Интервью Graham Immerman, директора по маркетингу MachineMetrics

Андрей Ловыгин
Американский стартап MachineMetrics, разрабатывающий аналитическую платформу для дискретного производства за последние пару лет стал новостным хедлайнером: то компания поднимает очередной многомиллионный раунд инвестиций, то заключает партнерское соглашение с крупным IT-интегратором, то про них пишет Forbes, включая в ТОП25 стартапов, на которые стоит обратить внимание. Заслуга столь высокой медиа-активности, на мой взгляд, заключается как в очень перспективном и востребованном промышленностью продукте, так и в профессионализме маркетинговой команды. В этом я смог убедиться в ходе беседы на EMO 2019 с Грэмом Иммерманом, отвечающим за продвижение MachineMetrics в мире. Для человека своей профессии и должности Грэм неплохо разбирается в “станочных делах” и обладает экспертизой в технологиях машинного обучения, которые его компании одной из первых на рынке научилась применять для решения задач снижения простоев и повышения эффективности использования станков с ЧПУ. Давайте разбираться, чем же MachineMetrics отличается от прочих систем мониторинга оборудования, в том числе российских продуктов, которым “Планета CAM” уделяет достаточно пристальное внимание.

Здравствуйте, Грэм. Для вас это первое EMO?

Для компании это действительно первое EMO, но мы не первый раз в Ганновере. В апреле мы были на Hannover Messe, вместе с нашим партнером, было отличное мероприятие, которое сподвигло нас вернуться.

Рисунок1.png

Что такое MachineMetrics?

MachineMetrics – это революционная IoT-платформа для дискретного производства. Мы работаем в самой большой индустрии с наименьшим проникновением цифровизации. По существу, многие производители сегодня не могут видеть, что происходит в цеху в режиме реального времени. MachineMetrics предоставляет простую в использовании платформу, которая объединяет каждую единицу промышленного оборудования, независимо от бренда и года выпуска, отправляет данные в платформу, делает эти данные активными для определенного круга производственников, начиная от оператора, помогая ему повысить производительность станка и заканчивая владельцами бизнеса, стремящимися улучшить экономику производства. Кроме того, платформа полезна производителям станков, которые хотели бы оптимизировать использование оборудования заказчиками.

На рынке сейчас довольно много систем мониторинга оборудования. Даже за этой стеной (стенда) компания представляет аналогичный продукт. Чем вы отличаетесь?

Точно. Это отличный пример. Компания позади нас (соседний стенд был у компании Цифра – примеч.) утверждает, что делает тоже самое и заказчики начинают путаться, какая компания что делает. Конкуренты используют сенсоры, чтобы сказать, что происходит со станками. Но станки, сами по себе, могут рассказать куда больше. Большинство PLC имеют более сотни точек данных: скорость, подача, ускорение, параметры диагностики, количество обработанных деталей и так далее. Мы построили уникальное решение, создав программные адаптеры, которые собирают все эти данные напрямую из PLC. Конкурентам понадобятся годы, чтобы сделать подобное. И это не просто сбор данных, это еще и стандартизация данных. Есть OPC UA, UMATI, MTConnect, Fanuc Focas, Siemens, Heidenhain – и каждый язык отличается от другого. MachineMetrics приводит к единому стандарту все эти разнообразные данные до того, как мы строим аналитику.

Большинство производителей станков предлагают свои системы мониторинга.

Если бы вы провели на нашем стенде три дня, то увидели бы здесь директоров ведущих компаний-производителей станков с ЧПУ. Клиенты не хотят покупать ПО у производителей станков, и причина заключается в многообразие оборудования в цехах. Тем не менее, производители станков сами хотят получать информацию о работе своих станков для оптимизации и предоставления лучшего сервиса.

Расскажите историю создания компании и продукта.

Компания была основана в 2015 году Эриком Фоггом (Eric Fogg), который был инженером и работал на производстве. Каждый день он задавался вопросами о том, почему мы не сделали столько деталей, сколько собирались, почему станки простаивают. Еще один сооснователь – Билл Байзер (Bill Bither), являющийся нашим генеральным директором. MachineMetrics – это частная компания, у нас 65 сотрудников, хотя еще в прошлом году было 30.

Где вы берете деньги для такого стремительного развития?

Очень хороший вопрос. От наших клиентов, которые платят. У нас сотни клиентов и тысячи подключенных станков. И не только в США, в разных странах. Сейчас мы активно продвигаемся в Европу и Азию, в том числе Индию. Второй источник – мы подняли ряд инвестиций, 9 месяцев назад получили 12 миллионов долларов.

