Zonder digital engineering stokt voortgang systeemengineering
Digitalisering maakt het mogelijk om engineeringprocessen verregaand te automatiseren. Door het beter afstemmen van informatie uit verschillende disciplines, het stimuleren van hergebruik, formalisatie en simulatie, digital twinning, en slimme feedback uit productie en van operationele systemen, en de toepassing van artificial intelligence valt er veel te optimaliseren. De uitvoering is echter zo veelomvattend dat samenwerking tussen wetenschappers, kennisinstellingen en bedrijven de enige, logische stap is. Het High Tech Systems Center bouwt aan een consortium rond digital engineering om gezamenlijk te werken aan continue verbetering van het ontwikkelproces zonder de bedrijfseconomische aspecten uit het oog te verliezen.
‘Veel bedrijven worstelen ermee dat ze de technologische vooruitgang niet kunnen bijbenen. Er komen steeds meer technieken en tools op de markt waarmee ze wellicht wat moeten. Ze moeten hun engineers trainen om bijvoorbeeld nieuwe cloudtechnologie of simulatiemethodes onder de knie te krijgen. Kostbaar, tijdrovend en slechts een klein deel van de puzzel. Daarna rijst de vraag hoe ze die verworven kennis en potentieel cruciale methodes in hun organisatie en systemen moeten inbedden. Dat is een groot probleem voor de industrie. Daardoor roesten bedrijven regelmatig vast in de keuzes die ze aanvankelijk hebben gemaakt toen ze de productlijn opzetten. En als je bij het oude blijft, hol je al snel achter de feiten aan.’
Aan het woord is Marc Hamilton, fellow bij het High Tech Systems Center van de TU Eindhoven. Hij constateert dat die problemen niet alleen spelen in het mkb. ‘Ook voor grote oem’s met veel kennis en veel capaciteit is het een hels karwei om nieuwe tools en technieken in hun engineeringsproces te integreren. Voor hen is het ingewikkeld en risicovol om hun bestaande workflow aan te passen of om te gooien. Kleinere bedrijven hebben op dit punt een voordeel, maar missen vaak de capaciteit. Voor alle categorieën geldt dat er een rem zit op hoe snel ze nieuwe technologieën, methodieken en tools goed kunnen integreren.’
Een andere groep waarbij deze problematiek de vooruitgang frustreert, zijn de bedrijven die van oudsher een mechatronische oorsprong hebben, maar steeds meer tot de conclusie komen dat ze zichzelf moeten omscholen tot een softwarebedrijf. ‘Er moeten allerlei apps komen, connectiviteit worden toegevoegd, monitoren in de cloud’, somt Hamilton op. ‘Zelfs voor zoiets ogenschijnlijk simpels als een tandenborstel zijn er nu apps die voor je bijhouden hoe goed je hebt gepoetst. Bedrijven worden gedwongen om te transformeren naar een softwareorganisatie. Dat is een worsteling; het was immers niet hun core en de kennis hebben ze niet aan boord. Goede software-experts zijn nauwelijks nog te vinden. Hoe zorg je dan dat je bijblijft met alle razendsnelle ontwikkelingen? Morgen dient zich weer een nieuwe technologie aan en begint dezelfde worsteling.’
Context
Voor de verdere evolutie van systeemengineering is er een impuls nodig voor digital engineering. ‘Dat draait om de vergaande digitale ondersteuning van het ontwerpproces, met name op de plekken waar nu nog veel menselijke tussenkomst is’, verduidelijkt Hamilton. ‘Systeemontwikkelaars gebruiken al veel tools voor digital engineering. Ieder voor zich functioneren die pakketten prima, maar het is nog altijd lastig om ze te koppelen in een flow. Het vergt veel menselijke interventie om te interpreteren hoe de uitkomst van de ene tool moeten worden overgezet naar de volgende. Vooral tussen de verschillende disciplines in een ontwikkelorganisatie zie je dat vaak mislopen. Het zou zo mooi zijn als we al die data automatisch kunnen doorzetten.’
