去年，创业公司视景机械宣布进入工业领域生产分析平台．该技术基于开源模型，使用人工智能和机器学习算法，旨在吸收结构化和非结构化数据来开发数据模型。该系统解决了公司需要解决的核心挑战，即分析来自工厂车间的信息的复杂性，特别是在工业物联网(IIoT)产生新形式的数据的情况下。
上个月，该公司推出了Sight Machine 2.0，通过添加Global Ops View来扩展其分析平台，实现整个企业的实时可见性。它包括上下文化的仪表板，可以根据用户或功能的需求进行定制，以及使用机器学习来确定停机原因的工具。
该公司还定义了自己版本的“数字双胞胎”。这是产品生命周期管理(PLM)供应商常用的术语，指的是使用建模软件来反映实体产品。Sight Machine有一点不同，因为它将数据模型应用于整个工厂。
“到目前为止，我们已经开发了五年多的技术，去年我们意识到，‘数字双胞胎’这个词越来越多地被用来形容我们所做的事情，”Jon Sobel说，他是公司的首席执行官和联合创始人看到机器．这个术语主要用来描述模拟复杂资产(如喷气发动机)的挑战性问题。我们建立的是一个数字孪生的工厂作为一个系统。这和物理建模的概念是一样的。但是，在我们的例子中，我们是在为整个工厂建模。”
Sight Machine的价值在于它能够组合、重用和理解制造商收集的数据。例如，数据科学家、开发人员和操作人员通常会从不同的角度来解决一个单一的问题，比如机器停机时间，然后把所有问题联系在一起。有一个工厂车间的数字双胞胎的想法意味着相同的模型可以反复使用，通过建立相同的模型来填补数据空白。
索贝尔说:“所有关系都是在背景中持续呈现的，这填补了这一空白。”
需要明确的是，Sight Machine并不是一个倾倒大数据的数据湖，相反，它被配置成镜像制造生产，并自动结合每个工厂和供应商的过程和产品数据。通过使用插件具象状态传输(REST)应用程序接口(api)，它从几乎任何来源(历史记录、PLC、MES、ERP、批量报告、电能表等)接收数据，并通过其人工智能将数据转换和上下文化，从而生成工厂数字双胞胎。从那里，机器学习和高级分析可以识别异常并产生见解。
在一个例子中，一家在世界各地拥有多家工厂的大型制造公司要求Sight Machine破译十年来的工艺数据，这些数据太过多样，难以理解。使用数字孪生模型，在不到一个月的时间内，该公司能够确定有意义的废料节省和减少30%的废物率。它还精确地指出了精密电子产品生产过程的改进，这是他们以前从未见过的。
这里的意义在于，与PLM中的数字孪生模型不同，PLM中的数字孪生模型是用来理解参数变化会是什么样子的，Sight Machine数字孪生模型使用一组底层模型来处理发生的事情的数据，并提醒人们正在发生什么，以便建立预测和预测。
此外，这些都是相同的数据，它们以不同的粒度级别工作，不同的业务人员可以查看这些数据。这就是新的全球运营视图的由来。
使用全球操作视图，在一个屏幕上，高管可以跟踪全球或按国家、工厂、机器、机器类型或合同制造商的产量，所有这些都是实时更新的Sight machine。
上下文化的指示板让不同的用户类型能够准确地看到其角色所需的信息，并能够适应不断变化的业务需求。公司经理的仪表板可以提供标准化的kpi来跨部门、工厂和供应商进行比较，帮助识别问题和最佳实践。工厂经理的仪表盘可以实时显示工厂地板上的每台机器和生产线，以获得对生产率的即时和可行的见解。机器操作员的仪表盘可以为监控、优化和故障排除提供关键的传感器数据。
还有一个叫做停机分类器的功能，可以帮助技术人员通过自动分析机器或线路关闭时生成的数据，快速确定计划外停机的原因。在初始设置期间，它捕获机器和手动输入，以校准停机分类的模型，然后通过机器学习不断提高其能力。
另一个功能Sight Machine Commander将于2017年上半年推出，将使制造商和集成商能够通过直观的基于web的界面添加新的数据源和数据类型。传统的分析和报告系统受限于有限的数据源和IT专家的参与，这是向自助数据准备和分析迈出的一步，允许非专业用户引入新的数据类型来设计和自己进行分析。
索贝尔说:“这是一个伟大的时刻，也是一个重大举措，可以告诉客户，我们有你以前从未有过的模特，你将有能力自己与模特合作。”“这很重要，因为很多公司会从战略上考虑数据，他们不想购买一种目前能给他们带来好处、但没有灵活性和规模的解决方案。总有一天，该公司将结合设计、工程、生产和产品领域的数据。他们还不知道他们将如何做到这一点，这是好的，但重要的是选择开放的工具，这样数据就可以自由地来回移动，公司内部的专家有能力以他们想要的方式使用这些工具。”
