AWS, Google, Microsoft Impulsionam Inovação na Manufatura com Soluções Avançadas de Dados e Software

A Ford Motor está aumentando a variedade de sensores em suas linhas de montagem para transformar Big Data em Dados Ainda Maiores enquanto democratiza o acesso à informação coletada. "Estamos enriquecendo os dados que o equipamento gera adicionando sensores como monitoramento infravermelho e sensores de vibração para complementar dados tradicionais [coletados], como tempo de ciclo e pressão, para criar um pool de dados mais rico", disse Mike Mikula, diretor de manufatura para programas de veículos. "Agora podemos construir análises mais inteligentes em torno das contribuições daqueles sinais para a qualidade do produto, a eficiência do processo e a saúde do equipamento."

Ajudando a Ford em seu esforço estão "a maioria das maiores plataformas IoT", disse ele. Ford e uma daquelas empresas de plataforma IoT — Google — anunciaram uma parceria este ano para serviços de gerenciamento de dados em nuvem industrial e aplicações de software analítico, entre outros serviços.

Para impulsionar o uso da informação resultante para o chão de fábrica, a Ford está construindo uma plataforma de dados IoT que dá aos trabalhadores de produção acesso a análises via apps low-code e no-code que requerem pouco ou nenhum conhecimento de linguagens de computador.

Os apps recém-criados podem então ser escalados para outros usuários na empresa que estão lidando com processos e equipamentos similares, disse Mikula.

Enquanto isso, a Ford também está favorecendo seletivamente o poder cerebral humano sobre software para analisar dados e recorrendo cada vez mais a codificadores internos do que a fornecedores de aplicações.

"A solução será dependente da aplicação", disse Mikula. "Às vezes será software, e às vezes será um analista de dados que processa as fontes de dados. Gostaríamos de mover para soluções mais autônomas e impulsionadas por machine learning e inteligência artificial. O objetivo é ser menos dependente de SaaS [software as a service] comprado."

Em última análise, disse Mikula, os esforços visam diminuir o custo geral de manufatura — economias que podem então ser repassadas aos consumidores.

Dois dos gigantes de dados concorrentes do Google, Amazon e Microsoft, agora oferecem hospedagem em nuvem e soluções de software para fabricantes também.

"Há muitos players que estiveram fora do IoT industrial como Google, Microsoft e Amazon que estão reconhecendo o potencial para eles alavancarem seus pontos fortes em software para deslocar alguns dos incumbentes tradicionais da Internet Industrial das Coisas", disse Mikula.

Os gigantes da tecnologia compõem um Novo Big Three, similar à referência Big Three de antigamente para Ford, General Motors e Chrysler. O software industrial dos gigantes da tecnologia para fabricantes de veículos e outros ajuda com componentes e objetivos da Indústria 4.0 — gêmeo digital, manutenção preditiva, verificações de qualidade por visão de máquina, operações autônomas e mais.

Enquanto esses gigantes da tecnologia estão alavancando sua expertise com dados e software para ser parte da Indústria 4.0, eles também têm conhecimento de domínio de fazer coisas.

Uma cadeia de suprimentos 'insana'

"Provavelmente somos uma das maiores empresas de manufatura do mundo", disse Dominik Wee, diretor global gerente, manufatura e industrial no Google Cloud. "O Google tem uma cadeia de suprimentos insana, extremamente profunda. Temos uma cadeia de suprimentos tão complexa quanto qualquer empresa de manufatura global."

A empresa fabrica o hardware de computação em seus data centers e projeta seus próprios chips de computador. No lado do consumidor, faz telefones, bem como dongles Chromecast que adicionam funções inteligentes a uma televisão.

Enquanto o Google tem sido um fabricante desde que a empresa começou há mais de 20 anos, começou a investir pesadamente em seus serviços de manufatura para outros quando o Presidente do Google Cloud Thomas Kurian foi contratado em 2018, disse Wee. Kurian trabalhou anteriormente na Oracle por 22 anos.

À medida que a manufatura se torna digitalizada, as metodologias do Google desenvolvidas para o mercado consumidor estão se tornando relevantes para a indústria, disse Wee, que trabalhou anteriormente na indústria de semicondutores como engenheiro industrial.

"Acreditamos que estamos em um ponto no tempo onde estas tecnologias — principalmente a área de analytics e IA — que têm sido muito difíceis de usar para o engenheiro industrial típico estão se tornando tão fáceis de usar no chão de fábrica", disse ele. "É aí que acreditamos que nossa diferenciação competitiva reside."

