Revolucionando Engenharia com Automação Inteligente: Nuvem, ML e Blockchain no PLM

Em meio a crescimento vigoroso em sua indústria, desenvolvedores de software de gestão de ciclo de vida do produto (PLM) estão explorando a nuvem e machine learning para gerenciar dados e melhorar a experiência dos usuários. Líderes da indústria também estão olhando para blockchain, seja para expandir uso do livro-razão distribuído em seu software ou para integrá-lo onde faz mais sentido em suas aplicações PLM.

O mercado PLM no ano passado cresceu 9,4%, com 18 provedores gerando receita relacionada de 500 milhões de dólares, disse Stan Przybylinski, VP de pesquisa na CIMdata Inc. Olhando para 2023, CIMdata vê o mercado PLM crescendo para quase 72,4 bilhões de dólares a uma taxa de crescimento anual combinada de 8,6%.

"A aquisição da Mentor Graphics pela Siemens PLM Software os tornou o único provedor com ofertas abrangendo mecânica, elétrica/eletrônica, e software", ele disse. "Por causa dessa aquisição, a estimativa da CIMdata coloca a Siemens na posição nº 1 geral, superando a Dassault Systèmes por menos de 100 milhões de dólares."

Com as melhorias e consideração de blockchain para PLM, a aplicação está sendo redefinida em parte para refletir avanços fundamentais na manufatura.

"Acho que a grande questão é que PLM não é mais uma aplicação autônoma", disse John Kelley, VP de estratégia de cadeia de valor de produto na Oracle. "É parte de cadeia de suprimentos integrada e manufatura, e é uma peça chave da transição para Indústria 4.0 e dispositivos inteligentes e conectados."

PLM também assumiu gestão de gêmeos digitais, big data e analytics para construir aplicações úteis como aquelas para manutenção preventiva, monitoramento de ativos e monitoramento de produção, ele disse.
CTO da Siemens PLM Software, Jim Rusk, pode concordar com Kelley. Rusk disse que software PLM abrangente oferece vantagem competitiva.

"Vimos uma progressão bem significativa de como produtos são desenvolvidos", ele disse. "Historicamente, mecânica era desenvolvida pelo grupo de engenharia e então talvez você tivesse eletrônica que era desenvolvida por outro grupo e talvez houvesse algum software. Essas barreiras de domínio em empresas que produzem produtos complexos não podem mais permanecer. É mais difícil para eles competirem quando estão serializando esses processos."

Adicionando gasolina ao machine learning

Vikram Vedantham, gerente sênior de estratégia de negócios na Autodesk, disse que a tecnologia de design generativo de sua empresa, originalmente introduzida no ano passado e agora integrada dentro de sua plataforma design-para-manufatura, Fusion 360, tem sido líder na mudança de paradigma para trazer tecnologias de automação inteligente para o amplo mercado de engenharia.

Design generativo leva em conta a definição de um problema e quaisquer restrições impostas por um usuário — incluindo dimensões, materiais, condições de carga — para gerar múltiplas soluções de design viáveis ou respostas a um problema de engenharia.

"Estamos interessados em remover os gargalos que atualmente existem em como dados fluem de uma pessoa e processo para outro, assumindo o fardo de traduzir aqueles dados através de uma experiência digitalizada perfeita de ponta a ponta do design através da manufatura", ele disse. "Porque então podemos começar a olhar opções onde podemos servir seletivamente respostas que um cliente prefere em vez de expô-los a centenas de resultados."

A Autodesk melhorou a experiência do usuário Fusion 360 permitindo que dados gerados desde ideação em estágio inicial até preparação de manufatura movam-se perfeitamente dentro do fluxo de trabalho enquanto usuários alternam entre páginas de "workspace".

"Absolutamente queremos ter certeza que assumimos o fardo de manipular os dados dentro do fluxo de trabalho", disse Vedantham. "Nossa pesquisa de cliente e engajamento com o cliente definitivamente mostram que essa é uma necessidade emergente e imperativa no mercado."

Enquanto a Autodesk trabalha em integrar machine learning em seu processo de design generativo, a Oracle está aproveitando a inteligência artificial para analytics preditivos e gestão de qualidade em sua aplicação Oracle PLM Cloud.

"Um dispositivo conectado IoT pode detectar uma vibração que está fora dos parâmetros de design. É onde alavancar analytics preditivos e machine learning entra", disse Kelley. "Primeiro, preciso prever quando aquele ativo falhará ou quando a qualidade do produto produzido naquela máquina cai fora de parâmetros. Segundo, preciso dos analytics para avaliar a ordem de trabalho agendada para o equipamento ou linha de produto e escolher o melhor momento para emitir uma ordem de trabalho de manutenção preditiva para garantir que minimizamos o impacto na minha vazão de fábrica. Mas também vou alimentar isso de volta na minha aplicação de qualidade para determinar se mudanças de produto são necessárias para prevenir ou reduzir a chance deste problema acontecer novamente."

À medida que empresas mudam de vendas de produtos para produtos como serviço, garantir uptime para controlar a corrente de receita é crítico. Manutenção preditiva e gestão preditiva de ativos são críticos para estes novos modelos de negócio e agora são parte de software PLM.

