Grote aantallen sensoren registreren de data in machines en fabrieken. Wanneer deze gegevens correct worden geanalyseerd, kunnen ze de productieprocessen verbeteren en producten van hoge kwaliteit garanderen. De Industrial Analytics business unit ontwikkelt de hiervoor vereiste modellen in nauwe samenwerking met klanten, bovendien kunnen klanten zelf meewerken aan de data en de modelontwikkeling.
Verschillende gegevenssets, features genaamd, kunnen worden ontleend aan de gegevens van de machine of fabriek. Deze gegevens kunnen automatisch worden geëvalueerd met behulp van kunstmatige intelligentie (AI). Dit omvat bijvoorbeeld de temperatuur, druk, opgenomen vermogen en trillingen. Ervaring met eerdere projecten leert dat de machines en fabrieken doorgaans al alle belangrijke gegevens registreren. In de meeste gevallen zijn geen extra sensoren vereist. De eigenlijke uitdaging ligt in het herstellen van verborgen informatie uit de gegevens en het herkennen van relevante correlaties. Hier komt Industrial Analytics van Weidmüller om de hoek kijken.
Opsporen en classificeren van afwijkingen
Er zijn veel oorzaken die de soepele werking van een fabriek kunnen verstoren. Dit zijn bijvoorbeeld luchtbellen in het koelcircuit die leiden tot een slechtere koeling of de speling van het tandwiel die onnauwkeurige bewegingen veroorzaakt. De dataspecialisten van Weidmüller ontwikkelen modellen met behulp van kunstmatige intelligentie die dergelijke afwijkingen van het normale gedrag herkennen, dat wil zeggen afwijkingen in realtime data. Historische gegevens worden door de wetenschappers gebruikt als een referentie die een typerend patroon voor de werking van een machine gedurende een bepaalde periode vormen.
Bij de classificatie van de afwijking worden herkende afwijkingen in categorieën van Belangrijk tot Onbelangrijk geplaatst en wordt aan belangrijke afwijkingen de oorzaak van de storing toegewezen. Operators van machines kunnen deze informatie gebruiken om sneller te reageren op problemen en zelfs om storingen te herkennen die anders misschien niet geconstateerd zouden zijn. Een snellere diagnosestelling vermindert uiteindelijk de stilstandtijden, wat resulteert in lagere kosten en een hogere productiviteit.
Feature engineering herkent complexe patronen
Weidmüller ontving de Duitse Innovatieprijs 2018 in de categorie "Excellence in Business to Business" voor de integrale aanpak van Industrial Analytics. Markus Köster, hoofd Onderzoek en Ontwikkeling van de divisie Industrial Analytics (l.), en Tobias Gaukstern, hoofd van de divisie Industrial Analytics (r.), namen de prijs in Berlijn in ontvangst.
Feature engineering is een belangrijke technologie voor het ontwikkelen van betrouwbare AI-modellen. Bij deze benadering wordt gekeken naar meetwaarden in ingewikkelde statistische correlaties. Hiertoe worden bijvoorbeeld correlatiecoëfficiënten gevormd die in de loop van de tijd onderling verbonden veranderingen van twee of meer features vertegenwoordigen. De dataspecialisten gebruiken de historische gegevens van de machine om nieuwe features te ontwikkelen. Het doel is om afwijkende patronen nog beter en betrouwbaarder te herkennen dan het geval zou zijn door simpelweg de onbewerkte data te gebruiken. Een voorbeeld: signalen met een hoge frequentie, zoals van trillingsmetingen of frequentieomvormers kunnen op basis van wiskundige methoden worden geslitst in verschillende frequentiebereiken met hun bijbehorende onderdelen van het uitgangssignaal. Het model leert de eigenschap van de signaalonderdelen bij een normaal gedrag van een machine. Deze onderdelen geven een betere indicatie van mogelijke storingen dan het oorspronkelijke signaal.
Wij moeten er allemaal aan meewerken
Omdat de datasets op basis van de betonmachine of gedrag tijdens het proces moeten worden geïnterpreteerd en beoordeeld, vereist feature engineering uitgebreide kennis van de toepassing. De expertise van de dataspecialisten, de kennis van de machineoperator over de toepassing evenals de reeds verworven kennis zijn allemaal even belangrijk voor het vinden van antwoorden die zullen leiden tot een praktijkgerichte oplossing. Alleen een expert op het gebied van de toepassing kan beoordelen of een afwijking daadwerkelijk een fout van de machine is. De expert helpt de dataspecialisten bij het samenstellen van de algoritmen die de normale operationele status en mogelijke afwijkingen en anomalieën correct beschrijven.
Modellen op basis van AI zijn momenteel al in gebruik voor tal van toepassingen zoals verpakkingsmachines, in de vultechnologie, de omgang met materialen en de robotica. Bij Weidmüller resulteren deze modellen in software op maat voor de individuele gebruiker. De software controleert en voorspelt voortdurend het gedrag van de machine en zet de gegevens evenals de resultaten van de analyse om in een visualisatie. UI-experts ontwerpen een individuele gebruikersinterface, zodat elke klant een oplossing krijgt die geschikt is voor zijn toepassingsgebied.
De visualisatie maakt het gemakkelijker om de status van de machine op de voet te volgen. Hiervoor kunnen individuele tijdsbereiken worden bekeken en gekoppeld aan informatie, die in toekomstige gegevensbeoordelingen moet worden opgenomen. In dit voorbeeld tonen de geel gemarkeerde gebieden mogelijke afwijkingen die het algoritme in verband met de gebruiker heeft geconstateerd. Gebruikers kunnen ook naar deze gebieden kijken om aan te geven of dit in feite een afwijking is. Op deze manier blijft het model leren en kan het toekomstige statussen nauwkeuriger classificeren.
Een nieuw op AI gebaseerd model is in eerste instantie echter nog niet in staat om alle mogelijke toekomstige fouten en statussen van een fabriek weer te geven, vooral wanneer deze niet of slechts zeer zelden in de historische gegevens zijn opgenomen. De Industrial Analytics-modules zijn daarom zo ontworpen dat gebruikers hun model zelf kunnen updaten, uitbreiden en verfijnen. De dataspecialisten van Weidmüller zullen klanten, indien vereist, natuurlijk ondersteunen.
Features gebruiken voor succes
Feature engineering is de sleutel tot het succes van een Analytics-oplossing. Weidmüller combineert de vereiste kennis van de toepassing en technische kennis van de natuurkundige correlaties met de kennis van de datawetenschap. Dankzij de optie om zelfstandig op AI-gebaseerde modellen te ontwikkelen, kunnen werktuigbouwkundigen en operators hun vermogen aanzienlijk vergroten zonder hun domeinkennis te onthullen.