Startpagina
Branches & toepassingen
Alle toepassingen in één oogopslag
Op AI gebaseerde productieoptimalisatie met MLnext

Op KI gebaseerde productieoptimalisatie met MLnext Intelligente gegevensanalyse voor hulpbronnen-besparende en efficiënte productieprocessen

Neem nu contact met ons op

Kunstmatige intelligentie abstract getoond op zwarte achtergrond

Kunstmatige intelligentie als booster voor uw productie

Gegevens vormen het fundament van de digitalisering, maar het gebruik en de analyse ervan worden steeds complexer als gevolg van groeiende netwerken en strengere veiligheidseisen. Gegevensgestuurde analyse van productiesystemen maakt schaalbare en flexibele ondersteuning van productiebeheer en instandhouding mogelijk. Om bijvoorbeeld onregelmatigheden in de fabriek tijdig te herkennen, bieden de oplossingen van MLnext de mogelijkheid om door middel van Machine Learning uw gegevens te analyseren en snel, eenvoudig en nauwkeurig optimalisaties door te voeren.

Data Science

Discipline voor het afleiden van informatie op basis van gegevens door middel van analyse en visualisatie.

Model

Samenvatting van de kennis en acties van het algoritme voor Machine Learning in een opslabaar formaat.

Domain Knowledge

Kennis van productieprocessen en machines.

Artificial Intelligence

Deelgebied van de informatica dat menselijk gedrag gebruikt als sjabloon voor gegevensverwerking.

Machine Learning

Automatisch afleiden van kennis en acties op basis van geregistreerde gegevens.

Altijd een overzicht van de productiegegevens

Duurzamer produceren dankzij intelligente gegevensanalyse Op KI gebaseerde gebruiksaanbevelingen voor het realiseren van smart productieprocessen

In de machines en installaties van een productie zijn tegenwoordig ontelbare hoeveelheden gegevens te vinden. Deze vormen de basis voor de implementatie van alle digitaliseringsoplossingen. Wanneer het om analyse gaat, geven gegevens bijv. inzicht in het verbruik van verschillende hulpbronnen, zoals (pers-)lucht of water. De analyse van gegevens op basis van Machine Learning biedt tal van voordelen in vergelijking met handmatige gegevensanalyses. Naast geautomatiseerde gegevensanalyse kunnen gebruikers op dit punt profiteren van schaalbaarheid voor volledige productieprocessen. Naast geautomatiseerde en dus veel snellere gegevensanalyse profiteren gebruikers van de schaalbaarheid van afzonderlijke machines, complete installaties tot en met volledige productieprocessen.

Phoenix Contact biedt met de slimme oplossingen van MLnext een eenvoudige manier om Machine Learning-modellen voor de productie aan te maken en te gebruiken. Dit betekent bijvoorbeeld dat neurale netwerken kunnen worden gebruikt om automatisch problemen in productieprocessen op te sporen en deze te koppelen aan aanbevelingen voor maatregelen. In de PLCnext Factory van Phoenix Contact zijn in zeer korte tijd al productiviteitsstijgingen van 10% bereikt door het gebruik van op MLnext gebaseerde oplossingen. Ook werden kortere implementatiecycli voor nieuwe oplossingen gerealiseerd, wat resulteert in een snellere return on investment (ROI).

Uw voordelen Afgestemd op uw gebruik en toepassing

Met MLnext profiteert u van diverse voordelen:

Gebruiksklaar – geen voorkennis vereist, omdat neurale netwerken automatisch worden gemaakt
Eenvoudig – parametrisering in plaats van programmering maakt foutloze en snelle aanpassing van de oplossing mogelijk
Transparant – het aanmaken en uitvoeren van modellen wordt automatisch geprotocolleerd en gevisualiseerd
Optimaal – een geïntegreerde, intuïtieve modelvergelijking maakt een snelle identificatie van het beste model mogelijk

Maximale flexibiliteit met MLnext Van de besturing tot het gebruik in de cloud

Het model leert op basis van verbruiksactiviteiten in het verleden welke optimalisatiemaatregelen kunnen worden gebruikt. Actuele veranderingen, zoals de daling van de omgevingstemperatuur bij een installatie, worden automatisch in aanmerking genomen en meegenomen in de analyse.

