新的机器分析软件提供工厂车间的数字孪生模型

Jon Sobel
CEO
Sight Machine Inc.
（旧金山）

制造工程：贵公司最近发布了其制造分析平台的更新。 Sight Machine 2.0 有哪些新功能？

Jon Sobel：我们的重点一直是帮助制造商提高质量、生产力和知名度。在 Sight Machine 2.0 中，我们添加了一系列增强功能以​​提高可见性。

我们平台的核心是我们认为是世界上唯一的植物数字孪生体。我们已经看到像 GE 和西门子这样的公司使用数字孪生概念来描述喷气发动机等单个机器的数字模型。相比之下，我们的工厂数字孪生提供了反映整个产品的分析模型集行动流程，包括机器、生产线、工厂或供应链。

用户所需的可见性的广度和深度在很大程度上取决于用户的工作职能。 Sight Machine 2.0 引入了 Contextualized Dashboards，可以对其进行配置以向不同用户提供其角色所需的视图。当机器操作员跟踪单个机器上的传感器以监控质量或排除故障时，公司经理可以执行涵盖整个工厂、部门或地区的分析。

我们还添加了 Global Ops View，它在一个screen 让管理人员可以在全球或按国家/地区、工厂、机器、机器类型或合同制造商实时跟踪输出。

Sight Machine 2.0 中的停机时间分类器使用机器学习技术快速识别计划外停机的原因.它在初始设置期间进行校准，然后通过机器学习不断改进其功能。我们还不断添加更多分析工具并改进了我们现有的工具。

ME：在当今快节奏的制造环境中，制造商拥有制造数据分析有多重要？

Sobel：数字能力越来越受到重视作为制造商的必备品。第一个原因是制造分析解决了制造业长期面临的挑战：确保质量和提高生产力。此外，制造商正在应对新的力量：法律规定的可追溯性；分布式制造；增加定制和按订单生产；以及管理衰减的供应链的需求不断增长。

也许最重要的是，许多公司的制造领导层已将数字技术视为战略要务。各大公司都在大力投资构建数据战略，最终将 PLM 与设计、生产和产品生命周期数据以及财务、销售和营销信息联系起来。这些努力被认为是必不可少的实现和维持领导地位。那些系统地开发理解和使用生产数据能力的公司将处于领先地位；那些不这样做的人会落后。

ME：当今哪些制造业务最适合使用这种技术？

Sobel：这种技术适用于任何类型的制造过程，其中数据被捕获。我们目前的客户遍布各个行业，包括汽车行业 [OEM 和供应商级别]、服装、制药、石油和天然气、个人护理产品、建筑材料和纺织品。我们已经完成了从单台机器到跨越多个工厂的制造过程以及范围非常广泛的生产设备和过程的实施。我们还在供应链的各个环节开展工作。我们的一位客户正在其合同制造商拥有和运营的工厂中使用 Sight Machine。

ME：描述一位客户如何处理数十亿数据每周一个点，优化其全球制造。此类技术提高了哪些生产力？

Sobel：这家公司在多个国家/地区使用合同制造商来生产相同的产品。该公司投入巨资购买新的生产设备，然后将其配置并安装在承包商设施中。这些机器中的每一台都包含数百个不断输出数据的传感器。

尽管不同工厂的机器完全相同，但有时它们的性能会有所不同。数据会告诉客户原因，并使客户能够开发和改进标准化的最佳实践并提高整体效率。

在一个示例中，客户设施之一的停机时间一直高于其他设施。使用通过 Sight Machine 平台创建的数字双胞胎，客户能够确定机器、配置或操作方式没有任何问题d.相反，问题是周围的大气条件。这是一种系统的数据驱动分析，使公司能够转向主动、自动和持续的运营分析。

新的制造分析功能Sight Machine 2.0 为用户提供车间操作的“数字双胞胎”。

ME：制造操作在实施高级数据分析、利用大数据和工业物联网等技术方面取得了多大进展？

Sobel：很多公司都知道收集数据与使用数据不同。公司已经在数据湖等项目上投入了大量资金，而这些项目本身什么也做不了。他们真正要找的是结果。把所有的d一个地方的 ata 没有办法理解它不是结果。