Dat is makkelijker gezegd dan gedaan. ‘Het is lastig op twee manieren’, weet Hamilton. ‘Ten eerste gebruikt elke tool zijn eigen formaat om zijn input en output te specificeren en op te slaan. Dat gebeurt bovendien op basis van een eigen paradigma of principe. Ten tweede: de context waarin je ze toepast, is zeer bepalend. Kijk, je kunt prima een statemachine maken van het gedrag van het weer. Uit zo’n model zou je ook code kunnen genereren, maar daarmee kun je het uiteraard niet laten regenen. Engineers moeten beslissen wanneer ze welke tool moeten inzetten en hoe ze de resultaten kunnen gebruiken in de andere stappen. Die interpretatie van wat een tool bijdraagt aan het proces moeten we als mens managen.’
Op veel vlakken zijn er al – of ontstaan er – nieuwe standaarden en frameworks rond digital engineering. In simulatieomgevingen kunnen bijvoorbeeld modellen als FMU’s modulair aan elkaar worden geknoopt op basis van de FMI-standaard en de cad-wereld kent diverse breed gesteunde dataformaten. Grote industrieën als defensie, lucht- en ruimtevaart en automotive hebben een lange traditie in standaarden en frameworks op engineeringniveau. Hamilton: ‘Modules die in een simulatieomgeving de modellen aan elkaar knopen, zijn niet geschikt voor de aansturing van een systeem. Zo worden we overweldigd door allerlei standaarden die deelproblemen oplossen, maar het gaat om de integratie van al dit soort technologieën en het reduceren van de kennis die nodig is om ze toe te passen. Met digital engineering proberen we dit onder controle te krijgen, zodat we verdere stappen kunnen maken om engineering efficiënter te maken en toepassingen van kunstmatige intelligence te kunnen uitbreiden.’
Verder achterop
Hamilton kijkt ook naar de competitiviteit en concurrentiekracht van Nederland tegenover de rest van de wereld. ‘Op dit moment lopen we niet achter in systeemontwikkeling, maar we lopen ook zeker niet voor. Neem kunstmatige intelligentie, dat steeds vaker een rol speelt in engineeromgevingen. Veel van de voorbeelden komen uit de VS of China, waar de investeringen enorm zijn. Europa hinkt wat achterop. We doen het nu dus misschien niet slecht, maar in dit tempo beginnen we steeds verder achterop te liggen.’
‘We hebben hier heel veel gespecialiseerde kennis en zijn echt wel goed in het bouwen van hightech systemen’, gaat Hamilton verder. ‘Die positie wil je behouden en uitbouwen door de kennis te gebruiken om echt producten te maken. Dat betekent dat we sneller en beter moeten engineeren. We moeten een ecosysteem bouwen waarin we continu en snel verbeteringen en nieuwe engineeringtools kunnen onderzoeken, de resultaten naar de markt krijgen en zorgen dat bedrijven ze toepassen.’
Drie hoofdthema’s
De roep om betere digital engineering is niet nieuw. ‘Ik merk dat veel bedrijven al enige tijd voelen dat het wringt’, aldus Hamilton. ‘Regelmatig hebben ze zelf de eerste stappen gezet. Vrijwel allemaal hebben ze echter onvoldoende capaciteit om het complexe geheel te omvatten.’
Het High Tech Systems Center nam een paar jaar geleden het initiatief om een consortium op te zetten en partijen bij elkaar te krijgen om gezamenlijk te werken aan betere systeemengineering. ‘Tijdens de eerste meetings bleven er onderwerpen en uitdagingen op tafel komen. Het divergeerde alleen maar. Er bleken zo veel aspecten in het engineeringproces te zijn die op een of andere manier moesten worden aangepakt dat het moeilijk was om er iets uit te pikken en te focussen’, schetst Hamilton hoe allesomvattend de problematiek is.
Het HTSC heeft zijn schouders eronder gezet en de problematiek vervat in drie hoofdthema’s. De eerste is platformengineering. ‘Veel bedrijven werken toe naar een platform voor hun productlijnen zodat ze onderdelen en kennis makkelijker kunnen hergebruiken’, legt Hamilton uit. ‘In de hightech, met zijn hoge mate van optimalisatie, is het zelden het geval dat je deelsystemen van de ene op de andere machine kunt overzetten, maar het is zeker mogelijk om bouwblokken en modules te hergebruiken op hogere ontwerpniveaus en in de verfijning af te stemmen op het nieuwe systeem.’
