Nove, pametne tehnologije širijo tradicionalne arhitekture krmiljenja strojev z izboljšano zmogljivostjo obdelave podatkov, učenja in odločanja. Imajo potencial povečane razpoložljivosti, učinkovitosti in zanesljivosti s pomočjo predvidevanja in narekovanja vzdrževanja, pa tudi z izboljšanjem produktivnosti s sposobnostjo samostojnega odločanja.
Piotr Siwek, vodja trženja izdelkov EMEA za industrijsko avtomatizacijo podjetja Mitsubishi Electric Europe B.V. v tem prispevku ocenjuje, kako lahko ugnezdenje teh pametnih tehnologij v krmilnike prinese novo paradigmo delovanja stroja.
Nedavno je bil potencial tehnologij, kot so modelno napovedno krmiljenje, PID nadzor, oddaljena oblika krmiljenja in mehka logika, zgolj hipotetičen. Danes je vse to tako globoko vpeto v arhitekture krmilnikov, da o njih niti ne razmišljamo več.
V tem okviru moramo razmišljati o prihodnjih razvojnih možnostih napredne analitike (AA) in tehnologije umetne inteligence (AI) za krmiljenje strojev. Lahko so gonilna sila v smeri večje razpoložljivosti strojev, na primer z učinkovitejšim predvidevanjem vzdrževanja.
To nas pripelje na področje analize velike količine podatkov, kjer AA in AI tehnologiji omogočata beleženje in analizo različnih stanj strojev v realnem času: prepoznavanje trenutnega stanja stroja, odkrivanje morebitnih napak, ki se lahko pojavijo v bližnji prihodnosti in takoj nato ponudba priporočil za ukrepanje. Upravljavec stroja ali vzdrževalna služba se lahko takoj odzoveta ali pa sistem celo samostojno sproži ukrepe za vzpostavljanje normalnega stanja.
S povezovanjem iste tehnologije umetne inteligence tudi na ostala področja delovanja podjetja, na primer v logistično verigo, bi lahko nadzorni sistem celo omilil zamude pri dobavi nadomestnih komponent. Lahko bi na primer nekoliko upočasnil delovanje stroja, s čimer bi povečal njegovo življenjsko dobo, namesto da bi popolnoma zaustavi proizvodno linijo.
Če nadaljujemo z naštevanjem, lahko AI začne samostojno sprejemati odločitve za optimizacijo produktivnosti. Predstavljajmo si na primer, iz kakšnih razlogov je neka naprava zgrajena za delovanje v določenih mejah zmogljivosti – morda zato, da omogoča različne obremenitve ali hitrosti ali varnostna območja. Tehnologija umetne inteligence, ki uporablja algoritme za globoko učenje znotraj krmilnika, bi lahko omogočila pogon teh strojev do njihovih današnjih skrajnih zmogljivosti in celo preko njih, kar bi znatno povečalo produktivnost, brez ogrožanja njihove zanesljivosti ali varnosti.
Že zdaj lahko vidimo, kako lahko uporaba načel umetne inteligence v posameznih strojnih procesih omogoči operativne izboljšave. Mitsubishi Electric je na primer razvil diagnostično tehnologijo, ki temelji na njihovi lastni AI tehnologiji, imenovani Maisart. Vdelano v izdelke, kot je njihova MELIPC obrobna računalniška rešitev, uporablja strojno učenje za analizo zbranih podatkov in ustvarjanje modela delovnih stanj stroja. Ta model lahko v realnem času zazna nepravilnosti v delovanju stroja in mu omogoči zgodnje opozarjanje na bližajoče se težave, da lahko vzdrževalne ekipe takoj ukrepajo.
Še en primer uporabe umetne inteligence je pametna funkcija predvidevanja vzdrževanja robotov MELFA. Funkcijo Smart Plus je mogoče uporabiti na robotih MELFA podjetja Mitsubishi Electric, da natančno analizira primarne pogonske komponente glede na dejanske pogoje delovanja in opozori na okvare ali poslabšanje njihovih posameznih delov v zgodnji fazi. S tem je poskrbljeno za skrajšanje morebitnih izpadov in hkrati omogočeno načrtovanje učinkovitega urnika vzdrževanja. Poleg tega tehnologija že v fazi načrtovanja aplikacij ponuja simulacijske zmožnosti za napovedovanje življenjske dobe robota in oceno letnih stroškov vzdrževanja, kar daje inženirjem možnost, da spremenijo delovanje robota tako, da podaljšajo njihov življenjski cikel.
Že samo ta dva primera bi lahko bistveno izboljšala razpoložljivost stroja in zmanjšala stroške vzdrževanja, vendar le nakazujeta velik potencial AA in AI.
Fotografija: https://www.electronicspecifier.com/
Avtor: Alex Lynn
