MLnext Framework er et godt valg for programmerere av høynivåspråk når man trenger rask og enkel oversikt over dataene. For brukerne betyr det også raskt valg av alle relevante data. Samtidig som alle gyldige Data-Security-standarder overholdes, gir MLnext Framework en Open Source Basis som kan kjøres på PLCnext Technology eller andre maskinvareuavhengige plattformer. Programmeringsbiblioteket implementerer kontinuerlig mange (nye) tilnærminger fra forskning som brukes i PLCnext Factory og som allerede har gitt en produksjonsøkning på 10 %. Kortere implementeringssykluser er også mulig. All kunnskap flyter inn i fremtidig utforming av løsninger rundt MLnext.
AI-basert optimalisering av produksjonen med MLnext Effektive produksjonsprosesser med gjennomtenkt håndtering av ressurser ved hjelp av intelligent dataanalyse
Utfordring
Datakompetanse for digitale produksjonssystemer
Data er selve fundamentet for digitalisering, som følge av voksende nettverk og strengere sikkerhetskrav blir de likevel stadig mer komplekse å benytte og evaluere. Korrekt håndtering av dataene utgjør en essensiell bestanddel for digitalisering av produksjonsanlegg. I dag finner man uendelig høye antall data i maskiner og anlegg i produksjoner. Når det gjelder evaluering, gir data f.eks. et innblikk i forbruk av forskjellige ressurser, som (trykk)luft og vann. Evaluering av dataene med utgangspunkt i Machine-Learning gir mange fordeler sammenlignet med manuelle dataanalyser. I tillegg til automatisert og dermed mye raskere analyse av data får brukerne her fordeler i form av skalerbarhet for enkelte maskiner, komplette anlegg og helt til fullstendige produksjonsprosesser.
Løsning
AI-baserte handlingstiltak for utforming av smarte produksjonsprosesser
Med de smarte løsningene til MLnext tilbyr Phoenix Contact en enkel mulighet for utforming og bruk av Machine-Learning-modeller for produksjonen. Dermed kan for eksempel nevronale nettverk brukes for å finne problemer i produksjonsprosesser automatisk og koble dem opp mot anbefalinger om tiltak. I PLCnext Factory fra Phoenix Contact har man ved å bruke MLnext-baserte løsninger allerede på meget kort tid oppnådd en produktivitetsøkning på 10 %. Kortere implementeringssykluser for nye løsninger er også oppnådd, noe som gir en raskere Return on Investment (ROI). For å gjenkjenne blant annet anomalier i fabrikken tidsnok gir løsningene med MLnext muligheten til å evaluere dataene dine via Machine-Learning og foreta optimaliseringer raskt, enkelt og helt nøyaktig.
Optimal fleksibilitet med MLnext
Med utgangspunkt i tidligere forbruksaktivitet lærer modellen hvilke optimaliseringstiltak som kan benyttes. Foreliggende endringer som f.eks. synkende omgivelsestemperatur i et anlegg, hensyntas automatisk, og flyter inn i evalueringen. I praksis er det ingen grenser for hvordan MLnext-løsningene kan benyttes. Potensielle bruksområder er for eksempel forutseende vedlikehold og optimalisering av prosesser i produksjonsanlegg. Med MLnext-løsningene har elektronikkproduksjonen PLCnext Factory fra Phoenix Contact for første gang implementert maskinnær bruk av kunstig intelligens, områdedekkende. Som resultat er komponentenes tilstand enklere å registrere innenfor maskinen. Med utgangspunkt i dette resultatet blir det fremover foretatt ytterligere dataanalyser for fremtidsrettet vedlikehold (Predictive Maintenance).
Dine fordeler
- Ready-to-use-løsning uten behov for forkunnskaper, ettersom nevrale nettverk opprettes automatisk
- Parametrisering i stedet for programmering tilrettelegger feilfri og rask tilpasning av løsningen
- Åpenhet takket være automatisk protokollføring og visualisering av modellopprettelse og -utførelse
- Rask identifisering av den beste modellen takket være integrert, intuitiv modellsammenligning
Med MLnext Execution tilrettelegges et program for utføring av nevronale nett, helt uavhengig av plattform. Løsningen kan benyttes fleksibelt, det være seg på styrenivå, en lokal IT-server eller i skyen. Utviklede løsninger kan testes, forbedres og sammenlignes i omgivelsene. Nødvendig dataflyt opprettes her gjennom konfigurasjonsfilene. For å deretter forbehandle, prognostisere, etterbehandle og lagre datasettene blir dataenes opprinnelse definert. Det intuitive webgrensesnittet overvåker kjøretidsegenskapene. Det gir informasjon om funksjonalitet og kjøretider. Videre utvikles nye løsninger helt enkelt på samme plattform, uten at prosessene som allerede er implementert, blir avbrutt. I ettertid kan bruker, servicepartnere eller eksperter fra Phoenix Contact foreta endringer fleksibelt. Muligheten for supplering av dataflyt under runtime gir også brukeren mye fleksibilitet.
Med MLnext Creation kan man opprette og parametrisere nevronale nettverk. Fordi anvendelsen fungerer med utgangspunkt i en konfigurasjonsfil, er programmeringskunnskaper ikke nødvendig. Samtlige behandlingstrinn samles inn enkeltvis ved hjelp av den automatiske protokollføringen, og det genereres en standardisert rapport. For å velge det optimale nevronale nettverket for brukstilfellet kan man også raskt sammenligne flere modeller med hverandre. Med utgangspunkt i rapportene kan konfigurasjonsfilen deretter tilpasses.
Kontakt
Produkter
Ennå ikke funnet et optimalt produkt?
Du er velkommen til å ta kontakt med oss. Vi hjelper deg, og sammen finner vi den beste løsningen.