Uma nova “solução em pacote de ponta a ponta” conecta o monitoramento de máquinas de chão de fábrica à nuvem, com análise de IA para transformar dados em conhecimento acionável.
O Google Cloud está lançando este mês duas soluções que estendem seus serviços de armazenamento e análise de dados até o monitoramento de máquinas no chão de fábrica. “Agora estamos oferecendo aos fabricantes uma solução completa em pacote”, diz Charlie Sheridan, diretor técnico da Industry Solutions—Manufacturing for Google Cloud. Um dos principais desafios, disse ele à Plastics Technology, é organizar a grande quantidade de dados que as máquinas modernas geram. Uma função dos novos recursos é criar rapidamente painéis personalizados para visualizar os principais dados dos KPIs de fábrica (indicadores-chave de desempenho), como OEE (eficácia geral do equipamento) até os dados individuais do sensor da máquina.
“A IA é a chave”, afirma Sheridan, para detectar correlações entre os dados do sensor da máquina e outros fenômenos, a fim de resolver ou prevenir problemas com a disponibilidade da máquina, produtividade ou qualidade do produto. “Por que estou vendo menos qualidade nesta máquina?” Sheridan pergunta, como um exemplo do que o Google Cloud está tentando responder agora. “Estamos democratizando a IA para fornecer uma solução de código baixo ou sem código para fabricantes.” Por exemplo, Sheridan observa que é fácil adicionar máquinas a uma rede de monitoramento – elas aparecem automaticamente no painel de dados do usuário sem personalização adicional.
As duas novas soluções foram projetadas para trabalhar em conjunto para permitir que os fabricantes conectem “ativos historicamente isolados” (dados de produção armazenados em diferentes computadores e bancos de dados) para processar e padronizar dados e melhorar a visibilidade do chão de fábrica para a nuvem. Depois que os dados são harmonizados, as novas ofertas permitem três funcionalidades críticas baseadas em IA e análises: análises e insights de fabricação, manutenção preditiva e detecção de anomalias no nível da máquina. A função mencionada por último usa IA para aprender o que constitui dados de máquina “bons” versus “ruins” para monitoramento de processo e qualidade e para manutenção preditiva.
Uma nova solução é o Manufacturing Data Engine, que processa, contextualiza e armazena dados de fábrica na plataforma do Google Cloud. Ele integra uma variedade de produtos do Google Cloud para armazenamento, acesso e análise de dados. A segunda nova oferta é o Manufacturing Connect, uma plataforma de “fábrica de ponta” desenvolvida em conjunto com a Litmus Automation para conectar-se rapidamente e transmitir dados de praticamente qualquer equipamento de fabricação e sistema industrial para o Google Cloud. Ele utiliza uma biblioteca de mais de 250 protocolos de máquina, que abrangem os PLCs mais usados. Sua profunda integração com o Manufacturing Data Engine desbloqueia a entrada rápida de dados no Google Cloud para processamento de dados de máquina e sensor.
O Google Cloud usa integradores de sistemas para implementar essas novas soluções nas fábricas. Sheridan diz que agora é possível economizar até metade do tempo normal de instalação, para que possa ser realizado em “semanas, não meses”. Ele diz que os novos serviços do Google Cloud são voltados para empresas de médio a grande porte. Um dos usuários piloto é a Ford Motor Co., que aplicou as novas ferramentas e sistemas de visão de IA para “pesar causa e efeito entre os parâmetros do processo”, de acordo com Jason Ryska, diretor de Desenvolvimento de Tecnologia de Manufatura Global da Ford. Em particular, ele está usando o Google Cloud para atacar um problema em que trabalha desde 2004, envolvendo uma grande linha de estampagem de metal para painéis externos de caminhões F-150 e veículos de trânsito. “Nós tiramos uma imagem de cada peça em uma linha que produz 900 peças/hora e 73 milhões de acessos/ano. Sabemos que há variação nos materiais de chapa metálica e podemos controlar os parâmetros do processo de estampagem. Agora estamos aprendendo a entender a relação entre os dois para que possamos manter uma saída de qualidade consistente enquanto respondemos a variações em qualquer parâmetro.”