Wee disse que o que o Google fez para sua tecnologia para manufatura sob Kurian imita o que fez anteriormente no lado do consumidor: tornar tão fácil de usar que você nem percebe que está fazendo isso.

Inspeção de qualidade usando Vision Inspection do Google Cloud é um bom exemplo, disse ele.

"Como visão de máquina é muito avançada, é muito usada [para inspeção de qualidade] e então a tornamos muito fácil de implantar machine learning em contexto de chão de fábrica e usar poucas imagens para fazer isso. Você não precisa ser programador ou especialista em machine learning para fazer isso", disse Wee. "É literalmente apontar e clicar."

Ele apontou a facilidade com que empresas podem pilotar o Vision Inspection e então escalá-lo: "Para transferir a metodologia, você não precisa trazer ninguém do Google ou trazer a Empresa XYZ para fazer para você. As pessoas dentro da fábrica podem fazer. Este é o grande desbloqueio — onde machine learning sai da fantasia para estar em uso generalizado na manufatura."

Facilidade de uso é uma vantagem competitiva para a empresa, disse Wee.

"Falamos sobre gap de piloto", disse ele. "Muitas empresas tentaram machine learning e realidade aumentada e manutenção preditiva, e fizeram em um ponto em uma parte de sua pegada global de manufatura e foi muito trabalho. Pessoas muito especializadas eram necessárias mas nunca conseguiram escalar."

Além de ser fácil de usar, o Google Cloud usa software open-source, que mantém as opções dos fabricantes abertas, disse Wee.

O Google também afirma que a força de seu analytics e IA é inigualável: "Sendo uma empresa que tem processamento de dados no núcleo de sua existência de 20 e poucos anos, reivindicaríamos que ninguém entende isso melhor do que nós", disse ele. "Se você tem uma enorme quantidade de dados para enfrentar em qualquer contexto, incluindo do chão de fábrica, argumentaríamos que somos a empresa certa para fazer isso."

Transformando a força de trabalho

Indranil Sircar, CTO da Microsoft para a indústria de manufatura, provavelmente discordaria respeitosamente de Wee.

"Microsoft Cloud for Manufacturing ajudará clientes a reimaginar suas corporações, construindo fábricas mais ágeis e criando cadeias de suprimentos mais resilientes, bem como transformando sua força de trabalho", disse ele.

Sircar está na Microsoft há quase uma década. Antes disso, trabalhou na Hewlett-Packard por mais de 20 anos.

Enquanto tanto Google quanto Microsoft ajudam fabricantes a coletar e analisar dados de suas máquinas, Sircar disse que os componentes relacionados à força de trabalho dos serviços de sua empresa — incluindo IA e realidade mista usando HoloLens 2 — são os verdadeiros diferenciadores não apenas do Google e Amazon, mas também dos provedores tradicionais de soluções de software industrial.

Por exemplo, a Mercedes Benz EUA usa o Remote Assist da Microsoft, que permite a uma pessoa em um computador ajudar alguém usando HoloLens remotamente.

Em um vídeo no site da Microsoft, Edgar Campana, técnico de diagnóstico centralizado na Mercedes Benz de Coral Gables, disse: "Posso apenas colocar [HoloLens] e obter suporte imediato. Eles podem literalmente apontar coisas para mim enquanto estou olhando. Eles podem circular. Podem desenhar linhas. É hands-on: É literalmente bem ali. Posso estar falando com eles, passando pelo veículo em tempo real. É muito intuitivo."

Enquanto o Remote Assist é bidirecional e permite usuários falarem de volta e forth, Mixed Reality Guides Solutions é apenas uma direção e permite trainees interagirem com hologramas sozinhos ou em combinação com objetos físicos.

"Airbus é um ótimo exemplo", disse Sircar, observando que a empresa tem usado "os Guides em sua linha de manufatura, trazendo trabalhadores para ver muito rapidamente um overlay sobre cabeamento e como precisa ser ajustado."

O ambiente 3D pode oferecer features que treinamento real não pode, como a capacidade de ver elementos em três dimensões de qualquer ângulo.

Designers da Airbus podem testar virtualmente seus designs para ver se estão prontos para a linha de montagem.

A Microsoft fabrica HoloLens 2 e Surface Hub, um quadro branco interativo para negócios. Vende produtos físicos, incluindo consoles de videogame Xbox e computadores pessoais com tela sensível ao toque Surface.

