Pages Menu
400-008-9169
Categories Menu

Sight Machine挖掘制造业的数据宝藏 | 企业级服务硅谷考察系列报道

作者:英途   2016-10-05 11:56




英途说:硅谷的乐趣在于无论你去过多少次,每次都会有不同的惊喜和发现。这家公司是英途2016年7月17日企业级服务创新考察之旅探访的近20家标杆性公司之一。
 

在现场中国一线企业家们与Sight Machine产品副总裁Ryan Smith和客户发展副总裁Adam Taischu面对面,钻技术、聊趋势、看未来,思维碰撞,干货多多。我们也将陆续为大家带来一系列的硅谷企业级服务明星企业的深度报道,敬请期待!

虽然现在做大数据的公司已经数不胜数,但还是有一堆有价值的数据资源被人们遗漏甚至浪费掉。制造商们一天能产生的数据大概是十年前一个月的总量大小。但是大部分工厂无暇处理这些数据,因为他们缺乏一种高效的技术手段,Sight Machine公司能让这些问题迎刃而解。


对话Sight Machine产品副总裁Ryan Smith和客户发展副总裁Adam Taischu




目前制造业行业主要关心两个核心问题,第一个是生产线的效率问题,第二个就是产品的质量问题。所谓效率就是工厂的运行情况,机器是否正常运作,是否宕机,是不是能保持最高的速度进行生产。而在质量方面,他们关注生产出的产品品质,是否能够卖给消费者。

Sight Machine定位于制造商客户,通过提供一套靠谱的软件分析系统,帮助客户充分挖掘记录产品质量的图像、压力温度、运动控制传感器、可编程逻辑控制器、流水线机器等方面的已经封装好的数据。挖掘完数据,再上一套浪里淘金的工序,就可以把过滤出的有价值的信息反馈给制造商,让工厂们依据信息监测并改善生产过程。
 
这套流程所处理的数据都是实时的,由实时数据产生的信息,比如质量报告、跟踪性报告、OEE趋势、SPC趋势等,将通过Web页面直接送到工厂的头头手里。这一手刚出炉的最新鲜的信息,恰好能为工厂最关心的问题提供靠谱的答案。



Sight Machine的技术能够对数据进行分析,包括原数据。它有三个步骤实现。首先对原数据进行场景化的数据分析,比如这个数据在场景里代表的含义;第二,制造模型,也就是通过数据对工厂做呈现;第三个则是通过算法和统计把意义挖掘出来。
 


Sight Machine产品副总裁Ryan Smith还为途友们讲解了从数据挖掘到呈现的具体过程:“我们会在工厂放置一些较小的设备(传感器)进行数据采集。另外我们有一些插件,可以和现在主要的制造设备进行通讯,包括OPC,Omround或者东芝。 这些数据在采集后会放到云端。当数据进入分析层时,我们会打包进行场景化分析,也就是不会把一天温度的数据进行单一的分析,而是跟部件和相关内容进行整合。之后,我们会生成一个制造模型,这就是工厂的数据呈现。数据处理后我们就可以进行分析了,并通过我们的UI用图表方式呈现给客户,或者把数据结果传输给科研人员,他们可以通过API接口对数据进行更具体的分析。”





Q & A
关键词:定制化

Q:个性化的定制,又是云部署,在效率方面如何办到的?因为我们也在做类似的事情。
A:定制化这块我们从两个角度来看,一个是一开始三大匹配的问题,这是收集数据和分析数据,我们将其作为配置问题来考虑。在配置方面我们有一些通用的数据模型,所以接下来就是配置这些数据的使用。我们不是去改代码,而是去利用这些数据,这从一方面解决了定制化的问题。第二个定制化的方向在信息提供层面。也就是我们怎样通过应用将信息呈现给客户。(一会儿给大家看一个演示)在这块我们使用一些通用的、所有制造志业都可能认为有用的工具,以这种方式呈现给客户。

