Os benefícios da engenharia de produto baseada em análise

Uma olhada em como a simulação do sistema e os recursos de IoT podem fechar o ciclo de feedback de dados.

Depois que um produto é vendido, os engenheiros de produto geralmente recebem muito pouco feedback sobre seu desempenho em campo. Isso não precisa mais ser o caso. Com a solução certa, os fabricantes de produtos podem combinar simulações de sistema e recursos de IoT para melhorar os projetos de produtos e, em seguida, emitir resoluções usando simulações baseadas em casos de carga reais.

A RTInsights conversou recentemente com Jasmin Klein, Global Portfolio Development, e Christian Binkowski, Cloud Solution Manager, da Siemens para discutir os benefícios de incluir um ciclo de feedback de dados entre engenheiros de produto e o dispositivo em campo para obter otimização de produto em tempo real, gêmeos e muito mais. Aqui está um resumo da conversa.

RTInsights:O que é engenharia de produto baseada em análise?

Klein: A engenharia de produto baseada em análise permite que os usuários obtenham dados de desempenho ao vivo de um produto ou máquina em campo e os coloquem de volta no modelo de simulação do produto para melhorar o design do produto. Com os dados de produção ao vivo sendo realimentados no modelo, um gêmeo digital de circuito fechado é criado.

Este gêmeo digital pode ser usado para melhorar ativamente o design do produto. Por exemplo, se um produto começar a apresentar problemas, você poderá executar uma simulação precisa usando os dados em tempo real e começar a identificar a causa raiz de qualquer problema. Com os problemas sendo totalmente compreendidos, as alterações necessárias podem ser feitas no design para futuras iterações. O impacto das mudanças também pode ser verificado com precisão usando o modelo de simulação mais preciso com os dados reais da máquina.

RTInsights:quais são os benefícios de usar a engenharia de produto baseada em análise?

Klein: Com simulações precisas, os projetistas não apenas podem tomar decisões melhores, mas também reduzem o tempo e o custo para colocar novos projetos no mercado. A necessidade de prototipagem é quase eliminada. As empresas têm a capacidade de desenvolver produtos centrados no usuário que atendem às necessidades do cliente e aumentam a satisfação do cliente. Eles podem aprender com os problemas em campo usando dados reais, simulando os erros e melhorando o projeto. Dessa forma, eles podem eliminar problemas do produto, economizar tempo e dinheiro reduzindo o tempo de validação do produto e evitar engenharia excessiva. Juntos, isso melhora a eficiência geral.

RTInsights: Que solução a Siemens oferece nessa área?

Binkowski: A Siemens possui o MindSphere®, a solução industrial de IoT como serviço, que conecta produtos, máquinas e sistemas de todos os tipos e marcas. Esta solução coleta, agrega, gerencia e analisa dados de desempenho. Especificamente, para a solução de engenharia de produto baseada no MindSphere Analytics, o MindSphere é perfeitamente integrado ao Simcenter ^TM Amesim ^TM software por meio de um conector específico. O aplicativo MindSphere usa esse conector para enviar dados de desempenho ao vivo de volta aos modelos de simulação.

(O software Simcenter Amesim simula todos os diferentes tipos de sistemas mecatrônicos. Ele vem com toneladas de bibliotecas e modelos de soluções para máquinas, carros, baterias, navios e muito mais.)

Depois de estabelecer uma conexão entre os dois sistemas, você pode selecionar os dados de série temporal que deseja explorar. Por exemplo, se houver um problema no campo, talvez você queira simular 20 minutos antes ou em torno desse incidente. Você pode selecionar o período de tempo no MindSphere, e o MindSphere gera um pacote de simulação e o transfere para o Simcenter Amesim. Então, a simulação é executada e, uma vez feito isso, você pode ver os resultados da simulação no MindSphere.

RTInsights: Você pode dar exemplos de casos de uso e sucessos?

Klein: Eu começaria com um caso de uso geral. Hoje, na maioria dos casos, uma máquina é enviada ao cliente e o gerente de produto nunca obtém nenhuma informação sobre o desempenho da máquina em campo para melhorar o projeto do produto. Sempre que há um problema, o suporte é contatado e o problema é corrigido no local do cliente. As informações do suporte geralmente não chegam ao engenheiro de produto ou são transmitidas muito mais tarde. Devido a essas lacunas, o engenheiro de produto precisa desenvolver um projeto baseado em hipóteses, o que resulta em super ou subengenharia. No final das contas, isso significa que os requisitos do cliente não foram atendidos ou não serão atendidos no futuro.

A abordagem de engenharia baseada em análise oferecida pelo MindSphere fornece esse ciclo de feedback para alterar o design do produto e melhorar seu desempenho em campo.

Binkowski: Outro exemplo está na otimização do desempenho de um produto existente. Esta solução oferece a capacidade de ajustar determinados parâmetros no modelo de simulação diretamente no MindSphere. Por exemplo, se você tiver um produto que pode operar em velocidades diferentes, poderá testar qual velocidade é a mais ideal. Usando o modelo de simulação atualizado para executar os parâmetros, você pode testar as máquinas usando as condições atuais da linha.

Klein: Se observarmos um exemplo de um cliente que vende máquinas conectadas a uma solução de IoT como o MindSphere, esse cliente pode coletar dados continuamente, obter insights de desempenho a qualquer momento e simular um problema usando essas informações para melhorar o design do produto.

O engenheiro de produto pode aprender e tirar conclusões diretamente dos dados em tempo real da máquina. No final, isso garante que o engenheiro de produto possa desenvolver um produto centrado no usuário e aumentar a satisfação do cliente.

Um exemplo é a Konecranes, uma empresa finlandesa especializada na fabricação e manutenção de guindastes e equipamentos de elevação. Ela implementou uma solução digital para acelerar seu processo de desenvolvimento de produtos e conectar os dados de produto e desempenho.

A empresa usa MindSphere e Teamcenter®, software de gerenciamento de ciclo de vida digital da Siemens, para alavancar o gêmeo digital e reduzir o número de protótipos que precisam produzir. Isso os ajuda a aumentar a eficiência e também a diminuir o tempo de validação do produto. Ao implementar uma solução de inovação digital, eles aceleraram o processo de desenvolvimento de produtos e aumentaram a colaboração entre os testes de simulação e as organizações de engenharia em sua empresa.