnieuw op te bouwen.

Wat belangrijk is, is dat door IT direct bij het productieproces te betrekken, de productie efficiënter wordt en er minder verspilling en minder defecten zijn. En het bedrijf bespaart geld. Als het goed is gedaan, verschijnen de resultaten vrijwel onmiddellijk. Voor IT-afdelingen in productiebedrijven is de gouden vingerafdruk uitstekend geschikt als startpunt voor het integreren van IoT met het hart van het bedrijf.