Skapa värde från data i skärningspunkten mellan AI och IoT

Att generera data är inget nytt för industriella anläggningar som eftersträvar konkurrensfördelar. Men framstegen i att generera värde ur denna data är det som gör skillnad.

(Bildkälla: Weidmüller)

Nya datadrivna tjänster inspirerar tekniker och tillverkare att bygga lönsamma och effektiva affärsmodeller som skapar smarta fabriker med sofistikerad teknik som kan öka produktkvaliteten och minska kostnaderna.

Men hur gör tillverkare denna resa från data till värde? Många tillverkare är inspirerade av möjligheterna med artificiell intelligens (AI) och dess skärningspunkt med industriellt sakernas internet (IIoT). Framstegen inom algoritmer för maskininlärning, och insamlingen och förädlingen av data driver fram ökad effektivitet och produktivitet.

Det som låter väldigt komplicerat till en början, går att åstadkomma med hjälp av de konkreta fördelarna med smarta industrier.

Metoder med artificiell intelligens och maskininlärning i synnerhet, är verktyg som används för att analysera data från maskiner. De gör det möjligt att länka samman data och identifiera okända samband.

Weidmüllers koncept möjliggör enkel användning av AI med hjälp av program för automatiserad maskininlärning för maskiner och anläggningar. För detta ändamål har vi standardiserat och förenklat användningen av maskininlärning för industriella tillämpningar till en sådan grad att experter på området utan specialkunskaper inom datavetenskap kan generera sina egna datadrivna lösningar.

Ett programverktyg vägleder användaren genom processen för modellutveckling. Maskin- och processexperter kan enkelt skapa, ändra och köra maskininlärningsmodeller utan hjälp av dataingenjörer, för att minska stilleståndstider och fel, optimera underhållsaktiviteter och förbättra produktkvaliteten. Programmet gör det lättare att arkivera och översätta de komplexa kunskaperna om tillämpningen till en tillförlitlig maskininlärningstillämpning.

Automatiserad maskininlärning kan användas inom många områden – från detektering av avvikelser och deras klassificering till förutsägelser om fel. Men för att upptäcka avvikelser och göra prognoser på denna basis för förebyggande underhåll, måste data samlas in och korreleras. Det finns vanligtvis en tillräcklig mängd processrelaterad data för maskiner och anläggningar. För att erhålla ett mervärde ur denna data, analyseras den med maskininlärningsmetoder, och lämpliga modeller tas fram.

Vi tror att detta är ett enkelt sätt att åstadkomma ett industriellt IoT. Vi har stöd för lösningar på fyra olika nivåer, vilka vi anser utgör själva byggstenarna:

1. Analys av data och affärslogik – Skapa konkret mervärde med datadrivna, digitala tjänster.
2. Datakommunikation – Kommunikation mellan nätverk med den högsta säkerhetsnivån genom överföring av data på ett tillförlitligt sätt genom nätverksinfrastrukturen.
3. Förbehandling av data – Minska dataflödena och kostnaderna med IoT Edge-teknik, såsom styrenheter, I/O-system och energimätare.
4. Datainhämtning – Skaffa tillgång till tillförlitlig, värdefull data i helt nya tillämpningar och tillämpningar som behöver ta hänsyn till äldre utrustning med styrenheter, maskiner, sensorer, mätare och analoga signalomvandlare.

Att skapa mervärde ur data börjar med användning av artificiell intelligens. Detta kan vara något så enkelt som en varningssignal. Eller så kan den användas för AI med maskininlärning. För att förstå maskiners beteenden använder vi dessa fyra byggstenar för att kombinera AI och IoT, vilket låter oss förvandla data till värde Läs mer om Weidmullers banbrytande användning av automatisk maskininlärning med artificiell intelligens inom industriell automation i vår videoserie Framtidens fabriker.