Развитие искусственного интеллекта для Festo

Развитие искусственного интеллекта для Festo

Опубликовано в номере:
PDF версия
Компания Festo, как один из лидеров в области промышленной автоматизации и технического обучения, ставит своей целью развитие искусственного интеллекта (ИИ) в качестве ключевой технологии и основной компетенции, постоянно применяя полученные знания в реальных проектах. Уже сегодня Festo предлагает интеллектуальные решения и услуги, которые обеспечивают предиктивное обслуживание, прогнозируемые качество и потребление энергии.

Подход Festo

Компания Festo использует системы мониторинга и машинного обучения, чтобы отслеживать состояние компонентов, машин и систем заказчиков. Благодаря этому процессы производства становятся более эффективными и безопасными, качество продукции повышается, сокращаются простои, потери и потребление энергии. «ИИ — это «переключатель» промышленной автоматизации на качественно новый уровень эффективности. Мы способны предоставлять специализированные решения для наших заказчиков благодаря уникальному сочетанию экспертиз в области полевых устройств и исполнительных механизмов (будь то электрика, пневматика или техника непрерывных процессов), а также компетенций в сфере программного обеспечения и ИИ. В области интеллектуальных решений для промышленности смесь алгоритмов и инженерных компетенций решающим образом влияет на успех в реализации систем автоматизации с ИИ. Именно знания и опыт выводят Festo вперед», — говорит Франк Мельцер (Frank Melzer), член совета директоров Festo по менеджменту продуктов и технологий.

Festo фокусируется на трех направлениях: предиктивное обслуживание (Predictive Maintenance), прогнозируемое качество (Predictive Quality) и прогнозируемое потребление энергии (Predictive Energy). Для выполнения задач в этих сферах используется, например, программное решение на базе ИИ Festo AX, разработанное совместно компаниями Festo и Resolto (подразделение Festo, специализирующееся на ИИ). Набор задач всегда зависит от конкретного применения и целей заказчика: это может быть как простой мониторинг состояния машины или системы, так и реализация машинного обучения. Инженеры Festo адаптируют программное решение под необходимые требования. «По сути, перед нами стоят те же задачи, что мы решаем для своих заказчиков. Мы осуществляем непрерывный мониторинг данных, поступающих от машины, и проверяем их с помощью модели ИИ, которая содержит описание компонентов или машины в хорошем состоянии. Алгоритмы ИИ определяют расхождение параметров и даже могут предвидеть его», — поясняет Франк Мельцер.

Архитектура решений на основе ИИ от Festo является масштабируемой и может быть реализована на Edge-контроллере, локальном сервере или в облаке. Кроме того, архитектура открыта: Festo не ограничивается применением только собственных компонентов. Компоненты производства других компаний можно добавлять через IoT-шлюзы и стандартные протоколы.

 

Примеры проектов

Один производитель автомобилей из Германии использует систему предиктивного обслуживания в цеху сварки кузова автомобилей (рис. 1). Задачей клиента было повысить эффективность работы и обслуживания сервопневматических сварочных клещей (рис. 2) за счет исключения незапланированных простоев. Компания Festo разработала и внедрила алгоритмы по прогнозированию выходов из строя сварочных клещей и интегрировала эти алгоритмы в существующую инфраструктуру. Данные от всех сварочных клещей непрерывно собираются и обрабатываются. После обработки данных ошибки в работе клещей могут быть определены заранее, до наступления фактического события. Это позволяет предотвратить около четверти незапланированных простоев в сборочном производстве и сдвинуть ремонт на непроизводственное время, когда оборудование остановлено.

Цех сварки автомобильных кузовов

Рис. 1. Цех сварки автомобильных кузовов

Комплексное решение для сварочных клещей

Рис. 2. Комплексное решение для сварочных клещей

Прогнозируемое потребление энергии компания Festo обеспечила на предприятии из сектора пищевой и упаковочной промышленности. Целью клиента было сократить потребление энергии на фабрике по розливу напитков (рис. 3), который осуществляется на основе сжатого воздуха, свести к минимуму выбросы CO2, а также уменьшить затраты на энергоресурсы.

Автоматизированный розлив напитков в бутылки

Рис. 3. Автоматизированный розлив напитков в бутылки

Специалисты Festo провели комплексный анализ пневмосистемы всей фабрики и предложили использовать модуль энергоэффективности C2M (рис. 4). Этот модуль совмещает в себе регулятор давления, перекрывающий клапан, датчики и шинный узел (в одном блоке), осуществляет мониторинг потребления сжатого воздуха, предоставляет информацию о возможных утечках и предотвращает падение давления ниже установленного уровня. Благодаря непрерывному мониторингу состояния пневмосистемы и последующей обработке получаемых данных с помощью программного обеспечения на основе ИИ информация об отклонениях и возможных выходах из строя поступает вовремя. В будущем эти данные можно будет использовать и для предиктивного обслуживания.

Модуль энергоэффективности MSE6-C2M

Рис. 4. Модуль энергоэффективности MSE6-C2M

Добавить комментарий

Ваш адрес email не будет опубликован.