Jan Fleming på Eplan Next26 i München: “Eplan ser sig självt som länken mellan industrins olika aktörer—från komponenttillverkare till maskin- och anläggningsbyggare och vidare till operatörer.”
Artificiell intelligens, molntjänster och automatisering ska göra ingenjörsarbetet mer produktivt. Men för Jan Fleming, Vice President Customer Journey på Eplan, är det bara en del av utmaningen. Det avgörande är att göra data användbar genom hela processen, från förplanering till drift. AI, engineering-programvara, nätverk och öppna standarder som Asset Administration Shell samverkar för att uppnå detta – och omvandlar enskilda verktyg till en sammanhängande värdekedja.
Eplan Next26—som lanserades i maj i München—var ett globalt engineering-evenemang som lockade omkring 1 500 deltagare från 36 länder och bjöd på nya produkter, ett Future Lab och en Partner Plaza. Men bortsett från det nya, musikfestival-liknande formatet, med något för alla, gav evenemanget också Jan Fleming en plattform för ett större budskap: “Eplan ser sig självt som länken mellan industrins olika aktörer—från komponenttillverkare till maskin- och anläggningsbyggare och vidare till operatörer.” Och det är just dessa kopplingar som kommer att bli alltmer sammanlänkade i framtiden—inte bara organisatoriskt, utan även digitalt. Målet är sömlösa processer från planering till drift.
Stegvis från copilot till pilot
Den mest synliga starten var lanseringen av Eplan Copilot, som kombinerar engineering-kunskap, plattformsfunktioner och specifika uppgifter med hjälp av naturligt språk. Om en ingenjör till exempel vill veta i vilka projekt en viss komponent har använts räcker det att ange artikelnumret. AI:n söker sedan igenom alla projekt som finns lagrade i molnet och returnerar resultaten. “Vi vill göra det enkelt för användarna att snabbt orientera sig i Eplan-programvaran och ge dem tillgång till information och funktioner exakt när de behöver dem”, säger Fleming och beskriver företagets strategi.
Eplan drar dock en tydlig gräns mellan att ge stöd och att ta över självständigt. Till en början kommer Copilot att baseras på verifierad Eplan-kompetens. I framtiden kommer kunskap från partnerföretag, kunder och standarder att integreras. Fleming: “Inom engineering måste resultaten vara reproducerbara och tillförlitliga. För detta måste arkitekturen vara rätt utformad.” Därför arbetar Copilot inte med slumpmässig information som skrapats från internet. “Även en maskin som är 99 procent korrekt konstruerad kommer inte att fungera när det verkligen gäller.” Visionen är trots detta ambitiös; med en växande kunskapsbas och ytterligare funktioner kommer det som börjar som en copilot gradvis att utvecklas till en autonom pilot.
Plattformen blir en datagrund
Nästa utvecklingssteg är Eplan Platform 2027, som har varit tillgänglig sedan början av september. Företaget uppger att omkring 500 kundönskemål har inkluderats i utvecklingsprocessen. Fleming talar om “ovillkorlig användarvänlighet”. Nya funktioner i Eplan Preplanning, Eplan Electric P8 och Eplan Pro Panel är utformade för att förenkla och ytterligare automatisera steg i planeringsprocessen, bland annat inom förplanering och vid generering av projekt i 3D. Därför ser Fleming denna version som betydligt mer än en traditionell programvaruuppdatering. “Den centrala nyttan som Eplan ger företag är möjligheten att skala upp—det vill säga att göra det möjligt att hantera fler projekt och fler varianter med tillgängliga resurser.”
Detta omfattar också en systematisk organisation för återanvändning. Regelbaserad projektgenerering kan redan nu ge betydande produktivitetsvinster utan att det nödvändigtvis krävs AI. “Skalning börjar inte först med artificiell intelligens”, konstaterar Fleming. “När vi standardiserar, återanvänder och automatiskt sammanfogar funktioner vinner vi både snabbhet och kvalitet, samtidigt som vi hanterar bristen på kvalificerad arbetskraft.” Mycket av detta fungerar redan regelbaserat. “I Eplan sammanfogas standardiserade, återanvändbara kretsscheman till projektspecifika lösningar. AI spelar inte någon större roll i detta”—ändå uppnås omfattande stordriftsfördelar.
Samtidigt blir datahantering i molnet allt viktigare ur ett strategiskt perspektiv. Projektdata, masterdata och enhetsdata kan inte längre hanteras som separata enheter. Med Eplan Platform 2027 kommer synkroniseringen av masterdata och enhetsdata via Eplan Cloud att bli en ännu mer integrerad del av arbetsflödet. Fleming: “För oss innebär end-to-end att data inte stannar vid gränsen för en enskild applikation.” Målet är alltså större än bara ett mer användarvänligt gränssnitt. Plattformen ska bli en enhetlig och heltäckande datagrund för efterföljande processteg.
På Eplan Next26 demonstrerade tillverkaren Eaton hur långt denna datagrund kan sträcka sig in i efterföljande processer. I en fabrik för apparatskåp i Kina fungerar Eplan Platform som ryggraden i företagets elprojektering, där humanoida robotar använder kameror för att inspektera ledningsdragningen och kontrollera att märkningen överensstämmer med engineering-dokumentationen. Fleming ser detta som mer än bara ett spektakulärt AI-användningsfall: “Roboten skannar skåpet, jämför märkningen med kretsscheman och identifierar felaktigt märkta eller felkopplade anslutningar. Detta visar fördelarna med välstrukturerade engineering-data, hela vägen till kvalitetssäkring.”