Um PLM digitalmente conectado não é mais usado apenas por engenharia, também. É também usado por cadeia de suprimentos, manufatura, vendas, suporte e outros parceiros através da cadeia de valor do produto e, como tal, interfaces de usuário e dashboards específicos de papel são necessários para garantir que cada usuário obtenha informação útil específica de papel necessária para fazer seu trabalho.

"Então, tivemos que focar em apresentar informação significativa baseada em papéis", disse Kelley. "E isso é chave, porque você precisa armazenar uma quantidade tremenda de informação sobre o produto no PLM para criar aquele fio digital ou registro de produto empresarial que você quer."

A Oracle faz isso diretamente na UI e em analytics embutidos na aplicação.

"Enquanto você está fazendo seu trabalho você pode ver analytics e dashboards que são muito configuráveis para seu uso e seu papel", ele disse. "Então, um usuário final vai ver transações de nível inferior enquanto um gerente vai ver um dashboard sobre saúde do produto."

Na Siemens, machine learning é usado no software NX integrado para design, simulação e manufatura.

"Estamos coletando dados enquanto o usuário está trabalhando com o produto na máquina de um usuário", disse Rusk. "Mas então colocamos algum machine learning para trabalhar e dizemos que dado as últimas várias horas ou mais aqui está um padrão que estamos reconhecendo. Baseado no que aquele usuário ou um grupo maior de usuários fez no passado, podemos prever o que eles precisam fazer a seguir para completar sua tarefa."

Ainda há necessidade de julgamento de engenharia humano e tomada de decisões, ele adicionou. Mas inteligência artificial e machine learning podem chegar a essas decisões e servir a informação que o usuário precisa muito mais rapidamente.

Rusk disse que tornar a experiência do usuário mais simples é "frente e centro" para seu software PLM baseado em servidor Teamcenter e a plataforma de entrada baseada em navegador do Teamcenter, Active Workspace. Juntos eles são o acesso primário à informação de um produto que pode ser apresentada textualmente ou graficamente. Isso é porque a complexidade de seu grupo de usuários aumentou.

"Nossos usuários estão produzindo alguns dos produtos mais complicados do mundo, seja falando de automóveis ou aviões ou eletrônicos de consumo", ele disse. "O que quer que seja requer uma audiência cada vez mais ampla.

"Você pode imaginar que indo além do ambiente desktop tradicional isso abre você para acesso de dispositivos móveis", ele disse. "Isso abre para outras partes da operação, incluindo sourcing, chão de fábrica, e departamento de engenharia. A ideia lá é simplificar e aplanar a experiência do usuário para que usuários possam muito rapidamente realizar uma busca, pegar a informação que estão interessados e prosseguir para o próximo passo."

Onde blockchain faz sentido?

Também parte de PLM é rastreamento e rastreio, o sistema para pinpoint cada localização de um item e outra informação.

A Oracle este ano começou a oferecer aplicações blockchain para rastreamento e rastreio inteligentes, linhagem de lote e proveniência (que ajuda com conformidade de identificador único de dispositivo), cadeia de frio inteligente (documentação de refrigeração adequada para perecíveis) e rastreamento de garantia e uso.

"Consideramos IoT e a capacidade de incorporar blockchain como parte de nossa pegada geral", disse Kelley.

A Oracle está avaliando blockchain para futuras listas de materiais e colaboração de gestão de mudanças com parceiros de design e manufatura terceirizados.

Kelley disse que tradicionalmente o OEM gerenciará uma colaboração de fornecedor gerenciando o BOM (listas de materiais) e mudanças de engenharia em seu sistema PLM e então enviando a informação para os fornecedores que então a puxariam para seu sistema. Mas para sua empresa, colaboração faz apps blockchain um bom ajuste para BOMs e ordens de mudança de engenharia, e a Oracle está construindo planos para eles.

"Então essa é uma área que vamos alvejar para blockchain", disse Kelley. "Não temos data ou hora para isso ainda, mas é definitivamente uma área que vamos alavancar com blockchain para aumentar a colaboração entre parceiros e a cadeia de suprimentos e cadeia de valor do produto."

Blockchain é uma "área de exploração" para a Autodesk, disse Vedantham.

"Também estamos olhando para isso de um aspecto de parceria estratégica para descobrir como melhor integrá-lo", ele adicionou.

E na Siemens, não há prazo para implementar blockchain embora seja uma "área ativa de interesse" para a empresa, disse Rusk.

"Há uma preocupação em torno de informação falsificada que pode ter sido pega em algum lugar no espaço digital então reunida e entregue de volta ao OEM", ele disse. "Há potencial para blockchain ser capaz de se inserir e prevenir que isso aconteça naqueles tipos de cenários.

"Então, acho que esta abordagem de permitir que ele persiga preocupações particulares em torno de validação adequada, falsificação, validação de fornecedor, e outros tipos de preocupações que você pode encontrar no ciberespaço é um dos benefícios chave que você obtém do blockchain."