יצירת ערך מנתונים בצומת של AI ו- IoT

יצירת נתונים אינה דבר חדש עבור מפעלים תעשייתיים שרוצים יתרון תחרותי. אולם הפיתוחים ביצירת ערך מהנתונים הם משני-המשחק.

(מקור התמונה: Weidmüller)

שירותים חדשים מונעי-נתונים מעוררים השראה בקרב מהנדסים ויצרנים לבנות מודלים עסקיים רווחיים ויעילים היוצרים מפעלים חכמים עם טכנולוגיה מתוחכמת, ויכולים לשפר את איכות המוצר ולהוזיל את העלויות.

אבל כיצד יצרנים עושים את המסע מהנתונים לערך? יצרנים רבים מקבלים השראה מהאפשרויות של בינה מלאכותית (AI) ואיך היא מצטלבת עם האינטרנט של דברים התעשייתי (IIoT). חידושים באלגוריתמים של למידת מכונה ואיסוף וחידוד נתונים מניעים יעילות ופרודוקטיביות גבוהות יותר.

מה שנשמע מסובך מאוד בהתחלה ניתן למעשה להשיג על ידי היתרונות הקונקרטיים של תעשייה חכמה.

שיטות בינה מלאכותית ובמיוחד למידת מכונה הם כלים המשמשים לניתוח נתוני מכונה ומאפשרים לחבר נתונים ביחד ולזהות קורלציות לא ידועות.

התפיסה של Weidmüller מערבת שימוש קל ב- AI באמצעות תוכנת למידת מכונה אוטומטית עבור הנדסת מכונות ומפעלים. למטרה זו יש לנו סטנדרטיזציה ופישטנו את השימוש בלמידת מכונה עבור יישומים תעשייתיים עד כדי כך שמומחי תחום ללא ידע מיוחד במדעי הנתונים יכולים ליצור פתרונות מונעי-נתונים משלהם.

כלי תוכנה מנחה את המשתמש בתהליך פיתוח המודלים. מומחי מכונות ותהליכים יכולים ליצור, לשנות ולהריץ מודלים של למידת מכונה בקלות וללא תמיכה של מדעני נתונים, על מנת לקצר זמן ההשבתה, להפחית את השגיאות, למטב את פעולות התחזוקה ולשפר את איכות המוצר. התוכנה מסייעת בתרגום ואחסון בארכיון של ידע היישום המורכב לתוך אפליקציה אמינה של למידת מכונה.

למידת מכונה אוטומטית ניתן ליישם בתחומים רבים - החל מגילוי אנומליות וסיווגה ועד לחיזוי שגיאות. עם זאת, כדי לגלות אנומליות ולערוך תחזיות על בסיס זה עבור תחזוקה מנבאת, יש לאסוף את הנתונים ולבחון את הקורלציה שלהם. בדרך כלל יש נפח מספיק של נתונים רלוונטיים-לתהליך עבור מכונות ומפעלים. על מנת להפיק את הערך המוסף מנתונים אלה, הם מנותחים באמצעות שיטות למידת מכונה תוך פיתוח מודלים מתאימים.

אנו מאמינים שיש דרך קלה להשיג IoT תעשייתי. אנו תומכים בפתרונות בארבע רמות שונות, שלדעתנו הם אבני הבניין:

  1. ניתוח הנתונים וההיגיון העסקי - השגת ערך מוסף קונקרטי בעזרת שירותים דיגיטליים מונעי-נתונים.
  2. תקשורת נתונים - תקשורת חוצת-רשתות ברמת האבטחה הגבוהה ביותר על ידי העברת נתונים באופן אמין דרך תשתית הרשת.
  3. קדם-עיבוד הנתונים - הפחתת זרימות הנתונים והעלויות עם טכנולוגיית קצה-IoT‏, כגו בקרים, מערכות I/O‏ ומדי אנרגיה.
  4. קליטת נתונים - השגת גישה לנתונים אמינים ובעלי ערך ביישומי Greenfield ו- Brownfield עם בקרים, מכונות, חיישנים, מודדים וממירי אותות אנלוגיים.

השגת ערך נוסף מנתונים מתחילה על ידי בינה מלאכותית. זה יכול להיות פשוט כמו אות אזהרה. או שניתן להשתמש בה עבור AI עם למידת מכונה. כדי להכיר ולהבין את התנהגות המכונות אנו משתמשים בארבעת אבני הבניין הללו לשילוב AI ו- IoT, ההופכות אותנו למאפשרים מנתונים לערך. מידע נוסף על השימוש במשני-המשחק מבית Weidmuller בלמידת מכונות אוטומטיות באמצעות בינה מלאכותית בתחום האוטומציה התעשייתית תוכלו למצוא בסדרת הסרטונים שלנו מפעלי העתיד.

אודות כותב זה

Image of Dr. Thomas Bürger

ד"ר תומס בורגר הוא ראש חטיבת מוצרי אוטומציה ופתרונות (APS) בחברת הנדסת החשמל Weidmüller, וכמו כן מנכ"ל חברת Weidmüller GTI Software GmbH ב- Marktheidenfeld. הוא בעל תואר דוקטור בהנדסה והצטרף ל- Weidmüller מ- Bosch Rexroth AG, שם מילא תפקידי ניהול שונים במהלך 15 השנים האחרונות, לאחרונה כסגן-נשיא הנדסה של מערכות אוטומציה ופלטפורמות דיגיטליות. "ד"ר תומס בורגר הוא בעל מומחיות טכנולוגית יוצאת דופן באוטומציה ו- IT תעשייתי ומביא עמו שנים רבות של יכולת פיתוח וניסיון בבנייה והובלת ארגונים", מסביר סמנכ"ל הטכנולוגיה הראשי של Weidmüller, וולקר ביבלהאוזן.

במסגרת תפקידו בורגר יניע את הרחבת פורטפוליו ה- IIoT ובעתיד גם את תחום הפלטפורמות הדיגיטליות ב- Weidmüller ויתרום את המומחיות שלו. "האינטרנט של דברים התעשייתי ישנה משמעותית את הייצור התעשייתי בשנים הקרובות ואנו ממצבים את עצמנו עם פתרונות בסביבה זו בשלב מוקדם. אנו נתפתח ונהפוך לשחקן משמעותי בשוק", מפרט ברגר. "עם תומס בורגר, Weidmüller זכתה באישיות שתמשיך בעקביות בדרך שעשינו בכיוון של IIoT, דיגיטיזציה וחדשנות", אומר וולקר ביבלהאוזן.

More posts by ד"ר תומס בורגר