Muazzam sayıda sensör, verileri makinelerde ve tesislere kaydeder. Doğru analiz edildiğinde, bu veriler üretim proseslerini geliştirebilir ve yüksek kaliteli ürünleri garanti edebilir. Endüstriyel Analitik iş birimi, bunun için gereken modelleri müşterilerle yakın iş birliği içinde geliştirir ve müşteriler veri ve model geliştirmeye bizzat katılabilir.
Özellik olarak adlandırılan çeşitli veri kümeleri, makine ve tesis verilerinden çekilebilir. Bu veriler yapay zeka (AI) kullanılarak otomatik olarak değerlendirilebilir. Buna örneğin, sıcaklık, basınç, güç tüketimi ve titreşimler dahildir. Önceki projelerde edinilen deneyimler, makinelerin ve tesislerin genellikle tüm önemli verileri zaten kaydettiklerini göstermektedir. Çoğu durumda ek sensörler gerekli değildir. Esas zorluk, verilerden gelen gizli bilgileri geri almak ve ilgili bağıntıları tanımaktır. Weidmüller Endüstriyel Analitiğin devreye girdiği nokta burasıdır.
Anormallikleri algılama ve sınıflandırma
Bir tesisin sorunsuz çalışmasını bozabilecek birçok neden vardır. Bunlar örneğin soğutma devresindeki hava kabarcıklarının düşük soğutma kapasitesine yol açması ya da dişli boşluğunun belirsiz hareketlere neden olması olabilir. Weidmüller veri bilimcileri, yapay zeka kullanarak gerçek zamanlı verilerde normal davranışlardan sapmalar şeklindeki anormallikleri tanıyabilen modeller geliştirmektedir. Bilim insanları, belli bir süre içinde bir makinenin çalışması açısından tipik bir kalıp sağlayan geçmiş verileri referans olarak kullanmaktadır.
Anormallik sınıflandırması sırasında, tanınan sapmalar daha sonra Önemliden Önemsize kadar kategorilere yerleştirilir ve önemli anormallikler hata için bir nedene atanır. Makine operatörleri bu bilgileri sorunlara daha hızlı tepki vermek ve hatta aksi takdirde tespit edilemeyecek arızaları fark etmek için kullanabilirler. Daha hızlı bir tanı sonuç olarak arıza sürelerini azaltır ve bu da maliyetleri düşürmeye ve üretim çıktısını optimize etmeye neden olur.
Özellik mühendisliği karmaşık kalıpları tanır
Weidmüller, Endüstriyel Analitik entegre yaklaşımı için "İşletmeler Arası Mükemmellik" kategorisinde 2018 Alman İnovasyon Ödülünü aldı. Endüstriyel Analitik iş birimi Araştırma ve Geliştirme başkanı (l.) Dr Markus Köster ile Endüstriyel Analitik iş birimi (r.) başkanı Tobias Gaukstern ödülü Berlin'de kabul etti.
Özellik mühendisliği, güvenilir yapay zeka modelleri geliştirmek için önemli bir teknolojidir. Bu yaklaşımda, ölçülen değerler karmaşık istatistiksel korelasyonlarda dikkate alınır. Bu amaçla, örneğin zaman içinde iki veya daha fazla özelliğin birbiriyle ilişkili değişimlerini temsil eden korelasyon katsayıları oluşturulur. Veri bilimcileri yeni özellikler geliştirmek için geçmiş makine verilerini kullanmaktadır. Amaç, sapma gösteren kalıpları, sadece ham verinin kullanıldığı duruma göre daha iyi ve daha güvenilir şekilde tanımaktır. Bir örnek: titreşim ölçümleri veya frekans dönüştürücüler gibi yerlerden gelen yüksek frekanslı sinyaller, matematiksel yöntemlere dayalı olarak, çıkış sinyalinin karşılık gelen bileşenleriyle farklı frekans aralıklarına ayrılabilir. Model, bir makinenin normal davranışı için karakteristik sinyal bileşenlerini öğrenir. Bu bileşenler olası arızalar için orijinal sinyalden daha iyi bir göstergedir.
Bu hepimize bağlıdır
Veri kümelerinin somut makine veya proses davranışına göre yorumlanması ve değerlendirilmesi gerektiğinden özellik mühendisliği kapsamlı uygulama bilgisi gerektirir. Veri bilimcilerin uzmanlığı, makine mühendisinin veya makine operatörünün uygulama bilgileri ve halihazırda elde edilmiş olan bilgiler, pratik bir çözüm getirecek cevaplar bulmak için eşit derecede önemlidir. Bir anormalliğin gerçekten bir makine hatasını temsil edip etmediğini yalnızca bir uygulama uzmanı değerlendirebilir. Uzman, veri uzmanlarının, olası sapma ve anormalliklerin yanı sıra normal çalışma durumunu doğru şekilde tanımlayan algoritmaları oluşturmasına yardımcı olur.
Yapay zeka tabanlı modeller, halihazırda robotiğin yanı sıra paketleme makineleri, dolum teknolojisi ve konveyör teknolojisi gibi pek çok uygulamada kullanılmaktadır. Weidmüller'de bu modeller, bireysel kullanıcıya göre uyarlanmış yazılımlar olarak ortaya çıkar. Yazılım, makinenin davranışını sürekli olarak izleyip tahmin eder ve hem verileri hem de analizin sonuçlarını bir görselleştirmeye uygular. Kullanıcı arayüzü uzmanları, kullanıcı arayüzünü tek tek tasarlar; böylece her müşteri kendi uygulama alanına uygun bir çözüm elde eder.
Görselleştirme, makinenin geçerli durumundan haberdar olmayı kolaylaştırır. Bu amaçla, bireysel zaman aralıkları gelecekteki veri değerlendirmesine dahil edilmesi gereken bilgilerle görüntülenebilir ve etiketlenebilir. Bu örnekte, sarı vurgulanan alanlar, algoritmanın kullanıcıya tanımladığı potansiyel anormallikleri gösterir. Kullanıcılar, bunun gerçekten bir anormallik olup olmadığını belirtmek için de bu alanlara bakabilirler. Bu şekilde model öğrenmeye devam eder ve gelecekteki durumları daha kesin olarak sınıflandırabilir.
Ancak yapay zeka tabanlı yeni bir model, bir tesisin gelecekteki tüm potansiyel hatalarını ve durumlarını başlangıçta, özellikle de bunlar geçmiş verilerde çok nadir bulunuyorsa veya hiç bulunmuyorsa tanımlayamaz. Bu nedenle, Endüstriyel Analitik modülleri kullanıcıların modellerini zaman içinde kendileri güncelleyebilecekleri, genişletebilecekleri ve ayarlayabilecekleri şekilde tasarlanmıştır. Weidmüller veri bilimcileri, elbette gerektiğinde müşterilere destek sağlayacaktır.
Başarıya yönelik özellikleri kullanma
Özellik mühendisliği, Analitik bir çözümün başarısının anahtarıdır. Weidmüller, fiziksel korelasyonlar üzerindeki gerekli uygulama bilgisini ve teknik uzmanlığı veri bilimi uzmanlığı ile birleştirmektedir. AI tabanlı modelleri bağımsız olarak geliştirme seçeneği sayesinde, makine mühendisleri ve makine operatörleri alan bilgilerini ortaya koymadan model performanslarını önemli ölçüde artırabilirler.