Det som dessa båda aktörer bidrar med innehåller tveklöst en hel del kapacitet som ger fotfäste åt idéerna kring att sluta loopen mellan design och tillverkning även i mer disparata IT-miljöer:
- Siemens bidrar med sin hårdvara, tillverkningsdata och avancerade Digital Twin-teknologi som visar hur en maskin eller fabrik är tänkt att fungera.
- IFS tillhandahåller driftdata, servicehistorik och livscykelhantering via sin molnbaserade IFS Cloud-plattform.
Funkar det? Klart är att parterna verkar ha fått ihop det mesta av samarbetsaspekterna kring detta och Tony Hemmelgarn, Siemens PLM-bas, brukar inte vara den som lägger upp tomma löften på bordet. Genom att väva samman båda bolagens kapabiliteter skapas en sluten dataloop som gör att AI-modeller kan förstå både den ursprungliga ingenjörsdesignen och maskinens faktiska beteende i realtid. Det öppnar för svindlande möjligheter att optimera produktionslooparna.
Optimerar produktlivcykeln genom industriell AI
Enligt de två bolagscheferna bär detta ett löfte en stor potential att öka värdet på kundernas produkter, inte minst genom att optimera produktionstillgångar över hela produktlivscykeln med industriell AI.
Det är heller inte svårt att se vilka ypperliga möjligheter samarbetet för med sig med Siemens ledarskap inom industriell AI, teknik, automation och tillverkningsutförande och IFS styrkor inom industriell AI, företagstillgångshantering och fältservice. Tillsammans kan man hjälpa tillverkare att överbrygga en ihållande klyfta: gapet mellan hur fabriksverksamhet är utformad och hur den fungerar i verkligheten, där oplanerade driftstopp, osammanhängande underhållsscheman, silobaserade produktionsdata och störningar i leveranskedjan fortsätter att urholka genomströmning, flexibilitet och marginal.
”Produktionsplanering, underhåll och leveranskedjan sker fortfarande i frånkopplade system. När störningar inträffar reagerar företag alltid, men de förutspår aldrig. Siemens har ägnat årtionden åt att bygga upp den tekniska och produktionsmässiga sidan av denna historia: den digitala tvillingen, automationen, själva fabriken. IFS ger oss det som händer härnäst: tillgångars prestanda, servicehistorik och livscykeldata från fältet. Tillsammans sluter vi den cirkeln. Kopplar samman designintention och verklig prestanda till en säker, styrd datastruktur, så att det som händer i verksamheten direkt matas tillbaka till hur nästa tillgång designas och byggs. Detta partnerskap levererar den saknade delen. Design möter verklighet, verkligheten matar design,” summerade Mark Moffat.
Ett gemensamt uppdrag för tillverkare
Tillverkare är under växande press att göra mer med sina befintliga tillgångar – producera mer på fabriksgolvet, skydda marginaler och förlänga värdet på utrustning över hela dess livscykel samt reagera på förändringar med större flexibilitet och anpassningsförmåga. Ändå arbetar många fortfarande med produktions-, underhållsplanerings- och leveranskedjesystem som inte kommunicerar med varandra, vilket innebär att ingenjörsavsikt, verklig prestanda och servicestrategi förblir isolerade.
Industriell AI är central för partnerskapets ambition. Siemens och IFS delar övertygelsen att nästa era av industriell prestanda kommer att definieras genom att sammanföra den fysiska och digitala världen för att hjälpa tillverkare att översätta designavsikt till operativ verklighet och koppla tillbaka den operativa verkligheten till bättre design för att accelerera innovation.
En sluten digital tvilling
Siemens omfattande digitala tvilling sammanför ingenjörs-, simulerings- och tillverkningskontexten medan IFS sammanför servicehistorik, tillgångsbeteende och operativ livscykeldata som visar hur dessa produkter och tillgångar presterar i verkligheten. Tillsammans planerar de att skapa en sluten digital tvilling baserad på både designintention och fältprestanda, en digital tvilling som är säker, styrd och granskningsbar inom design, simulering, serviceregister, fabriksutförande och kan distribueras i industriell skala.
Till skillnad från generiska AI-modeller kräver industriella miljöer noggrannhet, tillförlitlighet, regelefterlevnad och anpassningsförmåga för att driva optimering och flexibilitet, eftersom även små felfrekvenser är oacceptabla när beslut påverkar säkerhet, efterlevnad och kostsamma fysiska tillgångar.
Partnernas gemensamma strategi för industriell AI är byggd för denna verklighet.
