moneo DataScience Toolbox – A inteligência artificial
O que é o SmartLimitWatcher?
O SmartLimitWatcher é a primeira ferramenta da moneo Data Science Toolbox, que oferece soluções para a produção com base em inteligência artificial. Os usuários se beneficiam do monitoramento permanente da variável crítica do processo (variável-alvo) com relação à qualidade da produção ou da condição da instalação (por exemplo: temperatura, vazão, vibração, consumo de corrente). As anomalias das variáveis-alvo são detectadas de forma automática e antecipada.
O SmartLimitWatcher é treinado com o auxílio de dados históricos, que permitem uma equalização nominal versus real permanente e confiável entre a variável-alvo medida e prevista. O cálculo adicional de faixas dinâmicas esperadas (bandas de confiança) para a variável-alvo permite a avaliação permanente do comportamento medido da variável-alvo, bem como da indicação automática de desvios.
Diferentemente do monitoramento estático dos valores do processo, no monitoramento dinâmico dos valores-limites, os limites dependem do estado atual de processo da máquina ou instalação. As variáveis auxiliares descrevem o estado do processo da máquina ou instalação. Os valores-limites dinâmicos são calculados com auxílio destas variáveis auxiliares, com base em um modelo matemático. Em caso de desvio (anomalia), automaticamente é emitida uma advertência ou um alarme.
Diferença entre um monitoramento de processo estático e dinâmico
Pré-requisitos para uma aplicação com sucesso do SmartLimitWatcher
- São necessárias pelo menos 2 variáveis de processo:
- Uma variável de processo como variável-alvo, que deve ser monitorada
- Pelo menos mais uma variável de processo como variável auxiliar
- O histórico de dados disponível deve conter dados operacionais e seus respectivos estados em situação normal de funcionamento. (Todos os ciclos de um processo devem ser registrados repetidas vezes. Isso é importante para aplicações como filtros, entre outros.)
- O processo a ser monitorado deve possuir uma relação de processo (não linear/linear) entre variável-alvo e as variáveis auxiliares. Esta relação deve estar suficientemente registrada através dos dados disponíveis. Por isso, todos os sistemas mecanicamente acoplados são bem adequados. (A relação de processo fundamental não precisa ser descrita através de fórmulas.)
- A relação de processo que foi aprendida para monitoramento deve guardar validade futura. (Exemplo: Alterações do sistema a ser monitorado requerem um novo treinamento.)
- Para o monitoramento da variável-alvo não podem ser utilizadas variáveis auxiliares “artificiais”, deduzidas a partir da variável-alvo, por ex., por meio de cálculo.
- Entre a alteração dos valores das variáveis-alvo e dos das variáveis auxiliares não deve haver, portanto, atrasos grandes demais. (Exemplo: Reações termodinâmicas lentas)
- Não devem ser observados processos com valores de medição com muito “ruído”, pois, neste caso não é possível treinar um modelo preciso.
Possíveis aplicações
A inteligência artificial (IA) do Smart Limit Watcher pode ser usada de diferentes maneiras para o monitoramento de processos. Por exemplo, para o monitoramento de componentes comparáveis de máquinas, para o monitoramento de peças individuais adicionais ou unidades de medida.
1. Aplicação horizontal
Monitoramento com ajuda de componentes de máquina comparáveis.
Aviso sobre a aplicação horizontal
Os componentes das máquina conectados estão integrados em um processo ou na mesma instalação e são dependentes fisicamente um do outro. A vantagem é que requerem apenas alguns poucos sensores ou valores de medição para detectar anomalias.
2. Aplicação vertical
Monitoramento detalhado de um componente com vários valores de medição.
