MLnext Creation을 사용하면 신경망을 생성하고 파라미터화할 수 있습니다. 애플리케이션이 구성 파일을 기반으로 작동하므로 프로그래밍 지식이 필요하지 않습니다. 자동 로깅을 통해 모든 처리 단계는 개별적으로 기록되고 표준화된 보고를 생성합니다. 또한 애플리케이션에 이상적인 신경망을 선택하기 위해 여러 모델을 빠르게 비교할 수 있습니다. 그런 다음 보고서에 기반하여 구성 파일을 사용자 정의할 수 있습니다.
MLnext를 통한 AI 기반 생산 최적화 자원 절약 및 효율적인 생산 프로세스를 위한 인텔리전트 데이터 평가
생산을 촉진하는 인공 지능
네트워크 증가와 보안 요구 사항 증가로 인해 디지털화의 기초인 데이터의 처리 및 평가가 점점 복잡해지고 있습니다. 생산 시스템에 대한 데이터 기반 분석을 통해 생산 관리 및 유지 관리 작업을 확장 가능한 방식으로 유연하게 지원할 수 있습니다. 예를 들어, 공장의 이상 현상을 적시에 감지하기 위해 MLnext 솔루션을 사용하면 머신 러닝을 통해 데이터를 평가하고 빠르고 쉽고 정확하게 최적화할 수 있습니다.
Production data at a glance at all times
인텔리전트 데이터 평가를 통한 보다 지속 가능한 생산 스마트 생산 프로세스 설계를 위한 AI 기반 권장 조치
오늘날 생산 시설의 기계 및 시스템에서는 엄청난 양의 데이터가 사용되고 있습니다. 이는 모든 디지털화 솔루션 구현을 위한 기반을 제공합니다. 평가와 관련하여 데이터는 (압축된) 공기 또는 물과 같은 다양한 자원의 소비에 대한 통찰력을 제공합니다. 머신 러닝 기반의 데이터 분석은 수동 데이터 분석에 비해 다양한 이점을 제공합니다. 자동화된 데이터 평가 외에도 이 접근 방식의 사용자는 전체 생산 프로세스에 대한 확장성의 이점을 누릴 수 있습니다. 자동화되어 훨씬 빨라진 데이터 평가 외에도 개별 기계, 전체 시스템, 전체 생산 프로세스의 확장성이라는 이점을 누릴 수 있습니다.
피닉스컨택트는 MLnext 스마트 솔루션을 통해 손쉽게 생산용 머신 러닝 모델을 생성하고 배포하는 방법을 제공합니다. 예를 들어, 이는 신경망을 사용하여 생산 프로세스의 문제를 자동으로 감지하고 권장 조치로 연결할 수 있음을 의미합니다. 피닉스컨택트의 PLCnext Factory에서는 MLnext 기반 솔루션을 사용하여 매우 짧은 시간에 생산성을 10% 향상했습니다. 또한 새로운 솔루션의 구현 주기를 단축하여 ROI(투자 수익)를 더욱 빠르게 달성할 수 있었습니다.
이점 사용 사례 및 애플리케이션에 적합한 맞춤형
MLnext를 사용하면 다음과 같은 다양한 이점이 있습니다.
- 즉시 사용 가능 - 신경망이 자동으로 생성되기 때문에 사전 지식이 필요 없음
- 단순성 – 프로그래밍 대신 파라미터화를 통해 솔루션을 오류 없이 빠르게 적용할 수 있음
- 투명성 – 모델 생성 및 실행을 자동으로 기록하고 시각화
- 최적화 – 통합되고 직관적인 모델 비교를 통해 최상의 모델을 빠르게 식별
MLnext를 통한 최고 수준의 유연성 컨트롤러에서 클라우드에서 사용까지
모델은 과거 소비 활동을 기반으로 사용할 수 있는 최적화 조치를 학습합니다. 시스템의 주변 온도 강하와 같은 현재 변경 사항이 자동으로 고려되어 평가에 포함됩니다.
실제로 MLnext 솔루션의 사용에는 제한이 없습니다. 예를 들면, 생산 공장의 예측 유지 관리 또는 프로세스 최적화가 가능한 적용 영역에 포함될 수 있습니다.
PLCnext Factory에서 피닉스컨택트의 전자 제품 생산은 MLnext 솔루션을 통해 기계에 기반한 인공 지능의 사용이 전반적으로 구현된 최초의 사례입니다. 그 이후로 기계 내 컴포넌트의 상태를 더 쉽게 기록할 수 있게 되었습니다. 이후 이러한 결과를 바탕으로 상태 기반 유지 관리(예측 유지 관리)를 위한 추가 데이터 분석이 수행될 예정입니다.
MLnext와 함께 AI를 사용할 수 있는 수많은 가능성
MLnext Execution은 신경망 실행을 위한 플랫폼 독립적인 소프트웨어 솔루션입니다. 이 솔루션은 제어 레벨, 로컬 IT 서버 또는 클라우드에서 유연하게 사용할 수 있습니다. 개발된 솔루션을 선호하는 환경에서 테스트, 개선 및 비교할 수 있습니다. 여기서 필요한 데이터 흐름은 구성 파일에 의해 생성됩니다.
기본적으로 구성에는 데이터 로드, 전처리, 머신 러닝 모델 실행, 후처리 및 새로운 정보의 저장이 포함됩니다. 요청은 주기적으로 반복되거나 REST 인터페이스의 요청에 따라 설정될 수 있습니다.
또한 이미 통합된 프로세스를 중단하지 않고 동일한 플랫폼에서 새로운 솔루션을 손쉽게 개발할 수 있습니다. 사용자, 서비스 파트너 또는 피닉스컨택트 전문가가 유연하게 변경할 수 있습니다.
런타임 동안 데이터 흐름을 확장하는 기능은 사용자에게 높은 수준의 유연성을 제공합니다.
고급 언어 프로그래머는 MLnext Framework를 사용하여 데이터에 대한 빠르고 쉬운 개요를 확인할 수 있습니다. Python 라이브러리에는 생산 데이터의 전처리 및 시각화를 위한 다양한 기능이 포함되어 있습니다. 평가 기능을 사용하여 서로 다른 모델을 비교할 수도 있습니다.
프로그래밍 라이브러리는 항상 최신 연구 접근 방식의 구현을 위해 지속적으로 개발되고 있습니다. 이는 개발자가 자신의 아이디어를 구현하기 위해 프로덕션의 시계열 데이터를 분석할 수 있는 최신 옵션을 항상 가지고 있다는 것을 의미합니다.
공장의 숨겨진 잠재력에 대해 알아보기 이제 생산을 스마트한 방식으로 최적화하십시오.
MLnext는 이상 탐지, 누출 위치 찾기, 프로세스 최적화 등과 같은 숨겨진 위험을 찾기 위한 간단하고 표적화된 방법을 제공합니다. 피닉스컨택트의 Infopaper에서 더 자세히 알아보십시오.