Értékek létrehozása adatokból a mesterséges intelligencia (MI) és a dolgok internete (IoT) metszéspontjában

Az adatok előállítása egyáltalán nem újdonság az olyan iparvállalatok számára, amelyek előnyt akarnak szerezni a versenytársaikkal szemben. A szükséges változást azonban az jelenti, ha előrébb tudnak lépni abban, hogy értéket hozzanak létre ezekből az adatokból.

(Kép: Weidmüller)

Az adatokra épülő új szolgáltatások ösztönzőleg hatnak a mérnökökre és a gyártókra, hogy olyan jövedelmezőbb és hatékonyabb üzleti modelleket alakítsanak ki, amelyek a termékminőséget javító és a költségeket csökkentő kifinomult műszaki megoldásokat használó intelligens gyárakat teremtenek.

De hogyan teremtenek a gyártók értéket az adatokból? Számos gyártót ösztönöznek a mesterséges intelligenciában (MI) rejlő lehetőségek, és hogy azok hogyan használhatók fel a dolgok ipari internetére (IIoT) kapcsolódó termékekben. A gépi tanulási algoritmusok fejlesztései és az adatok gyűjtése és finomítása serkenti a hatékonyság és a termelékenység növelését.

Ami elsőre nagyon bonyolultnak hangzik, az a valóságban elérhető az intelligens ipar kézzelfogható előnyei révén.

A mesterséges intelligencia és különösen a gépi tanulás módszerei a géppel előállított adatok elemzésére szolgáló eszközök. Lehetővé teszik az adatok összekapcsolását és addig ismeretlen összefüggések felfedezését.

A Weidmüller elgondolása a mesterséges intelligencia egyszerű használatára épül, és ezt a gépészeti és üzemirányítási területen használható, az automatizált gépi tanulást segítő szoftver segítségével valósítja meg. Erre a célra szabványosítottuk és akkora mértékben leegyszerűsítettük az ipari alkalmazásokban használatos gépi tanulási módszerek használatát, hogy a vállalatnak az adattudomány területén szakképzettséggel nem rendelkező belső szakértői is létrehozhassanak adatokra épülő saját megoldásokat.

A modellfejlesztés folyamatán egy szoftveres eszköz vezeti át a felhasználót. A gépek és folyamatok szakértői egyszerűen, adattudósok segítsége nélkül hozhatnak létre, módosíthatnak és futtathatnak gépi tanulási modelleket, hogy csökkentsék az állásidőket és a hibák számát, optimalizálják a karbantartási tevékenységeket, és javítsák a termékminőséget. A szoftver segíti a bonyolult alkalmazási ismeretanyag megbízható gépi tanulást segítő alkalmazássá alakítását és archiválását.

Az automatizált gépi tanulás számos területen alkalmazható a rendellenességek észlelésétől és minősítésétől egészen a hibák előrejelzéséig. A rendellenességek észleléséhez és az ezen az alapon megelőző karbantartás céljából történő előrejelzések készítéséhez azonban az adatokat össze kell gyűjteni, és meg kell találni köztük az összefüggéseket. A gépekre és üzemekre vonatkozóan általában kielégítő mennyiségű, a folyamatokkal kapcsolatos adat áll rendelkezésre. Ahhoz, hogy ezekből az adatokból hozzáadott értéket lehessen kinyerni, gépi tanulási módszerekkel kell elemezni őket, és ki kell fejleszteni a célnak megfelelő modellt.

Mi hiszünk abban, hogy létezik egyszerű megoldás az ipari IoT elérésére. Négy különböző szinten támogatjuk a megoldásokat, és ezeket egyfajta építőkockáknak gondoljuk:

1. Adatelemzés és üzleti logika – kézzelfogható hozzáadott érték elérése adatokra épülő digitális szolgáltatások révén.
2. Adatkommunikáció – hálózatok közti, a legmagasabb biztonsági szintet használó kommunikáció, amelynek révén megbízhatóan lehet adatokat küldeni a hálózati infrastruktúrán át.
3. Az adatok előfeldolgozása – az adatforgalom és a költségek csökkentése a dolgok internetének csúcstechnikáját, például vezérlőegységeket, be- és kimeneti (I/O) rendszereket és fogyasztásmérőket használva.
4. Adatgyűjtés – megbízható, értékes adatok beszerzése zöldmezős és barnamezős felhasználási területeken vezérlőegységek, gépek, érzékelők, műszerek és analógjel-átalakítók segítségével.

A további értékek adatokból való kinyerése a mesterséges intelligencia használatával kezdődik. Ez lehet olyan egyszerű, mint egy figyelmeztető jelzés. Vagy gépi tanulás útján felhasználható a mesterséges intelligenciához. Hogy megismerjük és megértsük a gépek viselkedését, ezt a négy építőkockát használjuk a mesterséges intelligenciának (MI) és a dolgok internetének (IoT) ötvözéséhez, aminek révén képesek leszünk értékké változtatni az adatokat. Tudjon meg többet Future Factories (A jövő gyárai) című videósorozatunkból arról, hogyan használja a Weidmüller teljesen újszerű módon a mesterséges intelligenciát használó automatizált gépi tanulást az ipari automatizálás területén.