在工业物联网(IIoT)时代,许多制造商都相信将边缘和云分析结合起来,以理解工厂底层数据,从而做出更好的生产决策。迄今为止,已经有许多试验项目在工厂的机器上测试分析能力。这是工作。工厂经理和高级管理人员都很兴奋。
现在,这些公司面临着一个新的挑战:如何将业务扩展到整个生产过程以及全球的多个设施。他们面临的问题是,他们必须利用各种不同的资产、数据类型、供应商和系统——从可编程逻辑控制器(plc)到企业资源规划(ERP)。他们还必须在没有可靠互联网接入的地区工作。
有很多新的分析平台这可以帮助制造商筛选堆积如山的数据。Sight Machine就是这样一家公司,它建立了一个开源模型,使用人工智能(AI)和机器学习算法来处理结构化和非结构化数据。该公司的工具还定义了一个工厂层的数字双胞胎,配置为镜像制造生产,使AI能够转换和上下文化数据和机器学习,以识别异常。
Sight Machine的企业制造分析(EMA)该公司官员称,该平台为其客户提供了良好的服务。然而,最近这家技术供应商意识到客户对速度、简单性和可扩展性的需求,因此在该平台上推出了两款新产品来解决这些问题。
今年6月,Sight Machine介绍了FactoryTX Edge和FactoryTX Cloud,两者都能实现多工厂工业物联网数据摄取的快速部署和集中管理。根据Sight Machine的说法,FactoryTX Edge和Cloud使制造商能够灵活地获取机器数据,无论它存在于何处——直接从机器、从不同的设备、本地数据存储或从基于云的数据湖——将其预处理为标准化格式,并安全地流到Sight Machine的基于云的分析软件。
FactoryTX Edge从生产环境获取原始数据,同时通过微批处理和软件更新增量压缩解决网络可靠性挑战,使用存储和转发功能缓解工厂的带宽限制。它包括自助安装技术,允许终端用户远程部署数字制造应用程序,并支持远程供应、监控和维护,通过基于浏览器的配置工具加速扩展能力和改进数字制造能力。Factory TX Cloud提供与Edge相同的功能。但它经过优化,可以在云中运行,使制造商能够迅速将聚合数据转化为信息洞察。
此外,新工具被设计成与企业范围的信息技术(IT)需求相结合,以避免创建新的数据竖井和孤立的本地应用程序。
Sight Machine的营销副总裁埃德·希门尼斯(Ed Jimenez)说:“我们帮助制造商从工厂获得数据,创建一个数字双胞胎,然后使用模型帮助分析业务。”“Factory Edge和Cloud属于第一类。这是一种从工厂现场获取数据并大规模进行的最佳方式。”它并不能取代制造商为获取数据已经在做的事情。他说,这只是使从更广泛的系统收集信息成为可能。
例如,Sight Machine与一家大型纸包装制造商合作,其生产工厂的废品率很高。作为一家全球制造商,该公司专注于建立一个可扩展的平台来分析广泛的生产数据,以应对质量挑战。
该公司在每个工厂都有一名历史学家,从整个生产过程中使用的数百个PID控制器中获取信息。数据被转发到一个基于云的数据湖,用于集中存储来自多个设施的数据。但要了解这些数据之间的关系并不容易。制造商想要一个物联网分析平台,可以持续实时分析所有数据,而不是手动选择历史样本,这将使他们能够更快地调查和反应。
因此,该公司实现了Sight Machine的企业制造分析应用套件,以分析在整个生产过程中接触单个纸卷的每台机器的数千个传感器读数。制造商使用此分析快速识别生产参数和质量问题之间的隐藏关系,以降低废品率,提高质量和良率。
Sight Machine的工程副总裁Ryan Smith说:“我们很高兴看到越来越多的客户朝着可运营规模发展。”“我们在工厂层面取得了胜利,但公司现在正在考虑在一个工厂中建立多条生产线,或在制造或供应链网络中建立多个工厂。现在要考虑的是如何让客户更快更容易地完成这项工作。”这就是FactoryTX的用武之地。FactoryTX正在扩展数据以增加业务价值。”