MLnext Framework支持高级编程语言,以便快速查看数据概况。因此,用户还可以快速选择相关数据。MLnext Framework遵照现行数据安全标准提供开源基础框架,可运行于PLCnext Technology或其他独立于硬件的平台上。编程库不断从PLCnext Factory所用研究中实现各类(新)方法,助力生产率提高了10%。由此即可缩短实施周期。所有研究结果均将整合到MLnext解决方案的后续设计中。
通过MLnext实现基于人工智能的生产优化 智能数据评估成就高效的资源节约型生产过程。
挑战
数字化生产系统的数据专业知识
数据是数字化的基础,但随着网络规模的扩大和日益提高的安全要求,数据的使用和评估也变得愈发复杂。数据的正确处理是生产系统数字化转型的重要环节。如今,生产设施中的机器和系统会生成大量数据。在评估时,数据可提供(压缩)空气和水等各类资源的消耗情况。相较于手动数据分析,基于机器学习的数据分析具有多种优势。除了更快速的自动数据评估之外,该方法的适用范围可以扩展到单个机器、整个系统乃至整个生产过程,优势明显。
解决方案
基于人工智能的建议措施,可用于智能生产过程设计
菲尼克斯电气的MLnext智能解决方案可轻松创建和部署生产用机器学习模型。例如,神经网络可用于自动检测生产过程中的问题,并提供建议采取的措施。依托基于MLnext的解决方案,菲尼克斯电气PLCnext Factory在短时间内将生产率提高了10%。MLnext还助力缩短了新解决方案的实施周期,实现快速投资回报 (ROI)。例如,为及时检测出工厂中的异常状况,MLnext解决方案使用机器学习评估数据,并快速、轻松、准确地实施优化。
MLnext成就高度灵活应用
模型基于过去消耗行为学习可以使用哪些优化措施。诸如系统中环境温度的下降等当前变化均会自动纳入评估。MLnext解决方案的实践应用十分广泛。潜在应用领域包括工厂的预防性维护或过程优化。菲尼克斯电气电子产品生产方案PLCnext Factory率先通过MLnext解决方案,实现了基于机器的全面人工智能应用。自此便可轻松记录机器内部组件的状态。在此基础上,未来可以通过深度数据分析来实施基于状态的维护(预防性维护)。
优势
- 解决方案立等可用,自动创建神经网络,无需事先掌握专业知识
- 使用参数设置替代编程,快速、无误地完成解决方案调整
- 支持自动记录和可视化模型的创建与执行,提高数据透明度
- 通过全面、直观的模型对比,可快速选定理想模型
MLnext Execution是独立于平台的神经网络执行软件解决方案。无论是在控制层、本地IT服务器还是云端,解决方案均可灵活运用。开发的解决方案可在环境中进行测试、改进和比较。此时可通过配置文件创建必要的数据流。数据来源也随之定义,以便之后进行数据集的预处理、预测、后处理和存储。直观的Web界面可监控运行时行为, 并提供功能和执行时间的相关信息。此外,用户还可在同一平台上轻松开发新解决方案,而不会中断已集成的过程。用户、服务合作伙伴或菲尼克斯电气专家均可灵活进行更改。数据流支持在运行期间扩展,用户使用更灵活。
MLnext Creation支持创建神经网络并设置其参数。应用程序运行基于配置文件,因此用户无需具备编程知识。自动日志记录将单独记录所有处理步骤并生成标准化报告。软件提供数个可供快速比对的模型,以便用户为应用选出理想的神经网络。配置文件则可根据报告进行后续调整。