In de praktijk zijn er geen grenzen aan het toepassen van MLnext-oplossingen. Mogelijke toepassingsgebieden zijn bijv. voorspellend onderhoud of procesoptimalisatie van productie-installaties.

De elektronicaproductie PLCnext Factory van Phoenix Contact heeft met de MLnext-oplossingen voor het eerst het gebruik van kunstmatige intelligentie dicht bij de machine over de gehele linie gerealiseerd. Als gevolg daarvan kunnen de toestanden van de componenten in de machine nu gemakkelijker worden geregistreerd. Op basis van dit resultaat zullen in de toekomst verdere gegevensanalyses voor toestandsafhankelijk onderhoud (Predictive Maintenance) worden uitgevoerd.

Vele mogelijkheden voor het gebruik van KI met MLnext

MLnext Creation: op weg naar volledig geautomatiseerd Deep Learning

MLnext Creation maakt het aanmaken en parametriseren van de neurale netwerken mogelijk. Aangezien de toepassing werkt op basis van een configuratiebestand, is er geen programmeerkennis nodig. Door automatische protocollering worden alle bewerkingsstappen afzonderlijk geregistreerd en wordt een gestandaardiseerde rapportage gegenereerd. Om het optimale neurale netwerk voor de toepassing te kiezen, kunnen verschillende modellen ook snel met elkaar worden vergeleken. Op basis van de rapporten kan het configuratiebestand vervolgens individueel worden aangepast.

MLnext Execution: eenvoudig aanleren en uitvoeren van algoritmen

MLnext Execution biedt platform-onafhankelijke software voor de uitvoering van neurale netwerken. De oplossing kan flexibel worden gebruikt – op het besturingsniveau, een lokale IT-server of in de cloud. De ontwikkelde oplossingen kunnen in de geprefereerde omgeving worden getest, verbeterd en vergeleken. De noodzakelijke gegevensstroom wordt hier aangemaakt door de configuratiebestanden.
De configuratie bevat standaard het laden van de gegevens, de voorverwerking, het uitvoeren van het Machine Learning-model, de naverwerking en het opslaan van de nieuwe gegevens. Aanvragen kunnen daarbij cyclisch worden herhaald of op verzoek van een REST-interface worden ingesteld.

Bovendien kunnen nieuwe oplossingen eenvoudig op hetzelfde platform worden ontwikkeld zonder de reeds geïntegreerde processen te onderbreken. Wijzigingen kunnen flexibel worden doorgevoerd door de gebruiker, de servicepartner of de experts van Phoenix Contact.
De mogelijkheid om tijdens de runtime gegevensstromen aan te vullen, biedt gebruikers een hoge mate van flexibiliteit.

MLnext Framework: eenvoudig uitgevoerde gegevensanalyse

Voor een snel en eenvoudig overzicht van de gegevens kunnen programmeurs van hogere programmeertalen gebruikmaken van het MLnext Framework. De Python-bibliotheek bevat een groot aantal functies voor de voorverwerking en visualisatie van productiegegevens. Verschillende modellen kunnen ook met elkaar worden vergeleken met behulp van analysefuncties.

De programmeerbibliotheek wordt continu doorontwikkeld en implementeert dus voortdurend de nieuwste benaderingen uit onderzoek. Dit betekent dat ontwikkelaars voor de analyse van tijdreeksgegevens uit de productie altijd beschikken over de meest actuele moderne mogelijkheden voor het implementeren van hun ideeën.

Verborgen potentieel in de fabriek ontdekken Zorg nu voor een slimme optimalisatie van de productie

Of het nu gaat om anomaliedetectie, het lokaliseren van lekken of het optimaliseren van processen, met MLnext kan verborgen potentieel gemakkelijk en gericht worden gevonden. Lees meer in onze Infopaper.

Infopaper nu downloaden

Download

Gebruik MLnext in uw productie

Gebruik de proefversie om MLnext te leren kennen.

Naar de PLCnext Store