Inteligentny monitoring i optymalizacja procesów produkcyjnych

241

Sztuczna inteligencja dedykowana w ramach smart manufacturing dla inteligentnego monitoringu i optymalizacji procesów produkcyjnych zyskuje na polskim rynku coraz większą popularność. Dzięki błyskawicznym ostrzeżeniom i alarmom użytkownik jest gotowy na wczesne wykrywanie problemów, szybkie reagowanie oraz proaktywne działanie, co kompleksowo chroni fabrykę przed anomaliami. 

Podstawą dzisiejszej transformacji cyfrowej oraz zrównoważonych decyzji biznesowych w wielu branżach przemysłowych jest analiza danych z inteligentnych czujników zamontowanych w instalacjach produkcyjnych, które są z łatwością odczytywane, przetwarzane i wykorzystywane w wielu procesach. Wzorcowym zastosowaniem jest platforma IIoT dla przemysłu i produkcji – moneo od ifm electronic – łącząca poziomy technologii operacyjnej (OT) z technologii informatycznej (IT) w ramach smart factory.

Cyfrowa inteligencja

Tu warto zwrócić uwagę na pakiet moneo DataScience Toolbox, który poprzez inteligentne narzędzie SmartLimitWatcher wykorzystuje dane z czujników i parametry procesu oraz umożliwia automatyczne i wczesne wykrywanie anomalii w krytycznych momentach. Jego zadaniem jest bieżące monitorowanie wartości w odniesieniu do jakości produkcji lub stanu układu opartego o wskaźniki temperatury, drgań, przepływu czy ilości pobieranego prądu. 

– Model matematyczny oparty na danych historycznych sam się uczy, wykorzystując metody sztucznej inteligencji. Następnie wykorzystywany jest do ciągłego porównywania. Dzięki dodatkowemu obliczaniu dynamicznych przedziałów oczekiwań, tak zwanemu confidence bands dla zmiennej docelowej, można w sposób ciągły dokonywać oceny zmierzonych wartości i automatycznie analizować wszelkie odchylenia od norm – mówi Piotr Szopiński, kierownik działu technicznego ifm electronic.

Procesowy monitoring

Użytkownik może definiować wartości graniczne wyświetlanych w aplikacji ostrzeżeń i alarmów oraz oznaczać je jako na przykład wczesne, średnie, późne. To umożliwia z kolei natychmiastową reakcję na odchylenia w procesie produkcyjnym i proaktywne działania zapobiegawcze. Moduł SmartLimitWatcher można stosować na wiele sposobów do monitorowania procesów. Na przykład do monitorowania porównywalnych elementów maszyny czy też poszczególnych części dodatkowych lub zmiennych mierzonych.

Zastosowanie może służyć do monitorowania kilku porównywalnych elementów maszyny w celu wykrycia wszelkich odchyleń. Podłączone elementy maszyny muszą być zintegrowane w ramach procesu lub tej samej instalacji, aby zachodziła między nimi zależność fizyczna. W takim przypadku do wykrycia nieprawidłowości wystarczy zaledwie kilka czujników lub wartości mierzonych. 

Kreatywna dynamika

Rozwiązania są proste i łatwe w obsłudze. Cechuje je zautomatyzowane przygotowywanie danych i kontrola jakości, brak konieczności złożonego opracowania danych, co zastępuje pięciostopniowy kreator dla kierowników produkcji i utrzymania ruchu. Ta opcja gwarantuje dobór najlepszego w danej sytuacji modelu sztucznej inteligencji i jednocześnie automatyczne uczenie się oraz weryfikację dokładności monitoringu. Ten jest niezawodny, bo oparty na czasie rzeczywistym i aktualnym stanie z wykorzystaniem dynamicznych zmiennych oczekiwań. Sama detekcja anomalii może być zaś dostosowana do indywidualnie oznaczonych progów alarmów i ostrzeżeń.

W porównaniu z innymi projektami dotyczącymi analityki danych moneo DataScience Toolbox jest narzędziem łatwym w użyciu, niewymagającym specjalistycznej wiedzy. Nadaje się do szerokiej gamy zastosowań, jest zintegrowane i skalowalne oraz zapewnia szybką dostępność rozwiązań. Posiada opcje indywidualizacji w trybie specjalisty, bez konieczności zbędnego dostępu do analityków danych i ręcznego gromadzenia oraz przetwarzania informacji.

Zdjęcia: www.unsplash.com

Źródło:POINTB

ZOSTAW ODPOWIEDŹ

Proszę wpisać swój komentarz!
Proszę podać swoje imię tutaj