В чем преимущества продукта?

Это не столько функционал, сколько случаи использования. Например, это то, как мы предоставляем информацию о состоянии станка при поломке, чтобы сервисные службы быстрее могли разобраться и запустить станок в работу. Второе – это наша специализация: MachineMetrics сфокусирован на дискретном производстве. Мы не мониторим газовое или котельное оборудование, поезда. И это позволяет получать больше опыта именно со станками и лучше понимать потребности заказчика в этой сфере.


В последнее время много говорят про искусственный интеллект и машинное обучение. Эти технологии успешно используются в процессной индустрии. Как обстоят с этим дела в дискретной промышленности, и что вы предлагаете?

Никто на этой выставке не делает того, что делаем мы. Большинство предприятий не знает, что прямо сейчас происходит в цеху. ИИ изучает что происходит, что уже произошло - для того, чтобы предсказать, что произойдет. ИИ автоматизирует эти процессы. Вы не можете этого сделать, пока не совершите первый шаг в том, что мы называем “аналитическое путешествие” – ответите на вопросы: что происходит прямо сейчас и почему это происходит. Эти этапы мы называем описательной и диагностической аналитикой. Эти данные становятся топливом для машинного обучения. Для ИИ есть различные сценарии использования. Например, предсказание аномалий, которые могут привести к поломке станка или инструмента.

Как это выглядит в реальной жизни? Как это реализовано в вашей системе?

Аномалии не всегда коррелируется с проблемой. Мы детектируем аномалии и знаем, что произошло на станке после. С большим объемом данных в облаке вы можете обучить алгоритмы и при возникновении аномалий информировать оператора и дать ему определенные рекомендации.

Какие технологии или продукты вы используете для хранения и обработки данных?

Мы используем AWS (Amazon Web Services). У нас в команде большая команда дата-сайентистов, которые работают не только над предсказанием проблем у заказчиков, но смотрят на данные с промышленного уровня. Интересный пример – почему на одном из предприятий часть станков выдает аварийные сообщения в 2 раза чаще, чем другая часть. Попробуйте угадать.

Ммм…

Изменение сезона! Разница в температуре и уровне влажности, которые, как оказалось, сильно влияли на часть оборудования. Это интересно знать. В данном случае контроль и поддержания постоянного уровня влажности позволяет снизить простои. Еще один пример – большинство производств верят, что время полезного использования оборудования находится в пределах 60-80%. Они ошибаются, реальные цифры близки к 27%.

Рисунок2.png

MachineMetrics – полностью облачное решение?

Да, мы предлагаем облачную платформу. Заказчики могут разместить платформу в частном виртуальном облаке. Кроме того, мы используем EDGE-компоненты.

Многие клиенты просто не хотят работать с облаком. Как быть с приватностью данных?

Такие компании как Amazon и Google тратят миллиарды на инфраструктуру и безопасность данных. Облако дает большую ценность, и мы хотим, чтобы наши заказчики развивались – если вы изучаете данные с вашего on-premise решения, то вы изучаете лишь свой опыт.

Какое железо используется для подключения станков?

Это EDGE-устройство, использующее наши программные адаптеры. Это не наша разработка, OEM-решение, которое мы кастомизируем. Пользователи прозвали девайс “маленьким зеленым ящиком”. Устройство напрямую соединяется со станком, собирает и отправляет данные в платформу посредством Ethernet, W-Fi или мобильной сети.

Рисунок3.png

Как вы работаете со старыми станками?

Этих станков очень много, они везде. В этом случае можно использовать дополнительные сенсоры, которые передают данные в наше EDGE-устройство.

Какова бизнес-модель MachineMetrics?

Годовая подписка. Цена зависит от объема и региона. Например, для цеха с 10 станками в США стоимость будет 1200 долларов в год за станок. Но в эту стоимость включен весь функционал. Думаю, здесь уместно говорить о ROI, и обычно срок возврата инвестиций составляет менее одного месяца.

Грэм, спасибо за интервью и удачи MachineMetrics!

P.S.

На сайте https://www.machinemetrics.com/ есть очень интересный раздел, в котором технические специалисты компании делятся наблюдениями и даже алгоритмами, использующимися при создании ИИ-функционала. Постараемся в ближайшее время перевести и с разрешения MachineMetrics опубликовать некоторые из наиболее ценных на наш взгляд статей.


Комментарии (0)

Авторизуйтесь или Зарегистрируйтесь, чтобы оставить комментарий.