Como Engenharia de Produto Orientada por Analytics Melhora Design e Performance

Uma visão de como simulação de sistema e capacidades IoT podem fechar o loop de feedback de dados.

Após um produto ser vendido, engenheiros de produto tipicamente obtêm muito pouco feedback sobre seu desempenho em campo. Isso não precisa mais ser o caso. Com a solução certa, fabricantes de produtos podem combinar simulações de sistema e capacidades IoT para melhorar designs de produtos e então emitir resoluções usando simulações baseadas em casos de carga reais.

RTInsights conversou recentemente com Jasmin Klein, Desenvolvimento de Portfólio Global, e Christian Binkowski, Gerente de Soluções Cloud, da Siemens para discutir os benefícios de incluir um loop de feedback de dados entre engenheiros de produto e o dispositivo em campo para alcançar otimização de produto em tempo real, gêmeos digitais e mais. Aqui está um resumo da conversa.

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

Klein: Engenharia de produto baseada em analytics permite que usuários peguem dados de performance ao vivo de um produto ou máquina em campo e os devolvam ao 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 loop fechado é criado.

Este gêmeo digital pode então ser usado para melhorar ativamente o design do produto. Por exemplo, se um produto começa a ter problemas, você pode rodar uma simulação precisa nele usando os dados ao vivo e começar a identificar a causa raiz de qualquer problema. Com os problemas sendo totalmente entendidos, mudanças requeridas podem ser feitas no design para iterações futuras. 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 engenharia de produto baseada em analytics?

Klein: Com simulações precisas, não apenas designers podem tomar melhores decisões, mas reduz tempo e custo para levar novos designs ao mercado. A necessidade de prototipagem é quase eliminada. Empresas têm a capacidade de desenvolver produtos centrados no usuário que atendem necessidades do cliente e aumentam satisfação do cliente. Podem aprender com problemas em campo usando dados reais, simulando os erros e melhorando o design. Desta forma, podem eliminar problemas de produto, economizar tempo e dinheiro reduzindo tempo de validação de produto, e evitar superengenharia. Juntos, isso melhora a eficiência geral.

RTInsights: Que solução a Siemens oferece nesta área?

Binkowski: Siemens tem MindSphere®, a solução industrial IoT as a service, que conecta produtos, máquinas e sistemas de todos os diferentes tipos e marcas juntos. Esta solução coleta, agrega, gerencia e analisa dados de performance. Para a solução MindSphere Analytics-Based Product Engineering, especificamente, MindSphere é integrada seamlessly com software Simcenter™ Amesim™ através de um conector construído para propósito. A aplicação MindSphere usa este conector para empurrar dados de performance ao vivo de volta aos modelos de simulação.

(Software Simcenter Amesim simula todos os diferentes tipos de sistemas mecatrônicos. Vem com toneladas de bibliotecas e templates de solução para máquinas, carros, baterias, navios e mais.)

Uma vez que você tem uma conexão estabelecida entre ambos sistemas, você pode selecionar os dados de série temporal que quer explorar. Por exemplo, se há um problema em campo, você pode querer simular 20 minutos antes ou ao redor daquele incidente. Você pode selecionar o período em MindSphere, e MindSphere gera um pacote de simulação e transfere para Simcenter Amesim. Então a simulação é executada, e uma vez feito, você pode olhar os resultados da simulação em MindSphere.

RTInsights: Podem dar exemplos de casos de uso e sucessos?

Klein: 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 a performance da máquina em campo para melhorar o design do produto. Sempre que há um problema, suporte é contatado, e o problema é corrigido no local do cliente. A informação do suporte geralmente não chega ao engenheiro de produto, ou é transmitida muito mais tarde. Por causa destas lacunas, o engenheiro de produto tem que desenvolver um design baseado em hipóteses, que resulta em super ou subengenharia. No final do dia, isso significa que requisitos do cliente não são atendidos ou não serão atendidos no futuro.

A abordagem de engenharia baseada em analytics oferecida por MindSphere fornece esse loop de feedback para mudar design de produto e melhorar sua performance em campo.

Binkowski: Outro exemplo é otimizar a performance de um produto existente. Esta solução oferece a capacidade de ajustar certos parâmetros no modelo de simulação diretamente no MindSphere. Por exemplo, se você tem um produto que pode operar em diferentes velocidades, você pode testar qual velocidade é mais ótima. Usando o modelo de simulação atualizado para rodar parâmetros, você pode testar as máquinas usando as condições atuais da linha.

Klein: Se olharmos para um exemplo de cliente que vende máquinas conectadas a uma solução IoT como MindSphere, aquele cliente pode continuamente coletar dados, obter insights de performance a qualquer momento, e então simular um problema usando esta informação para melhorar design de produto.

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

Um exemplo é Konecranes, empresa finlandesa especializada na fabricação e serviço de guindastes e equipamentos de elevação. Implementou uma solução digital para acelerar seu processo de desenvolvimento de produto e conectar dados de produto e performance juntos.

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