Vytváření hodnoty z dat v průniku AI a IoT

Generování dat není nic nového pro průmyslové továrny, které chtějí mít konkurenční výhodu. Avšak pokrok v generování hodnoty z těchto dat je to, co mění pravidla hry.

(Zdroj obrázku: společnost Weidmüller)

Nové služby založené na datech inspirují techniky a výrobce k zavedení ziskových a efektivních firemních modelů vytvářejících chytré továrny se sofistikovanou technologií, která zvyšuje kvalitu produktů a snižuje náklady.

Ale jak mají výrobci tu cestu od dat k hodnotě absolvovat? Mnoho výrobců se inspiruje možnostmi umělé inteligence (AI) a tím, jak se prolíná s průmyslovým internetem věcí (IIoT). Pokroky v algoritmech strojového učení a ve shromažďování a upřesňování dat jsou pohonem lepší účinnosti a produktivity.

Co se zprvu zdá jako velmi komplikované, toho lze ve skutečnosti dosáhnout hmatatelnými pokroky chytrého průmyslu.

Nástroji, které se používají k analýze dat strojů, jsou metody umělé inteligence a zejména strojové učení. Umožňují propojování dat dohromady a identifikaci neznámých korelací.

Koncept společnosti Weidmüller představuje snadné využívání AI pomocí softwaru Automated Machine Learning pro strojní inženýrství a projektování závodů. K tomuto účelu jsme standardizovali a zjednodušili používání strojového učení pro průmyslové aplikace do takového rozsahu, že svá vlastní řešení založená na datech mohou generovat odborníci konkrétních oborů bez jakýchkoli specializovaných znalostí datových věd.

Softwarový nástroj provede uživatele celým procesem vývoje modelu. Odborníci na stroje a procesy mohou snadno vytvářet, upravovat a spouštět modely strojového učení bez podpory odborníka na data, aby se snížily prostoje a množství chyb, optimalizovaly úkony údržby a zlepšila kvalita produktů. Software pomáhá s převodem a archivováním komplexních znalostí aplikace do spolehlivé aplikace strojového učení.

Nástroj Automated Machine Learning lze použít v mnoha oblastech – od detekce anomálií a jejich klasifikace až po predikci chyb. K detekování anomálií a vytváření předpovědí na jejich základě pro prediktivní údržbu je však nutné shromažďovat a korelovat data. Pro stroje a závody je obvykle k dispozici dostatečný objem dat relevantních s procesy. Abychom z těchto dat získali přidanou hodnotu, data se analyzují pomocí metod strojového učení a vyvíjejí se příslušné modely.

Věříme, že existuje snadný způsob, jak dosáhnout průmyslového IoT. Podporujeme řešení na čtyřech různých úrovních, o kterých se domníváme, že jsou základními stavebními bloky:

1. Analýza dat a obchodní logika – dosažení konkrétní přidané hodnoty pomocí digitálních služeb založených na datech.
2. Datová komunikace – komunikace napříč sítěmi na nejvyšší úrovni zabezpečení se spolehlivým přenosem dat přes celou infrastrukturu sítě.
3. Předběžné zpracování dat – snížení datových toků a nákladů pomocí technologie IoT Edge, jako jsou řídicí jednotky, I/O systémy a měřiče spotřeby energie.
4. Získávání dat – získání přístupu ke spolehlivým a cenným datům v aplikacích se strategiemi greenfield a brownfield s řídicími jednotkami, stroji, senzory, měřiči a převodníky analogového signálu.

Získání další hodnoty z dat začíná využitím umělé inteligence. Může to být stejně jednoduché jako varovný signál. Nebo to lze využít pro AI se strojovým učením. K tomu, abychom se s chováním strojů seznámili a porozuměli mu, používáme tyto čtyři stavební bloky v kombinaci s AI a IoT, čímž umožňujeme přeměnu z pouhých dat v hodnotu. Více informací o používání nástroje společnosti Weidmüller, který mění pravidla hry – nástroje Automated Machine Learning s využitím umělé inteligence v oboru průmyslové automatizace – naleznete v naší řadě videí Továrny budoucnosti.