Obrovské množství senzorů zaznamenává data ve strojích a zařízeních. Jsou-li tato data správně analyzována, mohou zlepšit výrobní procesy a zaručit vysokou kvalitu výrobků. Divize Průmyslové analytiky vyvíjí potřebné modely v úzké spolupráci se zákazníky, kteří se tak mohou sami podílet na vývoji dat a modelů.
Z dat strojů a zařízení lze čerpat různé soubory dat, tzv. funkce. Tato data lze automaticky vyhodnocovat pomocí umělé inteligence (AI). To zahrnuje např. například teplotu, tlak, spotřebu energie a vibrace. Zkušenosti získané u předchozích projektů svědčí o tom, že stroje a zařízení již obvykle zaznamenávají všechna důležitá data. Ve většině případů nejsou zapotřebí žádné další senzory. Tím, o co jde především, je získávat ze shromážděných dat skryté informace a identifikovat relevantní korelace. Zde přichází ke slovu průmyslová analytika od společnosti Weidmüller.
Detekce a klasifikace anomálií
Existuje mnoho příčin, které mohou narušit plynulý provoz zařízení. Jsou to například vzduchové bubliny v chladicím okruhu, které způsobují pokles chladicího výkonu, nebo vůle v převodovce způsobující nepřesnost pohybů. Datoví vědci společnosti Weidmüller vyvíjejí pomocí umělé inteligence modely, které dokáží v datech v reálném čase rozpoznat takové odchylky od normálního chování, tedy anomálie. Datoví vědci používají jako referenční údaje historická data, která poskytují typický vzorec provozu stroje za určité časové období.
Při klasifikaci anomálií jsou pak rozpoznané odchylky zařazovány do kategorií od důležitých po nedůležité, a důležitým anomáliím je přiřazena příčina chyby. Obsluha stroje může na základě těchto informací rychleji reagovat na problémy a dokonce rozpoznat poruchy, které by jinak zůstaly neodhaleny. Rychlejší diagnostika v konečném důsledku zkracuje odstávky a prostoje, což vede ke snížení nákladů a optimalizaci výroby.
Inženýrství funkcí rozpoznává složité vzory
Společnost Weidmüller získala za integrovaný přístup průmyslové analytiky Německou cenu za inovace 2018 v kategorii „Excellence in Business to Business“. Dr. Markus Köster, vedoucí výzkumu a vývoje v divizi Průmyslové analytiky (vpravo), a Tobias Gaukstern, vedoucí divize Průmyslové analytiky, převzali v Berlíně ocenění
Inženýrství funkcí je důležitou technologií pro vývoj spolehlivých modelů umělé inteligence. V rámci tohoto přístupu jsou naměřené hodnoty zohledňovány v komplexních statistických korelacích. Za tímto účelem jsou například vytvářeny korelační koeficienty, které představují vzájemně provázané změny dvou nebo více charakteristik v průběhu času. Datoví vědci využívají historická strojová data k vývoji nových funkcí. Cílem je rozpoznat odchylné vzorce ještě lépe a spolehlivěji, než by bylo možné provést při pouhém použití surových dat. Jeden příklad: vysokofrekvenční signály, například z měření vibrací nebo frekvenčních měničů, lze na základě matematických metod rozdělit do různých frekvenčních rozsahů s odpovídajícími složkami výstupního signálu. Model se naučí složky signálu charakteristické pro normální chování stroje. Tyto složky jsou lepším indikátorem možných poruch než původní signál.
Záleží na nás všech
Vzhledem k tomu, že soubory dat je třeba interpretovat a vyhodnocovat na základě konkrétního chování stroje nebo procesu, vyžaduje inženýrství funkcí komplexní znalosti aplikace. Odborné znalosti datových vědců, aplikační know-how strojního inženýra nebo obsluhy stroje i již získané znalosti jsou stejně důležité pro nalezení odpovědí, které povedou k praktickému řešení. Pouze aplikační expert může posoudit, zda určitá anomálie skutečně představuje chybu stroje, či nikoli. Odborník pomáhá datovým specialistům sestavit algoritmy, které správně popisují normální provozní stav i možné odchylky a anomálie.
Modely založené na umělé inteligenci jsou v současné době již používány v mnoha aplikacích, například u balicích strojů, v plnicí technice a manipulaci s materiálem a také v robotice. Ve společnosti Weidmüller jsou výsledkem těchto modelů softwarová řešení přizpůsobená konkrétnímu uživateli. Software neustále sleduje a předpovídá chování stroje a data i výsledky analýzy aplikuje do vizualizace. Odborníci na uživatelské rozhraní navrhují uživatelské rozhraní individuálně, každý zákazník tedy obdrží řešení odpovídající jeho oblasti použití.
Vizualizace usnadňuje přehled o aktuálním stavu stroje. Za tímto účelem lze zobrazit jednotlivé časové rozsahy a označit je informacemi, které by měly být zahrnuty do budoucího vyhodnocení dat. Na tomto příkladu žlutě zvýrazněné oblasti označují potenciální anomálie, které algoritmus identifikoval uživateli. Uživatelé se mohou na tyto oblasti také podívat a uvést, zda se skutečně jedná o anomálii, či nikoli. Tímto způsobem se model dále učí a může v budoucnu přesněji klasifikovat budoucí stavy.
Nový model založený na umělé inteligenci však není zpočátku schopen zobrazit všechny potenciální budoucí chyby a stavy zařízení, zejména pokud nejsou obsaženy v historických datech nebo jsou v nich obsaženy jen velmi zřídka. Moduly Průmyslové analytiky jsou proto navrženy tak, aby uživatelé mohli svůj model v průběhu času sami aktualizovat, rozšiřovat a zpřesňovat. Datoví specialisté společnosti Weidmüller samozřejmě v případě potřeby poskytnou zákazníkům podporu.
Využití funkcí k dosažení úspěchu
Klíčem k úspěchu analytického řešení je tvorba funkcí. Společnost Weidmüller kombinuje potřebné znalosti aplikací a technické znalosti fyzikálních korelací s know-how datové vědy. Díky možnosti samostatného vývoje modelů založených na umělé inteligenci mohou strojní inženýři a operátoři strojů výrazně zvýšit výkonnost svých modelů, aniž by museli odhalit své znalosti z oboru.