Обрабатывающая промышленность является одним из видов топлива, которое движет экономическим двигателем страны. За последние несколько десятилетий часть производства переместилась в страны с более низкими производственными затратами, затратами на рабочую силу и менее строгими законами об охране окружающей среды. В Соединенных Штатах промышленность возвращает производство по нескольким причинам. Учитывая это текущее состояние, существуют огромные возможности для повышения эффективности, качества и производительности предприятия. Автоматизация и использование облачных технологий и технологий машинного обучения способствуют реализации действительно цифрового производственного бизнеса, который часто называют революцией в Индустрии 4.0. Возможность применять эти методы поверх существующих платформ обеспечивает ощутимые бизнес-результаты с минимальными вложениями. Традиционно в отраслевом оборудовании используются датчики, соответствующие таким стандартам, как OPC UA (унифицированная архитектура связи на открытой платформе) и SCADA (диспетчерское управление и сбор данных). Эти машины могут интегрироваться с современным стеком Интернета вещей (IoT) для сбора данных в режиме реального времени для мониторинга и эффективного управления средами в цифровом виде.

Изображение от McKinsey описывает 4 различных ключевых области, которые являются подходящими кандидатами для прорыва в этой сфере, и может использоваться в качестве модели зрелости, чтобы увидеть, как бизнес продвигается на пути к цифровой трансформации.

Давайте посмотрим на первые две области на рисунке выше, чтобы понять, как построить цифровое предприятие с использованием возможностей облака и ИИ. Если мы оцениваем сквозной производственный процесс, то можно выделить три ключевых этапа, каждый из которых имеет свой собственный желаемый результат.

  1. Дизайн — на этом этапе создания идеи мы заинтересованы в определении правильного соответствия и проверки запроса на продукт.
  2. Производство — на этом этапе мы заинтересованы в повышении качества продукта, безопасности объекта, оптимизации загрузки и т. д.
  3. Эксплуатация — на этом этапе мы заинтересованы в сокращении времени простоя, снижении количества отзывов по гарантии, оптимизации производительности и т. д.

Следующий очевидный вопрос: как облако и ИИ обеспечивают улучшения на каждом из этих этапов? Большинство лидеров в производственной сфере заново изобретают себя как бизнес, который создает специализированные программные продукты для производственной сферы. Такое мышление позволяет нам взглянуть на цифровое представление всего процесса, который управляет базовым оборудованием и механизмами. Этот мыслительный процесс привел к появлению термина, называемого цифровым двойником. Это можно рассматривать как виртуальное представление физического актива. Активом может быть автомобиль, самолет, ветряная турбина, завод, здание, корабль, электростанция и т. д., работающие в удаленной среде. Инженер может анализировать, отслеживать и вносить изменения в поведение этого актива, не находясь рядом с ним физически. Это огромное преимущество для мониторинга и обслуживания оборудования из диспетчерской. Это позволяет нам управлять активом, когда нахождение рядом с ним непомерно дорого или опасно. Это также дает нам возможность увидеть поведение ответа в неизвестных условиях. Обычно для этого традиционно требовалось использование детерминированных математических и физических моделей. С появлением возможностей искусственного интеллекта и машинного обучения эвристические модели смогли добиться того же. Если мы сопоставим эту идею и посмотрим на три шага с новой точки зрения, мы сможем представить себе три разных типа цифровых двойников.

1. Дизайн продукта требует близнеца продукта

2. Для производства требуется производственный двойник, технологический двойник, производственный двойник

3. Для работы требуется Service Twin

С этим фоном и пониманием следующий вопрос: как мы будем внедрять решение для цифрового производства?

Приведенная выше диаграмма представляет собой эталонную архитектуру, созданную с использованием основных компонентов AWS. IoT Sitewise и IoT Analytics — это управляемые сервисы, которые созданы для масштабирования и могут принимать, управлять, отслеживать и предоставлять интеллектуальные аналитические данные для устройств в режиме реального времени. Эталонная архитектура AWS помогает нам сопоставить первые две области (подключение, вычисления, данные и аналитика с использованием машинного обучения и искусственного интеллекта) в наших 4 областях модели зрелости производства.

Платформа Microsoft Azure также предоставляет аналогичные возможности для внедрения цифровых двойников в производственных отраслях. Независимо от того, какую платформу вы выберете, легко подключить и использовать услуги, которые вы решите использовать. Важно начать с четкой цели и определить подходящие сервисы в архитектуре выбранного гиперскейлера. С увеличением использования микросервисов для проектирования несвязанной архитектуры появляется гибкость для создания и развития архитектуры по мере изменения потребностей бизнеса. Это также позволяет нам иметь мультиоблачное решение и выбирать правильную комбинацию услуг в зависимости от потребностей бизнеса.

Платформа Microsoft IoT, упомянутая в моих предыдущих статьях (здесь и здесь), обеспечивает надежную платформу для создания комплексных решений под ключ. Вот несколько примеров, демонстрирующих решение Smart Meter и полностью удаленно управляемое решение для управления панелями солнечных батарей, созданное с использованием платформы Azure IoT.

Мне нравится этот архитектурный стек от Azure, который хорошо показывает, как физический мир машин и датчиков сочетается с цифровым миром производственного предприятия, управляемого с помощью программного решения. Microsoft Azure называет это стеком Metaverse.

Если мы сосредоточимся на оставшихся двух областях (взаимодействие с людьми и передовые технологии) нашей модели производственной зрелости, мы заметим, что эти возможности могут быть естественным образом построены поверх существующего стека.

За последние несколько лет мы стали свидетелями появления виртуальной реальности и дополненной реальности. Идея смешанной реальности, которую мы можем реализовать с помощью чего-то вроде «HoloLens», позволяет нам не только иметь цифровые аннотации для нашего физического мира, но также иметь возможность взаимодействовать и изменять объект и окружающую среду. Возможность удаленного мониторинга оборудования на удаленной нефтяной буровой установке или солнечной электростанции, расположенной в месте с обильным солнечным светом, довольно мощная. Эта способность беспрепятственно взаимодействовать дает нам возможность не только контролировать производственные и трудовые затраты, но и обеспечивать безопасную рабочую среду при эксплуатации сложного оборудования в опасной среде.

Полностью удаленное управление средой и возможность обнаруживать сбои до их возникновения для управления отказоустойчивой работой предприятия — уже гигантский скачок. Но вишенкой на торте было бы использование механизма самовосстановления в отрасли, как мы практикуем в разработке программного обеспечения (используя стратегии высокой доступности и аварийного восстановления). Используя цифровой эквивалент физического актива, мы можем создать его копию и пополнить неисправный актив, используя комбинацию программного моделирования и 3D-принтеров. Это пример того, как аддитивное производство с использованием возможностей 3D (как показано в четвертой области нашей модели зрелости) играет роль в производственном конвейере для отказоустойчивых операций.

Сказав все это, приятно осознавать, что мы едва касаемся поверхности того, как возможности облака, искусственного интеллекта, смешанной реальности и 3D-печати могут улучшить будущее производства. Надеюсь, вы сможете использовать некоторые из этих возможностей, когда думаете о том, чтобы разрушить свой текущий бизнес.