데이터는 디지털화의 기반이지만 네트워크가 성장하고 보안 요구 사항이 증가함에 따라 사용 및 평가가 점점 더 복잡해지고 있습니다. 데이터의 올바른 처리는 생산 시스템의 디지털화를 위한 필수 구성 요소입니다. 오늘날 생산 시설의 기계 및 시스템에서는 엄청난 양의 데이터가 사용되고 있습니다. 평가와 관련하여 데이터는 (압축된) 공기 또는 물과 같은 다양한 자원의 소비에 대한 통찰력을 제공합니다. 머신 러닝에 기반한 데이터 분석은 수동 데이터 분석에 비해 다양한 이점을 제공합니다. 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. 예를 들어, MLnext 솔루션은 제시간에 공장의 이상 현상을 감지하기 위해 기계 학습을 통해 데이터를 평가하고 빠르고 쉽고 정확하게 최적화할 수 있는 가능성을 제공합니다.
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.
데이터에 대한 빠르고 쉬운 개요를 제공하는 MLnext Framework는 고급 언어 프로그래머에게 적합합니다. 따라서 사용자는 관련 데이터를 빠르게 선택할 수도 있습니다. 현재 유효한 데이터 보안 표준에 따라 MLnext Framework는 PLCnext Technology 또는 기타 하드웨어 독립 플랫폼을 통해 실행할 수 있는 오픈 소스 기반을 제공합니다. 연구를 통해 얻어진 새롭고 다양한 접근 방식이 PLCnext Factory에서 사용되면서 생산성이 10% 향상되었으며 프로그래밍 라이브러리는 이러한 접근 방식을 지속적으로 구현하고 있습니다. 구현 주기가 단축됩니다. 모든 결과는 MLnext 솔루션의 미래 설계에 통합될 것입니다.
MLnext Execution은 신경망 실행을 위한 플랫폼 독립적인 소프트웨어 솔루션입니다. 이 솔루션은 제어 레벨, 로컬 IT 서버 또는 클라우드에서 유연하게 사용할 수 있습니다. 개발된 솔루션을 환경에서 테스트, 개선 및 비교할 수 있습니다. 여기서 필요한 데이터 흐름은 구성 파일에 의해 생성됩니다. 데이터 세트의 전처리, 예측, 후처리 및 저장을 나중에 수행될 수 있도록 데이터의 출처가 정의됩니다. 직관적인 웹 인터페이스가 런타임 동작을 모니터링합니다. 이를 통해 기능 및 실행 시간에 대한 정보를 제공합니다. 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.
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. 보고서에 기반하여 구성 파일이 나중에 조정됩니다.
