moneo DataScience Toolbox – umělá inteligence
Co je SmartLimitWatcher?
SmartLimitWatcher je prvním nástrojem sady nástrojů moneo Data Science Toolbox, která nabízí řešení pro výrobu na bázi umělé inteligence. Uživatelé využívají výhody trvalého sledování kritické procesní hodnoty (cílové proměnné) s ohledem na kvalitu výroby nebo stav zařízení (např. teplota, průtok, vibrace, spotřeba proudu). Anomálie v cílové proměnné jsou detekovány automaticky a v rané fázi.
SmartLimitWatcher je trénován na základě historických dat, což umožňuje trvalé a spolehlivé porovnání naměřené a předpovídané cílové/skutečné hodnoty. Dodatečný výpočet dynamických očekávaných intervalů (pásem spolehlivosti) pro cílovou proměnnou umožňuje trvalé vyhodnocování naměřeného chování cílové proměnné a automatickou indikaci odchylek.
Na rozdíl od statického monitorování procesních hodnot jsou při dynamickém monitorování mezních hodnot mezní hodnoty závislé na aktuálním procesním stavu stroje nebo systému. Podpůrné proměnné popisují stav procesu stroje nebo systému. Pomocí matematického modelu se na základě těchto podpůrných veličin vypočítají dynamické mezní hodnoty. V případě odchylky (anomálie) je automaticky vydáno varování nebo alarm.
Rozdíl mezi statickým a dynamickým monitorováním procesů
Předpoklady pro úspěšné použití zařízení SmartLimitWatcher
- Jsou nutné alespoň 2 procesní hodnoty:
- Jedna procesní proměnná jako sledovaná cílová proměnná
- Alespoň jedna další procesní hodnota, která se používá jako podpůrná proměnná
- Dostupná historie dat by měla obsahovat dostatek požadovaných provozních stavů. (Všechny cykly procesu by měly být zaznamenány několikrát. To je důležité pro aplikace, jako jsou filtry atd.)
- Sledovaný proces musí mít procesní vztah (nelineární/lineární) mezi cílovou proměnnou a podpůrnými proměnnými. Tento vztah musí být vhodně popsán dostupnými údaji. Z tohoto důvodu jsou všechny mechanicky spřažené systémy vhodné. (Základní procesní vztah nemusí být popsatelný pomocí vzorců.)
- Procesní vztah, který byl využit pro monitorování, musí být platný i v budoucnu. (Příklad: Změny sledovaného systému vyžadují nové školení.)
- Ke sledování cílové proměnné se nesmí používat žádné „umělé“ podpůrné proměnné odvozené od cílové proměnné, např. výpočtem.
- Mezi změnou hodnoty cílové proměnné a hodnoty podpůrných proměnných by proto neměla být příliš dlouhá prodleva. (Příklad: pomalé termodynamické reakce)
- Neměly by se brát v úvahu procesy s velmi „zašuměnými“ naměřenými hodnotami, protože v takovém případě nelze vytrénovat přesný model.
Oblast nasazení
Umělou inteligenci nástroje SmartLimitWatcher lze pro sledování procesů použít různými způsoby. Jednak pro sledování srovnatelných součástí stroje a jednak pro sledování jednotlivých přídavných dílů nebo měřených proměnných.
1. Horizontální použití
Monitorování na základě srovnatelných součástí stroje.
Poznámka k horizontálnímu použití
Připojené strojní součásti jsou integrovány do procesu nebo do stejného zařízení a existuje fyzická závislost. Výhodou je, že k odhalení anomálií stačí jen několik senzorů nebo naměřených hodnot.
2. Vertikální použití
Podrobné sledování součásti pomocí několika naměřených hodnot.
