- moneo: platforma IIoT
- Výrobky
- moneo DataScience Toolbox
moneo DataScience Toolbox: umělá inteligence
Inteligentní monitorování a optimalizace výrobních procesů
SmartLimitWatcher, inteligentní nástroj moneo DataScience Toolbox, využívá jako základ závislá data senzoru a parametry procesů, což mu umožňuje automatickou a včasnou detekci anomálií v kritické procesní hodnotě. Jeho účelem je monitorování kritické procesní hodnoty (cílové proměnné) s ohledem na průběžnou kvalitu produkce nebo stav závodu (např. teplota, tok, vibrace, aktuální spotřeba).
Pomocí metod umělé inteligence se trénuje matematický model založený na historických datech, který se používá k trvalému/momentálnímu cílovému porovnávání naměřených a prognózovaných cílových hodnot. Prostřednictvím dalšího výpočtu dynamických rozsahů očekávání (pásma jistoty) pro cílovou hodnotu lze trvale hodnotit naměřené chování cílové proměnné a automaticky indikovat odchylky.
Máte možnost definovat limity alarmů a varování (brzké, střední, pozdní), jež se zobrazují v aplikaci. To umožňuje rychle reagovat na odchylky ve výrobních procesech a proaktivně jednat skrze optimální včasnou detekci.
moneo DataScience Toolbox – inteligentní monitorování a optimalizace výrobních procesů prostřednictvím včasných varování alarmů
- Jednoduchost: Není zde potřeba žádná vědecká odbornost. Pragmatické řešení s jednoduchým průvodem o 5 krocích pro manažery výroby a údržby.
- Uživatelsky příjemné: Automatická příprava dat a kontrola kvality. Bez nutnosti předem zpracovaných složitých dat.
- Inteligentní: Výběr nejvhodnějšího modelu umělé inteligence. Automatický trénink modelů a ověřování přesnosti monitorování.
- Spolehlivost: Monitorování podle stavu a podle času. Trvalé monitorování na pozadí pomocí dynamických rozsahů očekávání pro cílovou proměnnou.
- Individuální: Přizpůsobitelná varování a alarmy. Lze nastavit citlivost detekce anomálií.
5 jednoduchých kroků k
inteligentnímu monitorovacímu systému bez odborné podpory
Oblast nasazení
Umělou inteligenci prvku SmartLimitWatcher lze využívat různými způsoby k hlídání procesu. Jednak ke sledování srovnatelných součástí stroje a jednak ke sledování jednotlivých přídavných dílů nebo měřených veličin.
- Horizontální aplikace: Sledování založené na srovnatelných součástech stroje
Požadavky:
Připojené strojní součásti jsou integrovány do procesu nebo do stejného zařízení a existuje mezi nimi fyzická závislost. Výhodou je, že k odhalení anomálií stačí jen několik málo senzorů nebo naměřených hodnot.
- Vertikální aplikace: Podrobné sledování součásti pomocí několika naměřených hodnot
Požadavky:
Ke zjištění odchylek je třeba zaznamenat dostatečný počet naměřených hodnot sledované složky. Tento univerzální přístup je dokonale vhodný pro široký rozsah problémů sledování.
|
Implementace: |
vs |
Implementace: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
