moneo DataScience Toolbox – τεχνητή νοημοσύνη
Τι είναι το SmartLimitWatcher;
Το SmartLimitWatcher είναι το πρώτο εργαλείο του moneo Data Science Toolbox, το οποίο προσφέρει λύσεις για την παραγωγή με βάση την τεχνητή νοημοσύνη. Οι χρήστες επωφελούνται από τη συνεχή επιτήρηση της σημαντικής τιμής διεργασίας (τη μεταβλητή-στόχο) όσον αφορά την ποιότητα της παραγωγής ή την κατάσταση της εγκατάστασης (π.χ. θερμοκρασία, ροή, κραδασμούς, τρέχουσα κατανάλωση). Οι ανωμαλίες στη μεταβλητή-στόχο εντοπίζονται αυτόματα και σε πρώιμο στάδιο.
Η εκμάθηση του SmartLimitWatcher πραγματοποιείται με παρελθοντικά δεδομένα, τα οποία επιτρέπουν τη συνεχή, αξιόπιστη σύγκριση στόχου/πραγματικής κατάστασης μεταξύ μετρούμενης τιμής και προβλεπόμενης τιμής-στόχου. Ο πρόσθετος υπολογισμός του δυναμικού προσδοκώμενου εύρους (ζώνες εμπιστοσύνης) για τη μεταβλητή-στόχο επιτρέπει τη συνεχή αξιολόγηση της μετρούμενης συμπεριφοράς της μεταβλητής-στόχου καθώς και την αυτόματη ένδειξη αποκλίσεων.
Σε αντίθεση με τη στατική επιτήρηση της τιμής διεργασίας, με τη δυναμική επιτήρηση της οριακής τιμής οι οριακές τιμές εξαρτώνται από την τρέχουσα κατάσταση της διεργασίας στη μηχανή ή στο σύστημα. Οι μεταβλητές υποστήριξης περιγράφουν την κατάσταση της διεργασίας στη μηχανή ή στο σύστημα. Χρησιμοποιώντας ένα μαθηματικό μοντέλο, οι δυναμικές οριακές τιμές υπολογίζονται με βάση αυτές τις μεταβλητές υποστήριξης. Σε περίπτωση απόκλισης (ανωμαλίας) προκύπτει αυτόματα προειδοποίηση ή συναγερμός.
Διαφορά μεταξύ στατικής και δυναμικής επιτήρησης διεργασιών
Προϋποθέσεις για επιτυχή χρήση του SmartLimitWatcher
- Απαιτούνται τουλάχιστον 2 τιμές διεργασίας:
- Μία μεταβλητή διεργασίας ως μεταβλητή-στόχος προς επιτήρηση
- Τουλάχιστον μία άλλη τιμή διεργασίας που χρησιμοποιείται ως μεταβλητή υποστήριξης
- Το διαθέσιμο ιστορικό δεδομένων πρέπει να περιέχει επαρκείς απαιτούμενες καταστάσεις λειτουργίας. (Όλοι οι κύκλοι μιας διαδικασίας θα πρέπει να έχουν καταγραφεί αρκετές φορές. Αυτό είναι σημαντικό για εφαρμογές όπως φίλτρα, κτλ.)
- Η διαδικασία προς επιτήρηση πρέπει να έχει μία σχέση διεργασίας (μη γραμμική/γραμμική) μεταξύ της μεταβλητής-στόχου και των μεταβλητών υποστήριξης. Αυτή η σχέση πρέπει να περιγράφεται κατάλληλα από τα διαθέσιμα δεδομένα. Με βάση αυτό, όλα τα μηχανικά συνδεδεμένα συστήματα είναι κατάλληλα. (Η υποκείμενη σχέση διεργασίας δεν χρειάζεται να περιγράφεται με τύπους).
- Η σχέση διεργασίας, με την οποία έχει γίνει η εκμάθηση για επιτήρηση, πρέπει να ισχύει και στο μέλλον. (Παράδειγμα: Οι αλλαγές στο σύστημα προς επιτήρηση απαιτούν νέα εκμάθηση).
- Δεν μπορούν να χρησιμοποιηθούν «τεχνητές» μεταβλητές υποστήριξης που απορρέουν από τη μεταβλητή-στόχο, π.χ. με υπολογισμό, για την επιτήρηση της μεταβλητής-στόχου.
- Συνεπώς, δεν θα πρέπει να υπάρχει πολύ μεγάλη καθυστέρηση μεταξύ της αλλαγής της τιμής της μεταβλητής-στόχου και των τιμών των μεταβλητών υποστήριξης. (Παράδειγμα: Αργές θερμοδυναμικές αντιδράσεις)
- Δεν πρέπει να λαμβάνονται υπόψη διαδικασίες με πολύ «θορυβώδεις» μετρούμενες τιμές, διότι σε αυτήν την περίπτωση δεν μπορεί να γίνει εκμάθηση ενός ακριβούς μοντέλου.
Περιοχές εφαρμογής
Η τεχνητή νοημοσύνη του SmartLimitWatcher μπορεί να χρησιμοποιηθεί με διάφορους τρόπους για την επιτήρηση διαδικασίας. Αφενός για την επιτήρηση συγκρίσιμων στοιχείων μηχανών και αφετέρου για την επιτήρηση μεμονωμένων πρόσθετων μερών ή μετρούμενων μεταβλητών.
1. Οριζόντια χρήση
Επιτήρηση με βάση συγκρίσιμα στοιχεία μηχανών.
Υπόδειξη για την οριζόντια χρήση
Τα συνδεδεμένα στοιχεία μηχανών είναι ενσωματωμένα σε μία διαδικασία ή στην ίδια εγκατάσταση και υπάρχει μία φυσική εξάρτηση. Ένα πλεονέκτημα είναι ότι χρειάζεστε μόνο λίγους αισθητήρες ή μετρούμενες τιμές για τον εντοπισμό ανωμαλιών.
2. Κατακόρυφη χρήση
Λεπτομερής επιτήρηση ενός στοιχείου με χρήση διαφόρων μετρούμενων τιμών.
