MLnext Creation ermöglicht die Erstellung und Parametrierung der neuronalen Netze. Da die Anwendung auf Basis einer Konfigurationsdatei funktioniert, sind keinerlei Programmierkenntnisse erforderlich. Durch die automatische Protokollierung werden alle Bearbeitungsschritte einzeln erfasst und erzeugen ein standardisiertes Reporting. Um das optimale neuronale Netz für den Anwendungsfall zu wählen, können mehrere Modelle auch schnell miteinander verglichen werden. Basierend auf den Reports kann die Konfigurationsdatei anschließend individualisiert werden.
KI-basierte Produktionsoptimierung mit MLnext Intelligente Datenauswertung für ressourcenschonende und effiziente Produktionsprozesse
Künstliche Intelligenz als Booster für Ihre Produktion
Daten sind das Fundament der Digitalisierung, doch sie werden durch wachsende Netzwerke und erhöhte Sicherheitsanforderungen komplexer in ihrer Handhabung und Auswertung. Eine datengetriebene Analyse von Produktionssystemen ermöglicht eine skalierbare und flexible Unterstützung für das Produktionsmanagement und die Instandhaltung. Um z. B. Anomalien in der Fabrik rechtzeitig zu erkennen, bieten die Lösungen MLnext die Möglichkeit, durch Machine-Learning Ihre Daten auszuwerten sowie Optimierungen schnell, einfach und präzise vorzunehmen.
Produktionsdaten jederzeit im Blick
Nachhaltiger produzieren dank intelligenter Datenauswertung KI-basierte Handlungsempfehlungen zur Gestaltung smarter Produktionsprozesse
Daten lassen sich heutzutage in unzähliger Anzahl in den Maschinen und Anlagen einer Produktion wiederfinden. Sie stellen die Grundlage für die Umsetzung aller Digitalisierungslösungen dar. Wenn es um die Auswertung geht, geben Daten z. B. einen Einblick in die Verbräuche von verschiedenen Ressourcen wie (Druck-)Luft oder Wasser. Die Auswertung der Daten auf Basis von Machine-Learning bietet eine Vielzahl von Vorteilen im Vergleich zu manuellen Datenanalysen. Neben einer automatisierten Datenauswertung können Anwender an dieser Stelle von der Skalierbarkeit für ganze Produktionsprozesse profitieren. Neben einer automatisierten und damit einer vielfach schnelleren Datenauswertung profitieren Anwender an dieser Stelle von der Skalierbarkeit von einzelnen Maschinen, kompletten Anlagen bis zu ganzen Produktionsprozessen.
Phoenix Contact bietet mit den smarten Lösungen von MLnext eine einfache Möglichkeit für die Erstellung und den Einsatz von Machine-Learning-Modellen für die Produktion. Dadurch können z. B. neuronale Netze eingesetzt werden, damit Probleme in Produktionsprozessen automatisiert gefunden und mit Handlungsempfehlungen verknüpft werden. In der PLCnext Factory von Phoenix Contact konnten durch den Einsatz von MLnext basierten Lösungen bereits Produktivitätssteigerungen in Höhe von 10 % in kürzester Zeit erreicht werden. Ebenso könnten kürzere Umsetzungszyklen für neue Lösungen realisiert werden, was einen schnelleren Return-of-Investest (ROI) zur Folge hat.
Ihre Vorteile Abgestimmt auf Ihren Anwendungsfall und Ihre Applikation
Mit MLnext profitieren Sie von verschiedenen Vorteilen:
- Ready-to-Use – kein Vorwissen erforderlich da neuronale Netz automatisiert erstellt werden
- Einfach – Parametrierung statt Programmierung ermöglicht eine fehlerfreie und schnelle Anpassung der Lösung
- Transparent – Modellerstellung und -ausführung werden automatisch protokolliert und visualisiert
- Optimal – ein integrierter, intuitiver Modellvergleich ermöglicht die schnelle Identifikation des besten Modells
Maximale Flexibilität mit MLnext Von der Steuerung bis hin zum Einsatz in der Cloud
Das Modell lernt auf Basis der vergangenen Verbrauchsaktivitäten, welche Optimierungsmaßnahmen eingesetzt werden können. Gegenwärtige Veränderungen wie z. B. das Absinken der Umgebungstemperatur an einer Anlage werden dabei automatisch berücksichtigt und fließen in die Auswertung ein.
In der Praxis sind der Anwendung der MLnext-Lösungen keinerlei Grenzen gesetzt. Mögliche Einsatzgebiete können z. B. vorauschauende Wartung oder Prozessoptimierung von Produktionsanlagen sein.
Die Elektronikproduktion PLCnext Factory von Phoenix Contact hat mit den MLnext-Lösungen erstmalig flächendeckend den maschinennahen Einsatz von künstlicher Intelligenz realisiert. Im Ergebnis können seitdem die Zustände der Komponenten innerhalb der Maschine einfacher erfasst werden. Basierend auf diesem Ergebnis werden zukünftig weitere Datenanalysen für eine zustandsorientierte Instandhaltung (Predictive Maintenance) durchgeführt.
Vielfältige Möglichkeiten für den Einsatz von KI mit MLnext
Mit MLnext Execution wird eine plattformunabhängige Software zum Ausführen von neuronalen Netzen bereitgestellt. Die Lösung kann flexibel eingesetzt werden – egal ob auf der Steuerungsebene, einem lokalen IT-Server oder in der Cloud. Entwickelte Lösungen können in der präferierten Umgebung getestet, verbessert sowie verglichen werden. Der notwendige Datenfluss wird hier durch die Konfigurationsdateien erstellt.
Die Konfiguration beinhaltet standardmäßig das Laden der Daten, die Vorverarbeitung, die Ausführung des Machine-Learning-Modells, die Nachverarbeitung sowie die Abspeicherung der neuen Informationen. Anfragen lassen sich dabei entweder zyklisch wiederholen oder auf Bedarf einer REST-Schnittstelle einstellen.
Zudem können neue Lösungen einfach auf der gleichen Plattform entwickelt werden, ohne die bereits eingebundenen Prozesse zu unterbrechen. Veränderungen sind flexibel durch den Anwender, Service-Partner oder die Expertinnen und Experten von Phoenix Contact möglich.
Die Möglichkeit der Ergänzung von Datenflüssen während der Laufzeit bietet Anwendern ein hohes Maß an Flexibilität.
Für einen schnellen und einfachen Überblick der Daten können Hochsprachenprogrammierer auf das MLnext Framework zurückgreifen. Die Python-Bibliothek beinhaltet eine Vielzahl an Funktionen für die Vorverarbeitung und Visualisierung von Produktionsdaten. Auch verschiedene Modelle lassen sich mit Hilfe von Auswertungsfunktionen miteinander vergleichen.
Die Programmierbibliothek wird stetig weiterentwickelt und implementiert damit stetig neueste Ansätze aus der Forschung. Dadurch haben Entwickler für die Analyse von Zeitreihendaten aus der Produktion immer die aktuellsten „State-of-the-art“-Möglichkeiten für eine Umsetzung ihrer Ideen.
Verborgene Potenziale in der Fabrik entdecken Die Produktion jetzt smart optimieren
Egal ob Anomalieerkennung, die Lokalisierung von Leckagen oder die Optimierung von Prozessen, mit MLnext lassen sich versteckte Potenziale einfach und zielführend aufdecken. Erfahren Sie mehr in unserem Infopaper.