moneo DataScience Toolbox - de kunstmatige intelligentie
Wat is de SmartLimitWatcher?
De SmartLimitWatcher is de eerste tool in de moneo Data Science Toolbox, die oplossingen voor de productie biedt op basis van kunstmatige intelligentie. De gebruikers profiteren van de permanente bewaking van de kritische procesgrootheid (doelvariabele) met betrekking tot de productiekwaliteit of de conditie van de installatie (bijv. temperatuur, doorstroming, trilling, stroomopname). Afwijkingen in de doelvariabelen worden automatisch en in een vroeg stadium gedetecteerd.
De SmartLimitWatcher wordt getraind met behulp van historische gegevens, waardoor een permanente, betrouwbare vergelijking tussen instelling en meting mogelijk is voor de gemeten en de voorspelde doelwaarden. De bijkomende berekening van dynamische verwachtingsbereiken (betrouwbaarheidsbanden) voor de doelvariabele maakt de permanente evaluatie van het gemeten gedrag van de doelvariabele mogelijk, evenals de automatische weergave van afwijkingen.
In tegenstelling tot de statische proceswaardebewaking zijn bij de dynamische grenswaardebewaking de grenswaarden afhankelijk van de actuele processtatus van de machine of de installatie. Hulpvariabelen beschrijven daarbij de processtatus van de machine of de installatie. Aan de hand van een wiskundig model worden met behulp van deze hulpvariabelen de dynamische grenswaarden berekend. In geval van een afwijking (anomalie) wordt automatisch een waarschuwing of alarm gegeven.
Voorwaarden voor het succesvolle gebruik van de SmartLimitWatcher
- Er zijn ten minste 2 procesgrootheden nodig:
- Een procesgrootheid als doelvariabele die moet worden bewaakt
- Ten minste één andere procesgrootheid als hulpvariabele
- De beschikbare gegevensgeschiedenis moet voldoende gewenste bedrijfstoestanden bevatten. (Alle cycli van een proces moeten meerdere malen geregistreerd zijn. Dit is belangrijk bij applicaties als filters e.d.)
- Het te bewaken proces moet een procesrelatie (niet-lineair/lineair) hebben tussen de doelvariabele en de hulpvariabelen. Deze relatie moet op passende wijze vastgelegd zijn via de beschikbare gegevens. Alle mechanisch gekoppelde systemen zijn daarvoor dus goed geschikt. (De onderliggende procesrelatie hoeft niet door formules beschreven te kunnen worden.)
- De procesrelatie die voor de bewaking is geleerd, moet ook in de toekomst geldig zijn. (Voorbeeld: wijzigingen in het te bewaken systeem vereisen een nieuwe training.)
- Voor de bewaking van de doelvariabelen mogen er geen "kunstmatige" hulpvariabelen worden gebruikt die afgeleid zijn van de doelvariabelen, bijv. door berekening.
- Zodoende mag er geen te grote vertraging zijn tussen de verandering in waarde van de doelvariabelen en die van de hulpvariabelen. (Voorbeeld: langzame thermodynamische reacties)
- Er mogen geen processen met meetwaarden met een hoog "ruisgehalte" worden geobserveerd, omdat in dat geval geen nauwkeurig model kan worden getraind
Toepassingsmogelijkheden
De KI van de SmartLimitWatcher kan op verschillende manieren worden toegepast voor de procesbewaking. Enerzijds voor de bewaking van vergelijkbare machinecomponenten of voor de monitoring van afzonderlijke componenten of meetwaarden.
1. Horizontale toepassing
Bewaking met behulp van vergelijkbare machinecomponenten.
Opmerking voor horizontaal gebruik
De aangesloten machinecomponenten zijn in een proces of in dezelfde installatie geïntegreerd en zijn fysiek van elkaar afhankelijk. Het voordeel is dat ze maar een paar sensoren of meetwaarden nodig hebben om afwijkingen te herkennen.
2. Verticale toepassing
Gedetailleerde bewaking van een onderdeel met meerdere meetwaarden.