Cómo la Ingeniería de Producto Impulsada por Analítica Mejora Diseño y Rendimiento

Un vistazo a cómo la simulación de sistemas y capacidades IoT pueden cerrar el bucle de retroalimentación de datos.

Cerrando el bucle de retroalimentación

Después de vender un producto, los ingenieros de producto típicamente reciben muy poca retroalimentación sobre su rendimiento en campo. Ya no tiene que ser así. Con la solución adecuada, los fabricantes de producto pueden combinar simulaciones de sistemas y capacidades IoT para mejorar diseños de producto y luego emitir resoluciones usando simulaciones basadas en casos de carga reales.

RTInsights conversó con Jasmin Klein, Global Portfolio Development, y Christian Binkowski, Cloud Solution Manager, de Siemens para discutir beneficios de incluir un bucle de retroalimentación de datos entre ingenieros de producto y el dispositivo en campo para lograr optimización de producto en tiempo real, gemelos digitales, y más. Resumen de la conversación.

RTInsights: ¿Qué es la ingeniería de producto basada en analítica?

Klein: La ingeniería de producto basada en analítica permite a usuarios tomar datos de rendimiento en vivo de un producto o máquina en campo y volver a inyectarlos en el modelo de simulación del producto para mejorar el diseño. Con los datos de producción en vivo alimentando el modelo, se crea un gemelo digital de bucle cerrado.

Este gemelo digital puede usarse para mejorar activamente el diseño del producto. Por ejemplo, si un producto comienza a tener problemas, puedes ejecutar una simulación precisa usando los datos en vivo e identificar la causa raíz de cualquier problema. Con los problemas completamente entendidos, se pueden hacer cambios requeridos en el diseño para futuras iteraciones. El impacto de los cambios también puede verificarse con precisión usando el modelo de simulación más preciso con datos reales de la máquina.

RTInsights: ¿Cuáles son los beneficios de usar ingeniería de producto basada en analítica?

Klein: Con simulaciones precisas, no solo los diseñadores toman mejores decisiones, sino que reduce tiempo y coste para llevar nuevos diseños al mercado. La necesidad de prototipado se elimina casi por completo. Las empresas tienen capacidad para desarrollar productos centrados en el usuario que satisfacen necesidades del cliente y aumentan satisfacción. Pueden aprender de problemas en campo usando datos reales, simulando los errores, y mejorando el diseño. Así, eliminan problemas de producto, ahorran tiempo y dinero reduciendo tiempo de validación de producto, y evitan sobre-ingeniería. Juntos, esto mejora la eficiencia general.

RTInsights: ¿Qué solución ofrece Siemens en esta área?

Binkowski: Siemens tiene MindSphere®, la solución de IoT industrial como servicio, que conecta productos, máquinas, y sistemas de todo tipo y marcas. Esta solución recopila, agrega, gestiona, y analiza datos de rendimiento. Para la solución MindSphere Analytics-Based Product Engineering, específicamente, MindSphere está integrado sin fisuras con el software Simcenter^TM Amesim^TM a través de un conector creado a propósito. La aplicación MindSphere usa este conector para empujar datos de rendimiento en vivo de vuelta a los modelos de simulación.

(El software Simcenter Amesim simula todos los diferentes tipos de sistemas mecatrónicos. Viene con toneladas de librerías y plantillas de solución para máquinas, coches, baterías, barcos, y más.)

Una vez que tienes una conexión establecida entre ambos sistemas, puedes seleccionar los datos de series temporales que quieres explorar. Por ejemplo, si hay un problema en campo, podrías querer simular 20 minutos antes o alrededor de ese incidente. Seleccionas el intervalo en MindSphere, y MindSphere genera un paquete de simulación y lo transfiere a Simcenter Amesim. Luego, la simulación se ejecuta, y una vez hecho, puedes ver los resultados de simulación en MindSphere.

RTInsights: ¿Pueden dar ejemplos de casos de uso y éxitos?

Klein: Empezaría con un caso de uso general. Hoy, en la mayoría de casos, una máquina se envía al cliente, y el product manager nunca recibe información sobre el rendimiento de la máquina en campo para mejorar el diseño. Cuando hay un problema, se contacta soporte, y el problema se arregla en el sitio del cliente. La información de soporte usualmente no llega al ingeniero de producto, o se transmite mucho después. Por estos gaps, el ingeniero de producto tiene que desarrollar un diseño basado en hipótesis, resultando en sobre- o sub-ingeniería. Al final, esto significa que los requisitos del cliente no se cumplen o no se cumplirán en el futuro.

El enfoque de ingeniería basada en analítica ofrecido por MindSphere proporciona ese bucle de retroalimentación para cambiar diseño de producto y mejorar su rendimiento en campo.

Binkowski: Otro ejemplo es optimizar rendimiento de un producto existente. Esta solución ofrece capacidad de ajustar ciertos parámetros en el modelo de simulación directamente en MindSphere. Por ejemplo, si tienes un producto que puede operar a diferentes velocidades, puedes testar qué velocidad es más óptima. Usando el modelo de simulación actualizado para correr parámetros, puedes testar las máquinas usando las condiciones actuales de la línea.

Klein: Si miramos un ejemplo de un cliente que vende máquinas conectadas a una solución IoT como MindSphere, ese cliente puede recopilar datos continuamente, obtener insights de rendimiento en cualquier momento, y luego simular un problema usando esta información para mejorar diseño de producto.

El ingeniero de producto puede aprender y sacar conclusiones directamente de los datos en vivo de la máquina. Al final, esto asegura que el ingeniero de producto pueda desarrollar un producto centrado en el usuario y aumentar satisfacción del cliente.

Un ejemplo es Konecranes, empresa finesa especializada en fabricación y servicio de grúas y equipos de elevación. Ha implementado una solución digital para acelerar su proceso de desarrollo de producto y conectar datos de producto y rendimiento.

La empresa usa MindSphere y Teamcenter®, software de gestión de ciclo de vida digital de Siemens, para aprovechar el gemelo digital para reducir el número de prototipos que necesitan producir. Esto les ayuda a aumentar eficiencia y disminuir tiempo de validación de producto. Implementando una solución de innovación digital, aceleraron el proceso de desarrollo de producto y aumentaron la colaboración entre organizaciones de simulación, testing e ingeniería en su empresa.