Ogromna liczba czujników rejestruje dane w maszynach i instalacjach. Prawidłowa analiza tych danych może poprawić proces produkcyjny i dać gwarancję produktów wysokiej jakości. Dział analityki przemysłowej opracowuje modele wymagane do tego celu w ramach bliskiej współpracy z klientami, a klienci mogą samodzielnie uczestniczyć w opracowywaniu danych i modeli.
Różne zestawy danych, zwane właściwościami, mogą być pobierane z danych maszyny i instalacji. Dane te mogą być automatycznie oceniane przy użyciu sztucznej inteligencji (AI). Na przykład obejmuje to temperaturę, ciśnienie, pobór mocy i wibracje. Doświadczenia z poprzednich projektów wskazują, że maszyny i instalacje zazwyczaj już rejestrują wszystkie ważne dane. W większości wypadków nie trzeba stosować dodatkowych czujników. Prawdziwym wyzwaniem jest odzyskanie ukrytych informacji z danych i rozpoznanie odpowiednich korelacji. Tutaj w grę wchodzi rozwiązanie analityki przemysłowej firmy Weidmüller.
Wykrywanie i klasyfikowanie nieprawidłowości
Istnieje wiele przyczyn, które mogą zakłócić płynną obsługę instalacji. Obejmują one np. pęcherzyki powietrza w obwodzie chłodniczym powodujące mniejszą wydajność chłodzenia lub luz przekładniowy, który przekłada się na nieprecyzyjne ruchy maszyny. Naukowcy zajmujący się danymi z Weidmüller opracowują modele wykorzystujące sztuczną inteligencję, które rozpoznają takie odchylenia od normalnego zachowania, czyli anomalie, w danych czasu rzeczywistego. Naukowcy wykorzystują dane historyczne jako informacje referencyjne, które dostarczają typowego wzorca obsługi maszyny w określonym przedziale czasu.
Podczas klasyfikacji anomalii rozpoznane odchylenia są następnie umieszczane w kategoriach od „Ważne” do „Nieważne”. Ważne anomalie są przypisywane do przyczyny błędu. Operatorzy maszyny mogą korzystać z tej informacji, aby szybciej reagować na problemy, a nawet rozpoznawać usterki, które w przeciwnym razie mogłyby pozostać niewykryte. Szybsze diagnozowanie ostatecznie zmniejsza czasy przestoju, co skutkuje obniżeniem kosztów i optymalizacją wydajności produkcji.
Inżynieria właściwości rozpoznaje złożone wzory
Firma Weidmüller otrzymała nagrodę German Innovation Award 2018 w kategorii „Excellence in Business to Business” za zintegrowane podejście do analityki przemysłowej. Nagrodę w Berlinie odebrali dr Markus Köster, dyrektor działu badań i rozwoju w jednostce biznesowej Industrial Analytics (l.) oraz Tobias Gaukstern, dyrektor jednostki biznesowej Industrial Analytics (r.).
Inżynieria właściwości jest ważną technologią w kontekście tworzenia niezawodnych modeli AI. W tym podejściu wartości pomiarowe są rozpatrywane w złożonych korelacjach statystycznych. Na przykład w tym celu tworzy się współczynniki korelacji, które przedstawiają wzajemnie powiązane zmiany dwóch lub większej liczby właściwości w czasie. Naukowcy zajmujący się danymi wykorzystują historyczne dane maszyny do opracowania nowych właściwości. Celem jest jeszcze lepsze rozpoznanie odchyleń od wzorców w sposób bardziej niezawodny niż byłoby to możliwe przy użyciu surowych danych. Jeden przykład: sygnały wysokiej częstotliwości, takie jak pomiary drgań lub sygnały przetworników częstotliwości, mogą być dzielone na różne zakresy częstotliwości z powiązanymi komponentami sygnału wyjściowego w oparciu o metody matematyczne. Model poznaje charakterystykę komponentów powiązanych z sygnałem w kontekście prawidłowego zachowania maszyny. Komponenty te są lepszym wskaźnikiem możliwych usterek niż pierwotny sygnał.
Sukces zależy od nas wszystkich
Ponieważ zestawy danych muszą być interpretowane i oceniane na podstawie zachowania konkretnej maszyny lub procesu, inżynieria właściwości wymaga pełnej wiedzy o aplikacji. Specjalistyczna wiedza naukowców zajmujących się danymi, know-how inżyniera mechanika lub operatora maszyny w danej aplikacji, jak również już zdobyta wiedza są równie ważne dla znalezienia odpowiedzi, które zaowocują praktycznym rozwiązaniem. Tylko ekspert w dziedzinie aplikacji może ocenić, czy anomalia rzeczywiście stanowi błąd maszyny. Ekspert pomaga specjalistom zajmującym się danymi skonstruować algorytmy, które prawidłowo opisują normalny stan roboczy, a także możliwe odchylenia i anomalie.
Modele oparte na sztucznej inteligencji są obecnie stosowane w wielu aplikacjach, takich jak maszyny pakujące, technologia napełniania i technika przemieszczania materiałów, a także w robotyce. W Weidmüller modele te zapewniają oprogramowanie dostosowane do poszczególnych użytkowników. Oprogramowanie stale nadzoruje i przewiduje zachowanie maszyny oraz stosuje dane i wyniki analiz w celu wizualizacji. Specjaliści od interfejsu użytkownika projektują indywidualne interfejsy, dzięki czemu każdy klient otrzymuje rozwiązania pasujące do jego dziedziny aplikacji.
Wizualizacja zapewnia prosty wgląd w bieżący stan maszyny. W tym celu poszczególne przedziały czasowe można przeglądać i oznakować informacjami, które należy uwzględnić w przyszłej ocenie danych. W tym przykładzie obszary podświetlone na żółto wykazują potencjalne anomalie, które algorytm zidentyfikował dla użytkownika. Użytkownicy mogą również przyjrzeć się tym obszarom, aby wskazać, czy jest to faktyczna anomalia. W ten sposób model nadal uczy się i może coraz dokładniej klasyfikować przyszłe informacje o stanie.
Jednak nowy model oparty na sztucznej inteligencji nie jest początkowo w stanie przedstawić wszystkich przyszłych potencjalnych błędów i stanów instalacji, zwłaszcza gdy nie są one zawarte w danych historycznych lub informacje o nich nie są częste. Moduły Industrial Analytics są zatem projektowane w taki sposób, aby użytkownicy mogli samodzielnie aktualizować, rozwijać i doskonalić własny model w czasie. Naukowcy zajmujący się danymi w firmie Weidmüller będą oczywiście udzielać wsparcia klientom, jeśli tylko będzie potrzebne.
Korzystanie z właściwości do osiągnięcia sukcesu
Inżynieria właściwości jest kluczem do sukcesu rozwiązania Analytics. Firma Weidmüller łączy wymaganą wiedzę z zakresu aplikacji oraz wiedzę fachową z zakresu korelacji fizycznych z wiedzą ekspercką dotyczącą nauki o danych. Dzięki opcji samodzielnego opracowywania modeli opartych na sztucznej inteligencji mechanicy i operatorzy maszyn mogą znacznie zwiększyć swoją wydajność modelowania bez ujawniania swojej wiedzy w tej dziedzinie.