Um grande número de sensores registam dados em máquinas e instalações. Quando analisados corretamente, esses dados podem melhorar os processos de fabrico e garantia de produtos de alta qualidade. A unidade de negócios Industrial Analytics desenvolve os modelos exigidos em cooperação com os clientes, e estes podem participar nos dados e no desenvolvimento do modelo.
Vários conjuntos de dados, ou seja funcionalidades, podem ser obtidos a partir de dados da máquina e da instalação. Esses dados podem ser avaliados automaticamente usando inteligência artificial (IA). Isto inclui, por exemplo, a temperatura, a pressão, o consumo de energia e as vibrações. A experiência de projetos anteriores mostra que as máquinas e as instalações já estão, normalmente, a registar todos os dados importantes. Na maioria dos casos não são exigidos sensores adicionais. O verdadeiro desafio é recuperar a informação oculta dos dados e reconhecer correlações relevantes. É aqui que entra em o Industrial Analytics da Weidmüller.
Deteção e classificação de anomalias
Há muitas causas que podem perturbar a operação tranquila de uma instalação. Isso inclui, por exemplo, bolhas de ar no circuito de refrigeração, o que resulta numa menor capacidade de refrigeração ou retrocesso da engrenagem, causando movimentos imprecisos. Os cientistas de dados da Weidmüller desenvolvem modelos usando inteligência artificial, que reconhece tais desvios do comportamento normal, ou seja, anomalias, em dados de tempo real. Os cientistas usam dados históricos como uma referência, que fornecem um padrão típico para a operação de uma máquina ao longo de um determinado período de tempo.
Durante a classificação da anomalia, os desvios reconhecidos são então colocados em categorias de Importante para Não Importante, e as anomalias importantes são atribuídas a uma causa para o erro. Os operadores de máquinas podem usar essa informação para reagir a problemas mais rapidamente e até mesmo reconhecer avarias que de outra forma poderiam não ter sido detetadas. Um diagnóstico mais rápido acaba por reduzir os tempos de inatividade, o que resulta na redução dos custos e numa melhor produtividade.
A engenharia de funcionalidades reconhece padrões complexos
A Weidmüller recebeu o Prémio Alemão de Inovação 2018 na categoria "Excellence in Business to Business" para a abordagem integrada da Industrial Analytics. O Dr. Markus Köster, Chefe de Pesquisa e Desenvolvimento na divisão Industrial Analytics (esq.) e Tobias Gaukstern, Chefe da divisão Industrial Analytics (dir.), receberam o prémio em Berlim.
A engenharia de funcionalidades é uma tecnologia importante para o desenvolvimento de modelos IA fiáveis. Nesta abordagem, os valores medidos são considerados em correlações estatísticas complexas. Para este fim, por exemplo, são formados coeficientes de correlação que representam mudanças inter-relacionadas de duas ou mais funcionalidades ao longo do tempo. Os cientistas de dados usam dados históricos da máquina para desenvolver novas funcionalidades. O objetivo é reconhecer ainda melhor e eficazmente padrões de desvio do que seria o caso simplesmente usando os dados brutos. Um exemplo: sinais de frequência altos, tais como de medições de vibração ou conversor de frequência, podem dividir-se em diferentes intervalos de frequência com os respetivos componentes do sinal de saída sobre métodos matemáticos. O modelo programa a funcionalidade de componentes de sinal relativamente ao comportamento normal de uma máquina. Estes componentes são um indicador melhor para possíveis avarias do que o sinal original.
Depende de todos nós
Uma vez que os conjuntos de dados devem ser interpretados e avaliados com base no comportamento concreto da máquina ou do processo, a engenharia de funcionalidades exige um conhecimento abrangente da aplicação. Os conhecimentos especializados dos cientistas de dados, o know-how da aplicação do engenheiro mecânico ou do operador de máquinas, bem como os conhecimentos já adquiridos, são igualmente importantes para encontrar respostas que resultem numa solução prática. Somente um especialista em aplicações pode avaliar se uma anomalia representa ou não um erro de máquina. O especialista ajuda os especialistas em dados a construir os algoritmos que descrevem corretamente o estado operacional normal, bem como possíveis desvios e anomalias.
Os modelos baseados na IA já estão atualmente em uso para numerosas aplicações, como máquinas de embalagem, tecnologia de enchimento e manuseamento de materiais, bem como para robótica. Na Weidmüller, esses modelos resultam em software adaptado ao utilizador individual. O software monitoriza e prevê constantemente o comportamento da máquina e aplica os dados, bem como os resultados da análise para uma visualização. Os especialistas UI criam a interface do utilizador individualmente para que cada cliente obtenha uma solução que corresponda ao seu campo de aplicação.
A visualização torna mais fácil manter-se atualizado sobre o status atual da máquina. Para este efeito, os intervalos de tempo individuais podem ser visualizados e marcados com informação, que deve ser incluída na futura avaliação dos dados. Neste exemplo, as áreas amarelas destacadas mostram potenciais anomalias que o algoritmo identificou ao utilizador. Os utilizadores também podem olhar para essas áreas para indicar se isso é ou não uma anomalia. Dessa forma, o modelo continua a programação e pode classificar futuros estados com mais precisão.
No entanto, um novo modelo baseado em IA não é inicialmente capaz de descrever todos os potenciais erros e estados futuros de uma instalação, especialmente quando eles não estão ou só muito raramente contidos nos dados históricos. Os módulos Industrial Analytics são, portanto, concebidos de forma a que os utilizadores possam atualizar, expandir e refinar o seu próprio modelo ao longo do tempo. Os cientistas de dados Weidmüller, naturalmente, fornecerão suporte aos clientes, se solicitado.
Utilizar o funcionalidades para ter êxito
A engenharia de funcionalidades é a chave para o sucesso de uma solução Analytics. Weidmüller combina os conhecimentos da aplicação e os conhecimentos técnicos necessários sobre as correlações físicas com o know-how científico dos dados. Graças à opção de desenvolver modelos baseados em IA de forma independente, os engenheiros mecânicos e operadores de máquinas podem aumentar significativamente seu prestação de modelos sem revelar seu conhecimento de domínio.