关键词:云部署

Q:分析这块的功能必须配置到客户的工厂环境中,还是放在云端?如果在云端会不会担忧它的安全性和隐私性。
A:其实我们两端都可以。比较大的企业用户通常会存在对全球情况和供应链情况可视性不够的问题,因此会选择放到云端。当然在云端我们也有相关的安全审计的工作,但放在本地做也是可以的。插件在亚洲或者其他世界的国家,是从云端直接更新。

关键词:汽车产业

Q:有没有用在过汽车制造企业,又怎么提高汽车制造的效率和质量呢?达到了什么样的数据?
A:在汽车制造这块,目前有四个比较大的企业是我们的客户。如fya,crysla。以汽车发动机的模块为例,它可能无法将制作中所得的数据和测试数据(QA数据)做一个关联。但我们可以将两种数据关联,从而降低它的废品率,而且这是跨多个工厂实现的。

Q:这个可以用在中国吗?比如长安汽车,能用到这些工厂去吗?
A:应该是可以的,在中国已经有七个工厂在使用我们的解决方案。中国的汽车公司在目前还没有用的,但美国的已经开始实践了。因此应该是可行的。
 
关键词:数据标签

在网络浏览器上可以看到的界面上面有好几个标签。现在大家看到的数据标签,我们会把数据收集后放到云端进行建模。大家看到的每一行可能是一个周期或者一个零部件,也就是我们可以把不同工厂、不同机器关于这个零部件的信息汇总到一块。每一列就是零部件在工艺过程中接触到机器和设备产生的数据。从QA这边产生的图片等非结构化的数据我们也可以利用起来。

关键词:分析流程

一旦有了信息模型,就可以进行数据化处理。我们可以对每一个机器做信息化呈现,比如一天内哪些时段机器是在运作的,哪些时段是停机的。在一台机器待机之前这个绿色的部分可以点击,点击后可以查看运作周期内发生的事件、时间序列的数据。比如工艺需要花费的时间,以此来分析机器的效率,还可以知道整个过程。在此之上,我们还可以做一些更加深入的处理,如kpi指标分析。也就是把原数据建模变成零部件的数据。在这个演示里,我们模拟了一些数据。在模拟里我们可以看到有两个工厂有两种机型。我们认为同一种机型,即使在两个不同的地方表现也应当是类似的。但我们发现紫色的这个机型劣于蓝色的,于是我们观察可用性的事件分析,比如上周从传感器收集到的紫色机器的数据。在这个分析里,我们结合传感器数据,一个变量就是一个宕机的概率分析。

对宕机影响概率最大的是湿度,加州的工艺商就有这样的问题。当他们把货发到亚洲的客户手上,中国、韩国、日本用户都可以使用,但越南客户就无法使用。后来发现是由于越南周边的环境湿度较高,影响到最后产品的质量。对有质量问题的机器,我们也可以做相似的分析。在质量这块,我们的变量是次品率。对它影响比较大的则是压力。

Q:关联性分析还是因果分析?
A:关联分析和因果分析都是可以做的。我们可以把数据发送给公司的数据科研人员,他们可以提供想要的算法。比如现在我们看到的就是一个四变量的回归模型。

Q:之前提到公司的方案和一般的物联网是有区别的。我们对现有的数据可以马上进行分析和处理,那是不是在物联网方面也可以马上利用呢?
A:在物联网平台是可以用的,我们和物联网有很多类似的地方。包括传输的安全性,协议也是大家都使用过的协议。如果公司已经有物联网平台,对我们会更加有利。但如果要等到所有工厂实现物联网后才能使用我们的解决方案,就失去了时间机会点。所以用物联网也行,不用物联网也可以。

Q:订单规模多大?
A:一般小于10w不接。我们希望客户在与我们签订合同时,不是给一个不在乎的项目,而是需要投入人力物力的真正关心的事。当推广到各个工厂后单的金额会比较多



文来自于英途原创

扫描即可分享全球创新趋势