moneo DataScience Toolbox: l’intelligenza artificiale
Che cos'è lo SmartLimitWatcher?
SmartLimitWatcher è il primo strumento di moneo DataScience Toolbox che offre soluzioni per la produzione sulla base di un'intelligenza artificiale. Gli utenti beneficiano del monitoraggio costante della variabile di processo critica (variabile target) in relazione alla qualità della produzione o alle condizioni dell'impianto (es. temperatura, flusso, vibrazioni, corrente assorbita). Le anomalie nelle variabili target vengono rilevate automaticamente e in una fase precoce.
Lo SmartLimitWatcher viene impostato con l'aiuto dei dati storici, in modo da consentire un confronto continuo e affidabile tra i valori target misurati e quelli previsti. Il calcolo aggiuntivo delle bande di confidenza dinamiche per la variabile target consente la valutazione continua del suo comportamento misurato e la visualizzazione automatica delle deviazioni.
A differenza del monitoraggio statico dei valori di processo, i valori di soglia in caso di monitoraggio dinamico delle soglie dipendono dallo stato attuale del processo della macchina o dell’impianto. Le variabili ausiliarie descrivono lo stato del processo della macchina o dell’impianto. Utilizzando un modello matematico, i valori di soglia dinamici vengono calcolati con l'aiuto di queste variabili ausiliarie. In caso di deviazione (anomalia), viene trasmesso automaticamente un avviso o un allarme.
Requisiti per l'utilizzo corretto di SmartLimitWatcher
- Sono necessarie almeno 2 variabili di processo:
- Una variabile di processo come variabile target da monitorare
- Almeno un'altra variabile di processo come variabile ausiliaria
- Lo storico dei dati disponibili deve contenere un numero sufficiente di stati operativi desiderati. (Tutti i cicli di un processo dovranno essere registrati più volte. Questo è importante per applicazioni come il filtraggio ecc.)
- Il processo da monitorare deve avere una correlazione (non lineare/lineare) tra la variabile target e le variabili ausiliarie. Questa correlazione deve essere rilevata in modo appropriato tramite i dati disponibili. Si adattano perfettamente tutti i sistemi accoppiati in modo meccanico. (La correlazione basilare del processo non deve essere esprimibile in formule).
- La correlazione del processo impostata per il monitoraggio deve essere valida anche in futuro. (Esempio: modifiche del sistema da monitorare richiedono una nuova impostazione).
- Per monitorare la variabile target non possono essere utilizzate variabili ausiliarie "artificiali" che derivano dalla variabile target, ad esempio tramite un calcolo.
- Di conseguenza, non dovrà esserci un ritardo eccessivo tra la variazione di valore delle variabili target e quella delle variabili ausiliarie. (Esempio: reazioni termodinamiche lente)
- Non si devono considerare processi con valori di misura molto "disturbati", poiché in questo caso non è possibile impostare un modello preciso.
Applicazioni possibili
L’AI dello SmartLimitWatcher può essere utilizzata in diversi modi per il monitoraggio del processo, ad esempio per monitorare i componenti della macchina comparabili, singoli pezzi o grandezze di misura.
1. Applicazione orizzontale
Monitoraggio con l'ausilio di componenti della macchina comparabili.
Nota per un'applicazione orizzontale
I componenti della macchina collegati sono integrati in un processo o nell’impianto stesso e dipendono fisicamente gli uni dagli altri. Il vantaggio è che bastano pochi sensori o valori di misura per rilevare le anomalie.
2. Applicazione verticale
Monitoraggio dettagliato di un componente con diversi valori di misura.