2019年5月13日
传统的机器控制技术是基于特定应用工程师的工作。为了处理一个特定的任务，控制工程师需要从物理需求的角度理解它，为它研究一个传统的基于物理的解决方案，并将获得的知识转化为源代码。在基于人工智能的方法中，工程师将更关注数据。要解决的挑战首先通过数据收集来描述，然后工程师处理物理问题的抽象的基于数据的表示。因此，数据工程师可能不需要了解问题的物理细节就可以为其生成基于数据的解决方案。贝克霍夫自动化公司TwinCAT产品经理Fabian because表示，一些机器制造商已经成功地将人工智能集成到他们的机器中。“大多数公司专注于人工智能增强的视觉应用。机器视觉是人工智能的一个关键应用，因为非常强大的神经网络可用于图像识别。此外，像AlexNet这样的人工智能社区中也有成功的网络，可以通过学习迁移来适应类似的应用。基于人工智能的异常检测也用于一些机器制造商，因为对于训练来说，这种方法只需要数据来描述机器的正常行为。”因为预计，最大的预期影响将出现在ai增强的预测性维护、协作机器人、增强的生产率、质量控制和流程优化等应用领域。他表示，就协作机器人和流程优化而言，与传统方法相比，机器制造商将能够以更精确、更高效和更灵活的方式解决某些任务。“由于改进了预测性维护，机器用户将受益于停机时间的减少，由于预测算法可以检测到错误过程并尽早纠正它们，从而提高了生产产量，还将受益于生产产品的健壮和可靠的终端测试，”because总结道。不同的方法欧姆龙工业自动化公司欧洲研发经理Tim Foreman表示，在生产过程中应用AI技术有不同的方法:“无论你是进行广泛的分析——比如比较工厂或机器——还是进行深入的分析——比如深入到微秒级别，看看你的机器中真正发生了什么——人类都可以非常有创造力，并且足够熟练地识别图像，但无法以连续微秒的速度或‘多个数字’的数据集识别图像。”只有在这些情况下，机器才能真正增加价值，把我们的创造力提升到一个新的水平。”考虑到这些挑战，欧姆龙将重点放在了第二个领域:技术如何通过深入机器来扩展人的能力。使用我们的机器人工智能技术，机器制造商现在可以持续监测和分析机器的详细行为。由此，就有可能检测到正在发生的异常，甚至是指示维护需求的趋势。这种技术还可以在设计和调试阶段使用，以帮助减少调试时间。对于机器用户来说，这些同样的好处将导致更少的不可预见的停机时间，同时防止因不可预见的事件而流出‘不符合规格’的产品。”必威官方登陆减少工作西门子SCADA产品经理Daniel Smalley认为，使用具有各种不同功能的AI，将减少编程和工程工作，使控制逻辑对机器环境的变化更加敏捷和灵活。他继续说，这将使生产过程更具可配置性，使最终用户能够响应客户的确切需求。他说:“这就是为什么有必要专注于引入可扩展和高度定制的AI应用程序，这些应用程序可以分布在我们自动化组合的所有级别，从控制器到我们的Industrial Edge和Mindsphere IOT平台。”“这对机器制造商和机器用户都有好处。对于机器制造商来说，可以在机器故障发生之前就预测到，将开发重点放在机器上而不是基础设施上，并降低操作机器所需的专业知识。对机器用户来说，好处包括增加机器的可用性，降低机器操作和状态监测的复杂性。”新的可能性三菱电机欧洲公司(Mitsubishi Electric Europe B.V.)工厂自动化EMEA市场总监Klaus Petersen认为，人工智能技术在机器控制器中的应用扩展了传统机器控制架构，具有更先进的数据处理、学习和决策能力。他说:“我们的目标是提高生产率、效率、可靠性和准确性，并为机器控制开辟新的可能性。”“例如，人工智能可以成为提高生产率的驱动因素。今天，机器被设计成在规定的能力范围内工作——也许是允许不同的负载、速度或安全范围。人工智能技术在控制系统中使用深度学习算法，可以使机器的驱动能力达到甚至超过目前的利润率，在不影响可靠性的前提下显著提高生产率。“将AI原理应用于单个机器过程已经有助于减少自动调整时间，同步日益复杂的系统，并为操作员提供有用的建议，”Petersen继续说。“它甚至可以根据测量数据实时自主决策，进一步优化过程。”根据经验、证据和指导方针做出可靠的预测是人类智能的基本功能，人工智能也不例外。它有助于更有效的预测性维护，监视组件的状况，以便在损坏发生之前进行更换，从而防止计划外的停机。Petersen表示，深度学习算法正在进一步推进这一领域的发展，可以更精确地计算部件更换前的运行时间。甚至可以通过稍微降低机器速度来补偿更换零件的交货时间，以延长使用寿命，而不是完全停止生产线。人工智能可能成为提高整个生产环境效率的驱动力，进入大数据分析领域。彼得森表示:“人工智能技术能够实时记录和分析不同的机器状态，从而识别当前机器状态，检测潜在故障，并立即向机器操作员提供行动建议或自主启动补救行动。“从这一发展中获得最大利益将取决于控制系统的使用，不仅嵌入这些技术，而且还提供更高水平的连通性。只有当工厂底层的所有数据源能够连接到边缘计算平台进行高效处理——例如，连接到MIS/MES和ERP系统——人工智能的全部好处才能实现。这种级别的集成能够分析更广泛的kpi，因此可以用于推动整体设备效率(OEE)的改进。“因此，我们看到的围绕AI技术构建的控制系统是能够自我学习和自我优化的机器。人工智能对机器控制市场的重要性怎么强调都不为过。”
打印这一页|电子邮件这一页
这不是付费墙。这是一个Freewall。我们不想妨碍你来这里的目的，所以只需要几秒钟。
现在注册