Machinebesturing van vandaag: intelligent en leerzaam

STEUERUNGEN

Details: Gepubliceerd: 08.04.2020; Laatst bijgewerkt: 09.04.2023; Hits: 6088

Met Kunstmatige intelligentie (AI) en geavanceerde analyses (AA) kan Maschinensteuerung vandaag gegevens verwerken, ervan leren en autonome beslissingen nemen. Dit vergroot de beschikbaarheid van machines en systemen. Deze worden efficiënter, betrouwbaarder en over het algemeen productiever. Hoe deze intelligente technologieën in het sturen kan een nieuw paradigma van operatie opleveren, weet Nils Knepper Mitsubishi Electric.

Het is nog niet zo lang geleden dat technologieën zoals PID-regeling, modelgebaseerde besturing, veldgeoriënteerde controle en Fuzzy logic waren gewoon hypothetisch. Ze zijn nu zo diep ingebed in de besturingsarchitectuur dat we er niet eens meer aan denken.

Grafische HMI-bedieningsterminals voor industriële automatisering

In dit tempo gebruiken we over een paar jaar kunstmatige intelligentie (AI) en geavanceerde analyses (AA) voor lief nemen in de machinebesturing. U bent een drijvende kracht achter een grotere machinebeschikbaarheid. Dit zal bijvoorbeeld nog effectiever zijn Voorspellend onderhoud (voorspellend onderhoud) dan we nu al hebben.

Machinebesturing met AI- en AA-competentie

Met behulp van AI- en AA-technologieën kunnen we bij Mitsubishi Electric Big data-analyse door machinecondities in realtime te registreren en te analyseren. Ze bewaken de huidige machinestatus, anticiperen op storingen en geven onmiddellijk aanbevelingen voor actie. Machinebedieners en onderhoudspersoneel kunnen reageren of de machinebesturing zelf neemt passende maatregelen.

Hoe maak je een beschermend masker in je eigen productie?

Een stap verder, AI-technologie omvat het hele bedrijf. Als er bijvoorbeeld een bottleneck in de supply chain zou zijn, zou de machine zelf reageren en de productie vertragen totdat de reserveonderdelen arriveerden. Dit kan voorkomen dat de hele productielijn stopt.

In de toekomst zal kunstmatige intelligentie de productiviteit optimaliseren autonome beslissingen ontmoeten. Tegenwoordig werkt een machine binnen gedefinieerde prestatielimieten en houdt ze rekening met bijvoorbeeld verschillende belastingen, veiligheidszones of snelheden. AI gebruikt echter diepere leeralgoritmen binnen de machinebesturing. Met hen kunnen machines vandaag hun grenzen bereiken en deze overschrijden. De productiviteit kan worden verhoogd zonder de betrouwbaarheid en beveiliging in gevaar te brengen.

Maissoorten en edge computing zijn al aanwezig

AI-technologieën leiden al tot operationele verbeteringen in individuele machineprocessen. Een voorbeeld komt van Mitsubishi Electric: het automatiseringsbedrijf heeft een diagnostische technologie ontwikkeld op basis van zijn AI-technologie "Maisart" (de AI van Mitsubishi Electric zorgt voor de allernieuwste technologie).

Slim onderhoud: welke invloed heeft Industrie 4.0?

Dit werd geïmplementeerd in producten zoals de EdgeComputing Oplossing "Melipc" die machine learning gebruikt om verzamelde gegevens te analyseren. Hieruit genereert het een model van de bedrijfstoestanden van de machine. Dit model detecteert in real time afwijkingen in de werking van de machine en informeert het onderhoudspersoneel in een vroeg stadium over dreigende problemen.

Zelfs de intelligente voorspellend onderhoudfunctie "Smartplus ”in de“ Melfa ”-robot is een voorbeeld van het gebruik van kunstmatige intelligentie. De smartplus analyseert primaire aandrijfcomponenten op basis van de bestaande bedrijfsomstandigheden en waarschuwt vroegtijdig voor storingen of slijtage. Op deze manier kan onderhoud efficiënt worden gepland. De technologie biedt echter nog meer: tijdens de ontwerpfase van de applicaties kan via simulatie de levensduur van de robot worden voorspeld en kan de jaarlijkse onderhoudsinspanning worden geschat. Hierdoor kunnen ontwikkelaars de werking van de robot aanpassen om de levensduur te verlengen.

PLC-besturing: platform voor netwerken in automatisering

Deze twee voorbeelden leiden al tot een aanzienlijke verbetering van de machinebeschikbaarheid en lagere onderhoudskosten. Deze eerste toepassingen van AA en AI geven echter alleen hun potentieel aan.