Standarder omvandlar data till en processkedja
Eplan Smart Sourcing, som också hade premiär på Next26, visar hur väl denna process kan fungera. Lösningen kopplar samman elprojektering och inköp: under planeringsfasen kan ingenjörer kontrollera om nödvändiga komponenter finns tillgängliga hos de tillverkare och distributörer som är anslutna till systemet och även ta reda på när de kan levereras. Kritiska komponenter kan ersättas tidigare i processen och validerade stycklistor kan överlämnas till inköpsavdelningen. Fleming: “Smart Sourcing är ett bra exempel på hur vi sluter gapet i end-to-end-processen. Det kopplar samman ett tekniskt beslut som fattats inom engineering direkt med den faktiska tillgängligheten i leveranskedjan.”
Sådana kopplingar fungerar naturligtvis bara när de deltagande systemen talar samma språk. Därför står öppna standarder i centrum för Eplans strategi. Fleming: “AI är inte mycket värd utan rena, standardiserade data.” Asset Administration Shell, eller AAS, är utformad för att göra data överförbar på ett strukturerat sätt oberoende av tillverkare. ECLASS Advanced bidrar med en viktig semantisk grund. Industrial Digital Twin Association (IDTA) använder AAS för att definiera struktur, gränssnitt och semantik för en standardiserad digital tvilling.
För Eplan handlar detta inte bara om standardisering. Data Portal innehåller för närvarande mer än 4 miljoner statiska och konfigurerbara enhetsspecifikationer från fler än 550 tillverkare. När sådana data finns tillgängliga i ett standardiserat format kan de användas, återanvändas och bearbetas automatiskt, inte bara i kretsscheman utan även i ytterligare processteg. Fleming: “Data kan bara bli en verklig drivkraft för produktivitet när den är entydig och kan återanvändas utan behov av översättning eller omformatering.” Enligt honom är molnet, AI och AAS inte separata tekniktrender utan byggstenar i samma end-to-end-arkitektur.
Fleming medger öppet att Asset Administration Shell har diskuterats i många år. I synnerhet i Tyskland, konstaterar han, finns en omfattande konceptutveckling och vetenskaplig analys, men den praktiska implementeringen i marknadsfärdiga lösningar sker inte alltid tillräckligt snabbt. Den här gången ser han dock en möjlighet att uppnå den nödvändiga kritiska massan: “Det räcker inte att bara förbinda sig till en standard. Den avgörande frågan är om vi kan skapa lösningar som är enkla för människor att använda.” Stora industriföretag måste bygga verkliga tillämpningar och inte bara ge AAS sitt stöd i ord.
När ändringen når användaren
Product Change Notification, eller PCN, visar hur konkret detta kan bli. Fleming beskriver problemet ur en komponenttillverkares perspektiv: “En komponent levereras till en tillverkare av apparatskåp, apparatskåpet installeras i en maskin och denna levereras sedan till operatören. I slutändan, som komponenttillverkare, hur når jag användaren av min komponent när jag inte har någon aning om var den har installerats?” Ur ett dataperspektiv kan dessa punkter kopplas samman genom AAS och Eplan Projects.
Eplan och Phoenix Contact har utvecklat ett användningsfall för detta baserat på AAS. Om en tillverkare ändrar en komponent, tar den ur produktion eller lanserar en säkerhetsrelevant uppdatering kan informationen överföras på ett strukturerat sätt och bearbetas i Eplan Data Portal. Ingenjören får en avisering och kan identifiera de projekt eller befintliga system där den berörda komponenten används. Fleming: “Det här är exakt de tillämpningar där vi ser om en standard skapar verkligt mervärde eller inte. Informationen ska inte bara ligga någonstans och förbli oanvänd. Den måste automatiskt nå den plats där den utlöser ett beslut. På SPS-mässan i november kommer Eplan och Phoenix Contact att presentera den nya PCN-lösningen. Vi visar att vi i Tyskland kan ta en riktigt bra idé och etablera en pragmatisk lösning på marknaden.”
Detta förändrar också Eplans roll, som i allt högre grad går från att vara leverantör av en engineering-plattform till att bli en nyckelaktör i ett digitalt ekosystem som kopplar samman komponenttillverkare, maskin- och anläggningsbyggare, apparatskåpstillverkare, distributörer och operatörer. Det viktigaste är inte bara vilka funktioner programvaran erbjuder, utan om data förblir användbara över olika företag och processer.
Eplan Next27 som bevis
Och här återknyter vi till Eplan Next. Tillbaka i maj på Eplan Next26, under paneldiskussionen Connected Industry, åtog man sig att utveckla konkreta lösningar med hjälp av Asset Administration Shell. SPS-mässan blir nästa milstolpe—Eplan och Phoenix Contact kommer att uppfylla detta åtagande när de presenterar sin första lösning. Nästa Eplan Next har annonserats till den 9 och 10 juni 2027 i Köln. Fleming lovar inte bara ytterligare produktinnovationer och en ännu större närvaro, utan framför allt synliga framsteg inom datadrivna frågor: “Eplan Next27 blir ett bevis för oss. Har vi gjort betydande framsteg med AAS och end-to-end-processer—eller kommer vi att stå där om ett år och säga att vi verkligen borde ha gjort det?”
Fleming ser två utvecklingslinjer som konvergerar här. Å ena sidan ska AI, automatisering och förbättrad användarvänlighet göra användarna till “de bästa möjliga ingenjörerna”. Å andra sidan ska standardiserade data och öppna gränssnitt sluta processkedjan över organisatoriska gränser. Autonom engineering skulle inte vara utgångspunkten för detta, utan snarare resultatet av en välstrukturerad data- och processarkitektur. Eller som Fleming uttrycker det: “Först när data är konsekvent genom hela processen kan vi verkligen använda artificiell intelligens konsekvent.”
Författare: Ronald Heinze/ Chefredaktör Open Automation, Tyskland
