Otimização da produção baseada em IA com MLnext Processos de produção com economia de recursos e eficientes graças a avaliação de dados inteligente
Os dados são a base da digitalização, mas estão se tornando cada vez mais complexo de utilizar e avaliar devido ao crescimento das redes e ao aumento dos requisitos de segurança. O manuseio correto dos dados é uma parte integrante essencial para a digitalização de instalações de produção. Para, p. ex., detectar atempadamente anomalias na fábrica, as soluções de MLnext oferecem a possibilidade de avaliar seus dados através de aprendizado de máquina, bem como de realizar otimizações de forma rápida, fácil e precisa.
Dados de produção sempre sob controle
Produção mais sustentável graças à avaliação de dados inteligente Recomendações de ação baseadas em IA para criar processos de produção inteligentes
Hoje em dia, encontramos uma quantidade infinita de dados nas máquinas e instalações de uma produção. Eles fornecem a base para a implementação de todas as soluções de digitalização. Quando se trata da avaliação, os dados permitem ter uma ideia, p. ex., dos consumos de diferentes recursos como ar (comprimido) ou água. A avaliação dos dados com base em aprendizado de máquina oferece inúmeras vantagens em comparação com as análises de dados manuais. Além de uma avaliação de dados automatizada, aqui os usuários podem se beneficiar da escalabilidade para processos de produção completos. Além da avaliação de dados automatizada e, portanto, muito mais rápida, os usuários se beneficiam da escalabilidade de máquinas individuais, sistemas completos e até mesmo processos de produção inteiros.
Com as soluções inteligentes da MLnext, a Phoenix Contact oferece uma maneira fácil de criar e usar modelos de aprendizado de máquina para produção. Isso significa, por exemplo, que as redes neurais podem ser usadas para encontrar automaticamente problemas nos processos de produção e vinculá-los a recomendações de ação. Na PLCnext Factory da Phoenix Contact, já foram alcançados aumentos de produtividade de 10% em um período muito curto de tempo com o uso de soluções baseadas no MLnext. Da mesma forma, é possível obter ciclos de implementação mais curtos para novas soluções, o que resulta em um retorno sobre o investimento (ROI) mais rápido.
Suas vantagens Adaptado para seu caso de aplicação e sua aplicação
Com a MLnext você se beneficia de várias vantagens:
- Pronto para usar - não é necessário conhecimento prévio, pois as redes neurais são criadas automaticamente
- Simples - a parametrização em vez da programação permite uma adaptação rápida e sem erros da solução
- Transparente - a criação e a execução do modelo são automaticamente registradas e visualizadas
- Ótimo - uma comparação de modelos integrada e intuitiva permite a rápida identificação do melhor modelo
Flexibilidade máxima com MLnext Desde o controlador até à utilização na nuvem
Com base nas atividades de consumo anteriores, o modelo aprende as medidas de otimização que devem ser utilizadas. Aqui, as mudanças atuais como, p. ex., a descida da temperatura ambiente em uma instalação, são automaticamente consideradas e incluídas na avaliação.
Na prática, não há limites para a aplicação das soluções MLnext. As possíveis áreas de aplicação poderiam ser, por exemplo, a manutenção preditiva ou a otimização de processos de instalações de produção.
Com as soluções MLnext, a produção eletrônica PLCnext Factory da Phoenix Contact realizou, pela primeira vez, a aplicação de inteligência artificial de forma abrangente e orientada para a máquina. Como resultado, desde então é possível registrar com facilidade os estados dos componentes dentro da máquina. Com base nesse resultado, outras análises de dados para manutenção baseada em condições (manutenção preditiva) serão realizadas no futuro.
MLnext Framework Implementação simples da análise de dados
Para os programadores de linguagem de alto nível, o MLnext Framework é adequado para obter uma visão geral rápida e fácil dos dados. Assim, os usuários também se beneficiam de uma rápida seleção dos dados relevantes. Cumprindo as normas de segurança de dados atualmente válidas, o MLnext Framework oferece uma base de código-fonte aberto, podendo ser executada em PLCnext Technology ou em outras plataformas independentes do hardware.
A biblioteca de programação implementa constantemente um grande número de (novas) abordagens provenientes da investigação que são utilizadas na PLCnext Factory e já resultaram em aumentos de produtividade de 10 %. Da mesma forma, também podem ser realizados ciclos de implementação mais curtos. Todos os conhecimentos são incluídos na configuração futura da solução relacionada com MLnext.
MLnext Execution Programação e execução simples de algoritmos
Com MLnext Execution é fornecido um software independente de plataforma para a execução de redes neurais. A solução pode ser utilizada de forma flexível – quer seja no nível de controle, em um servidor de TI local ou na nuvem. As soluções desenvolvidas podem ser testadas, melhoradas e comparadas no ambiente. Aqui, o fluxo de dados necessário é criado pelos arquivos de configuração. Pare realizar em seguida o pré-processamento, a previsão, o pós-processamento e o armazenamento dos registros de dados, tem de ser definida a origem dos dados para este fim. Nesse processo, a interface web intuitiva monitora o comportamento do tempo de execução e fornece informações sobre a funcionalidade e os tempos de execução.
Além disso, novas soluções podem ser desenvolvidas com facilidade na mesma plataforma, sem interromper os processos já integrados. As mudanças podem ser feitas de forma flexível pelo usuário, parceiros de assistência técnica ou pelos especialistas da Phoenix Contact.
A possibilidade de complementar fluxos de dados durante o tempo de execução oferece aos usuários um alto grau de flexibilidade.
MLnext Creation No caminho para um Deep Learning totalmente automatizado
MLnext Creation permite a criação e parametrização das redes neurais. Como a aplicação funciona com base em um arquivo de configuração, não são necessários conhecimentos de programação. Através do registro automático em log, todas as etapas de processamento são registradas individualmente e geram uma emissão de relatórios padronizada. Para a seleção da rede neural ideal para o caso de aplicação, é possível comparar vários modelos de forma rápida entre si. Com base nos relatórios, o arquivo de configuração pode ser depois adaptado.
Otimização inteligente da produção
Seja a detecção de anomalias, a localização de vazamentos ou a otimização de processos, MLnext permite identificar potenciais ocultos de forma fácil e útil. Descubra mais informações no folheto informativo.
