Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Manufacturing Technology >> Sistem Kontrol Otomatisasi

'Artificial Intelligence of Things,' edge analytics menciptakan keselarasan di Gebhardt

IoT dan AI adalah tren teknologi terpisah yang keduanya membuat gelombang di industri. IoT dapat menghubungkan perangkat bersama-sama, memberi dan menerima sinyal seperti sistem saraf. Sebaliknya, AI dapat bertindak sebagai otak, menggunakan data untuk membuat keputusan berdasarkan informasi yang mengontrol sistem secara keseluruhan. Jika digabungkan, keduanya mampu menghadirkan sistem penghubung yang cerdas yang dapat mengoreksi diri sendiri dan menyembuhkan diri sendiri—membentuk apa yang kami sebut Artificial Intelligence of Things (AIoT).

Teknologi IoT konvensional seperti komputasi awan dan komunikasi mesin-ke-mesin (M2M) telah memungkinkan produsen untuk menyelesaikan tiga tugas utama:menghubungkan mesin, menyimpan data, dan menjadikan data itu bermakna. Sekarang, dengan diperkenalkannya AIoT, mereka dapat memanfaatkan kemampuan keempat—bertindak.

Namun, untuk membuat AIoT menjadi layak, produsen membutuhkan sistem manajemen data yang dapat mendukung pengambilan keputusan yang cepat. Meskipun penyimpanan cloud memungkinkan, menganalisis data lebih dekat ke sumbernya—di ujungnya—membawa AIoT ke level berikutnya.

Produksi yang efisien

Untuk membuka kekuatan AI, keputusan harus dibuat dengan latensi sesedikit mungkin. Jika sistem AI menerima peringatan bahwa ada kesalahan mesin, atau kecepatan atau pola pergerakan mesin harus diubah untuk operasi yang lebih produktif, ia dapat segera bertindak berdasarkan wawasan ini dan menghentikan atau mengubah produksi. Dengan mengintegrasikan sistem AI di edge, alih-alih cloud, produsen dapat membuka nilai latensi sangat rendah, memungkinkan mesin dimatikan secepat mungkin dan lebih sedikit produk yang rusak atau cacat.

Untuk mengintegrasikan AIoT di edge, para pemimpin industri harus terlebih dahulu membangun model AI secara offline. Mereka kemudian harus melatih model menggunakan set data yang disimpan sebelumnya hingga memenuhi persyaratan sebelum mengekspor dan menerapkannya secara online dengan data langsung yang baru.

Namun, menerapkan model pada data real-time dalam skenario online sangat berbeda dengan mengujinya pada data tersimpan yang telah diurutkan pada tahap pelatihan. Data real-time belum difilter atau dikategorikan, dan setiap kumpulan mungkin tiba pada waktu yang berbeda, menciptakan kekacauan informasi untuk AIoT.

Masukkan analisis tepi

Untuk memahami data, itu harus diproses sebelum dapat digunakan oleh AIoT. Di situlah edge analytics berperan. Sebagai contoh, Crosser Platform adalah platform perangkat lunak berkode rendah untuk analitik streaming, otomatisasi, dan integrasi untuk edge, on-premise, atau cloud apa pun. Tujuannya adalah untuk menghilangkan kerumitan, menyederhanakan pengembangan, dan memungkinkan non-programmer untuk berinovasi lebih cepat dengan total biaya kepemilikan yang jauh lebih rendah.

Sistem seperti Crosser Platform dapat membantu menyiapkan data dalam beberapa cara sebelum mencapai AIoT. Misalnya, ini dapat menyelaraskan data dari berbagai macam mesin di lantai pabrik, yang mungkin dalam format yang berbeda karena dibawa dari berbagai sumber.

Data dari berbagai sumber dan format dikumpulkan oleh platform secara berkala. Selain itu, jika sumber data memiliki kecepatan pengambilan sampel yang berbeda, maka platform dapat mengisi nilai antara sehingga model dapat diperbarui dengan data baru dari semua sensor di setiap pembaruan. Itu juga dapat membuat berbagai jenis jendela dari data deret waktu.

Platform ini juga dapat digunakan untuk ekstraksi fitur. Tergantung pada model yang digunakan, fitur tambahan mungkin perlu dibuat dari data mentah. Ini bisa berupa, misalnya, mengambil data getaran dan mengubahnya dari domain waktu ke domain frekuensi. Semua langkah ini menyederhanakan data sebelum mencapai AIoT.

Contoh Gebhardt

Beginilah cara platform Crosser memungkinkan produsen solusi otomatisasi gudang Gebhardt Intralogistics Group, Sinsheim, Jerman, untuk menerapkan strategi AIoT. Gebhardt menghasilkan angkutan cerdas untuk memindahkan kontainer dengan cepat ke seluruh gudang. Itu mencari solusi deteksi anomali untuk mengidentifikasi kesalahan operasional yang disebabkan oleh getaran di pesawat ulang-alik untuk meminimalkan biaya perawatan.

Dengan menggunakan Crosser's Flow Studio, Gebhardt dapat memproses, menyelaraskan, dan memfilter data secara real time di edge, lalu menggunakan AI untuk belajar dari data yang dikumpulkan guna menerapkan pemeliharaan prediktif untuk meningkatkan ketersediaan alat berat dan memperpanjang masa pakai aset.

Memang benar bahwa kecerdasan mesin memiliki kekuatan besar, tetapi teknologi pendukung lainnya dapat membantu mengungkap potensi penuhnya. Pemimpin industri yang mengintegrasikan AIoT di edge dapat memetik manfaat dari sistem kontrol yang efisien dan reaktif—mengoptimalkan proses dengan cepat.


Sistem Kontrol Otomatisasi

  1. Edge computing:5 potensi jebakan
  2. Mengapa Internet of Things membutuhkan Kecerdasan Buatan
  3. Meningkatkan Industri 4.0 dengan analisis tepi
  4. Cara Membuat Strategi Intelijen Bisnis yang Sukses
  5. IIoT dan Analisis Prediktif
  6. Integrasi Internet of Things Industri
  7. Penjelasan Analisis Prediktif
  8. Mengapa Bisnis Menerapkan Edge Analytics di Bidang Pekerjaannya
  9. AIoT Industri:Menggabungkan Kecerdasan Buatan dan IoT untuk Industri 4.0
  10. Data Besar vs Kecerdasan Buatan