Ainda, "manufatura, como falamos, tem sido terceirizada muito mas... definitivamente gerenciamos toda aquela linha de produção, todo o caminho do design e aquisição de complementos e teste de linha de montagem", disse Sircar.

No lado de dados na nuvem, a empresa gerencia manufatura da infraestrutura ponta a ponta.

A primeira aplicação da Microsoft para indústria foi em 2002, com software de planejamento de recursos empresariais chamado Dynamics AX, disse ele. Azure IoT ficou disponível em 2016.

Também em 2016, a Microsoft foi convidada a participar da Plattform Industrie 4.0, a iniciativa do governo alemão, disse Sircar.

A Microsoft co-fundou o consórcio Open Manufacturing Platform (OMP) com a BMW. O OMP promove um modelo de dados aberto comum, que é uma linguagem de dados compartilhada para aplicações de negócios e analíticas usarem.

Usando mesma tecnologia da Amazon

Amazon.com é mais conhecida por vender do que manufaturar. Mas faz Kindle, dispositivos Echo e outros produtos de consumo. Também faz uma grande porcentagem do hardware que roda sua infraestrutura e seus próprios chips de computador.

AWS (Amazon Web Services) lançou uma linha industrial em 2020, incluindo produtos e serviços para IoT, IA, machine learning, analytics e soluções edge.

A linha apresenta "serviços e soluções novos e existentes da AWS e da rede de parceiros AWS, construídos especificamente para [desenvolvedores de] software, engenheiros e operadores em locais industriais", disse Douglas Bellin, chefe global de desenvolvimento de negócios para smart factory e Indústria 4.0. "Coletivamente, estes trazem uma abordagem modular para permitir coleta, armazenamento, análise e insights de dados."

O processo para fazer aquelas melhorias seria começa cedo com coleta e escrutínio de dados, e a AWS descobriu várias maneiras de domar todos aqueles "0"s e "1"s.

"Se você começar no nível de software e dados, há mais de 350 protocolos diferentes usados na indústria", disse Bellin, que entrou na AWS em 2017 após mais de 10 anos na Cisco.

AWS Lookout for Equipment usa dados históricos de equipamento de sensores existentes, junto com informações de eventos históricos de manutenção, e constrói um modelo customizado de machine learning que rastreia padrões de comportamento normal daquela máquina. Quando dados operacionais desviam do normal conhecido, o Lookout for Equipment sinaliza o desvio para usuários apropriados via alertas e dashboards.

Outro produto, AWS IoT SiteWise, estabelece uma única fonte de dados simplificando a extração de dados de bancos de dados comumente encontrados em instalações industriais, transferindo os dados seja localmente ou para a nuvem, e estruturando-os para torná-los facilmente acessíveis a usuários e aplicações. O framework de aplicação permite computação de métricas comuns de desempenho industrial, como eficiência geral do equipamento. Também monitora operações em múltiplas instalações industriais, analisa dados de equipamentos industriais, previne problemas custosos de equipamentos e reduz gaps na produção.

Além de padronizar dados, outro obstáculo comum ao criar uma fábrica inteligente é incorporar equipamentos legados. Qualquer máquina-ferramenta equipada com um CLP terá alguns dados para ceder, mas será mínimo comparado com maquinaria moderna. Em resposta, a AWS tem parceiros que podem adicionar o hardware necessário para rastrear alguns parâmetros de máquina. Também criou seu próprio sensor de vibração e temperatura de baixo custo para equipamentos rotativos, chamado Amazon Monitron.

Amazon Monitron também é um serviço de monitoramento de condição de equipamento baseado em machine learning que permite manutenção preditiva analisando sinais de sensores de equipamentos industriais, como motores, bombas e caixas de engrenagens.

É um sistema totalmente gerenciado, ponta a ponta, que inclui sensores para capturar dados de vibração e temperatura, gateways para transferir dados automaticamente para a AWS Cloud, e um app mobile para configuração, analytics e notificações de comportamento anormal de máquina.

"Amazon Monitron é baseado na mesma tecnologia usada na Amazon, alavancando mais de 20 anos de experiência em detecção de anomalias para melhorar ainda mais a precisão do modelo", disse Bellin.

Com Amazon Monitron, gerentes de confiabilidade podem começar a rastrear condições de equipamento em questão de algumas horas — sem qualquer trabalho de desenvolvimento ou treinamento especializado requerido, disse a AWS.

Fabricantes podem usar Amazon Monitron para habilitar manutenção preditiva, monitorar equipamentos remotamente e rastrear a condição de equipamentos inacessíveis, adicionou Bellin.