Het tweede thema draait om de worsteling met de grote hoeveelheid beschikbare tools. ‘Zo’n nieuw pakket of licentie klinkt duur maar ze kunnen wel je proces versnellen. Dat is echter lastig inzichtelijk te maken waardoor het op veel weerstand stuit in de hogere managementlagen. Je moet ze dus koppelen aan de bedrijfs-kpi’s. Dat is uiteraard per branche verschillend. Soms is de time to market cruciaal. Als je dan met een nieuwe tool een maand ontwikkeltijd kunt winnen, heb je een duidelijke businesscase. In een andere tak gaat het wellicht om betrouwbaarheid en wil je dat het product gelijk honderd procent goed is. Dan heeft het zin om in verificatiegereedschap te investeren.’
Data en feedback vormen het derde hoofdthema. De systemen van tegenwoordig verzamelen een schat aan gegevens. Met die input kun je zeer waardevolle verbeteringen doorvoeren, voor een update of een volgend systeem. Dat werkt natuurlijk alleen met zinvolle data en ook data verzamelen kan duur zijn.
Data lake
Rond deze thema’s zijn heel wat relevante onderzoeksvoorstellen verzameld, die vervolgens zijn geclusterd. Die clustering heeft nu geleid tot een duidelijk startpunt waarop verder onderzoek in de andere clusters zich kan baseren. De eerste concrete stap van het consortium dient zich daarmee aan. ‘We gaan sleutelen aan een basis die we systems engineering process orchestration noemen’, vertelt Hamilton. ‘Daarmee koppelen we modellen, data en tools aan een data lake zodat de mogelijkheden om de uitdagingen aan te pakken, worden uitgebreid met moderne data-analyse- en ai-technologieën. Essentieel daarbij is de context van de modellen en data. Gegevens hebben immers geen waarde als je niet weet waar uit het engineeringsproces ze vandaan komen en hoe ze gerelateerd zijn aan de systemen die worden ontwikkeld. Daarbij moet je de stappen van dat engineeringproces kunnen waarderen in termen van relevante bedrijfs-kpi’s om zo te kunnen optimaliseren. Dergelijke engineeringkennis moet dus worden geïnjecteerd in het data lake.’
Waar deze basis de mogelijkheden biedt voor de inbedding en de aanpak van digitale ontwikkelingen in engineeringprocessen, leggen de overige clusters de nadruk op verbeteringen van de procesondersteuning. Dit betreft onder meer procesoptimalisatie, automatisering van synthese, ondersteuning van systeemontwerpbeslissingen, toepassing van digital twins, ontwerp van datageneratie door het systeem en de verwerking van die data tot verbeteringen in het ontwerp.
Snelle spinoff
Het HTSC bouwt nu aan een consortium rond digital engineering. ‘We zitten op dit moment in de fase dat we deze nieuwe ideeën gaan pitchen bij bedrijven. Onderdeel daarvan is dat we een proof of concept van de grond willen krijgen. Dat maakt het een stuk tastbaarder. Daar beginnen we niet blind, maar baseren ons op bestaande technologie en bouwen dat uit. Heel veel mogelijkheden en onderdelen zijn er namelijk al wel. Het consortium wil, naast het nodige fundamentele onderzoek, ook volop aandacht geven aan het inkoppelen van toegepast onderzoek, en snelle spinoff en terugkoppeling van de resultaten naar de praktijk.’
Hoe sneller hij met partners aan tafel zit, hoe liever Hamilton het is. ‘Dan kunnen we alles veel concreter maken, hopelijk op basis van usecases die deelnemers zelf inbrengen. Wanneer we een eerste meeting hebben? Ik hoop dit najaar. Dat is wellicht ambitieus, maar ik denk dat we een goede roadmap hebben, een goede plan de campagne.’
Geïnteresseerden zijn van harte welkom om mee te doen. Neem daarvoor contact op met Marc Hamilton via m.a.m.hamilton@tue.nl.