观看它很有趣。 12 到 24 个月前，似乎每个大型制造商都委托了一个团队来研究如何利用他们所有的工厂数据。向前迈进的公司做了两件事之一。一些人采取了广泛的方法并尝试了他们可以得到的一切，而不是攻击需要解决的特定问题。这些公司往往未能取得太大进展。其他公司采用了我们发现更成功的替代方法：选择一个特定的、可定义的业务问题，应用技术来解决问题，并以此为基础进行构建。项目要取得成功，就需要解决真正的业务问题。

如果项目定义得当，只需几周就能看到结果。我们与一家大型工业公司合作，该公司的硅芯片报废率很高压力传感器。该公司的卓越制造团队的任务是找出根本原因，但由于人工密集型流程，大规模分析生产和质量数据是一项挑战。我们引入了我们的分析平台来自动化数据采集、分析和可视化过程。在三周内，公司能够将报废率降低 30%。他们还在一个非常复杂的生产过程中发现了一个过程改进，否则他们将永远看不到。

一些与管理相关的因素帮助公司迅速取得成果。该项目有一位具有问责制和责任感的跨职能执行冠军，并且 Sight Machine 可以访问具有制造 OT [运营技术] 和 IT 知识的工程师和数据所有者。

一旦公司开始这个路径，他们经常发现需要打破孤岛并改善跨职能的协作。从历史上看，工厂佛罗里达州底层数据一直是运营技术团队的领域，很少与跟踪财务、客户、营销和人力资源数据的公司信息系统集成。没有像财务软件长期以来能够让公司随意放大和缩小的方式那样汇总这些数据的好方法。

随着生产和分析的实时数据和分析的可用性质量，那些孤岛正在崩溃。我们甚至看到公司创建了融合 OT 和 IT 的新职能。

ME：LNS Research 的分析师最近将贵公司列为值得关注的关键技术参与者。 Sight Machine的制造技术未来的发展方向是什么？

Sobel：在传统的结构化数据软件中，数据类型和分析过程的边界被内置到软件中。如果用户想要引入新类型的数据或生成不同类型的报告，通常需要涉及项目经理的 IT 流程s 和离岸开发商以及数周或数月的时间表。这不适用于制造分析。将新传感器放在机器上是很常见的，然后需要合并新数据，即使它的格式与您已经收集的其他数据完全不同。在传统的数据库结构中，这会破坏您的模型。

现代数据分析软件将更多的控制权交给了用户。根据定义，大数据涉及多种数据类型 [以及大容量和高速度]。为了有效，人工智能和分析平台需要支持自助分析。这意味着让非专业用户引入新的数据和数据类型，然后自己设计和执行分析。

2017 年上半年，我们将发布 Sight Machine Commander，这将使我们的客户服务集成商自己添加新的数据源和数据类型，并将让他们控制数据的调节和分析方式。

新版本

ERP 软件开发商 SAP SE（德国瓦尔多夫）发布了其 S/4HANA 1610 版本，这是一个重要的版本增强其 ERP 软件。通过使用简化的数据模型和 SAP Fiori 2.0，该版本有助于降低复杂性并提高业务生产力。

最新更新包括预测和模式识别功能以及机器学习，为减少异常管理奠定了基础该公司表示，更多的常规交易使员工能够通过嵌入式分析和实时洞察力专注于更高价值的任务。 SAP S/4HANA 执行副总裁 Wieland Schreiner 表示：“随着 SAP S/4HANA 的第三次主要本地发布，各种规模的公司都可以利用跨业务线和行业提供的创新。” “业务线和行业功能的创新使公司能够实现提高生产力并显着简化他们的 IT 环境。 SAP S/4HANA 是帮助公司在当今数字世界中正常运营的数字核心。”

交易

医疗设备供应商 Fujifilm（东京）和 PLM 开发商 Aras（马萨诸塞州安多弗）宣布 Fujifilm 的医疗系统业务部，一家诊断成像和信息系统供应商，已选择 Aras Innovator 作为公司全球医疗产品和设备业务的质量管理系统平台。

模拟开发商 MSC Software（Newport Beach , CA) 宣布与可扩展图形分析平台开发商 Objectivity Inc.（加利福尼亚州圣何塞）建立合作伙伴关系。 Objectivity 的技术为 MSC Apex 套件提供动力，据说可将效率提高十倍。