Dagens maskinstyrning: intelligent och kapabel att lära sig

STEUERUNGEN

Detaljer: Släppt: 08.04.2020; Senast uppdaterad: 09.04.2023; Träffar: 6064

Med Konstgjord intelligens (AI) och avancerad analys (AA) kan Maskinstyrning idag bearbeta data, lära av dem och fatta självständiga beslut. Detta ökar tillgängligheten för maskiner och system. Dessa blir mer effektiva, mer pålitliga och överlag mer produktiva. Hur bäddas in dessa intelligenta teknologier i styrning kan leverera ett nytt driftparadigm, vet Nils Knepper från Mitsubishi Electric.

Det var inte länge sedan när teknologier som PID-kontroll, modellbaserad styrning, fältorienterad kontroll och rolig logik var bara hypotetiska. De är nu så djupt inbäddade i kontrollarkitekturer att vi inte ens tänker på dem längre.

Grafiska HMI-operatörsterminaler för industriell automatisering

I den här takten, om några år, kommer vi att kunna använda artificiell intelligens (AI) och avancerad analys (AA) i maskinstyrningen som helt självklar. Du kommer att vara en drivande kraft bakom ökad maskintillgänglighet. Detta blir till exempel ännu effektivare Förutsägbart underhåll (predictive maintenance) än vi har idag.

Maskinstyrning med AI och AA kompetens

Med hjälp av AI- och AA-teknik kan vi kl Mitsubishi Electric Big Data Analytics erhålls genom att registrera och analysera maskinförhållanden i realtid. De övervakar maskinens aktuella status, förutser felfunktioner och ger omedelbara rekommendationer för åtgärder. Maskinoperatörer och underhållspersonal kan antingen reagera eller så kan maskinkontrollen själv initiera lämpliga åtgärder.

Hur man gör en skyddande mask i din egen produktion

Ett steg längre spänner AI-tekniken över hela företaget. Om det till exempel skulle finnas en flaskhals i försörjningskedjan skulle maskinen reagera av sig själv och bromsa produktionen tills reservdelarna anlände. Detta förhindrar att hela produktionslinjen stannar.

I framtiden kommer artificiell intelligens att användas för att optimera produktiviteten självständiga beslut träffa. Idag arbetar en maskin inom definierade prestandagränser och tar till exempel hänsyn till olika belastningar, säkerhetsområden eller hastigheter. AI använder dock djupare inlärningsalgoritmer inom maskinkontrollen. Med dem kan maskiner nå sina nuvarande gränser och gå över dem. På så sätt kan produktiviteten ökas utan att kompromissa med tillförlitlighet och säkerhet.

Maisart och edge computing är redan här

AI-teknologier leder redan till operativa förbättringar i enskilda maskinprocesser. Ett exempel kommer från Mitsubishi Electric: Automationsföretaget har utvecklat diagnostikteknik baserad på sin AI-teknik "Maisart" (Mitsubishi Electrics AI skapar State-of-the-ART inom teknik).

Smart underhåll: vilket inflytande har Industry 4.0?

Detta har implementerats i produkter som Edge Computing Lösning "Melipc" som använder maskininlärning för att analysera insamlad data. Utifrån detta genererar den en modell av maskinens drifttillstånd. Denna modell upptäcker avvikelser i maskinens drift i realtid och meddelar underhållspersonal om förestående problem i ett tidigt skede.

Även de intelligenta prediktivt underhållfunktion"Smartplus" i roboten "Melfa". är ett exempel på användningen av artificiell intelligens. De Smart Plus analyserar primära drivkomponenter baserat på befintliga driftsförhållanden och ger tidig varning om fel eller slitage. Detta gör att underhållet kan planeras effektivt. Men tekniken erbjuder ännu mer: Under designfasen av applikationerna kan robotens livslängd förutsägas och den årliga underhållsinsatsen kan uppskattas med hjälp av simulering. Detta gör att utvecklare kan modifiera robotens funktion för att förlänga dess livslängd.

PLC-kontroll: plattform för nätverk i automatisering

Dessa två exempel leder redan till en betydande förbättring av maskintillgängligheten och en minskning av underhållskostnaderna. Men dessa tidiga användningar av AA och AI antyder bara deras potential.