moneo DataScience Toolbox – 인공 지능
SmartLimitWatcher란 무엇입니까?
SmartLimitWatcher는 인공 지능에 기반한 생산 솔루션을 제공하는 moneo Data Science Toolbox의 첫 번째 도구입니다. 사용자는 생산 품질 또는 설비 상태 (예: 온도, 유량, 진동, 전류 소비)와 관련하여 중요한 프로세스 값 (타겟 변수)을 지속적으로 모니터링할 수 있습니다. 타겟 변수의 이상 현상은 조기에 자동으로 감지됩니다.
SmartLimitWatcher는 과거 데이터를 사용하여 훈련되므로 측정된 목표값과 예측된 타겟값 사이에 영구적이고 신뢰성있는 타겟/실제 비교가 가능합니다. 타겟 변수에 대한 동적 예상 범위 (신뢰 범위)를 추가로 계산하면 타겟 변수의 측정된 동작을 영구적으로 평가할 수 있을 뿐 아니라 편차를 자동으로 표시할 수 있습니다.
정적 프로세스 값 모니터링과 달리 동적 한계값 모니터링에서는 한계값은 기계 또는 시스템의 현재 프로세스 상태에 따라 달라집니다. 지원 변수는 기계 또는 시스템의 프로세스 상태를 설명합니다. 수학적 모델을 사용하는 경우, 동적 제한값이 이러한 지원 변수를 기반으로 계산됩니다. 편차 (이상)가 발생하는 경우, 경고 또는 알람이 자동으로 발행됩니다.
정적 및 동적 프로세스 모니터링 사이의 차이점
SmartLimitWatcher의 성공적인 사용을 위한 전제조건
- 최소한 2개의 프로세스 값이 필요합니다:
- 모니터링 타겟 변수로 하나의 프로세스 변수
- 지원 변수로 사용되는 하나 이상의 다른 프로세스 값
- 사용 가능한 데이터 과거 기록에는 필요한 작동상태가 충분히 포함되어야 합니다. (프로세스의 모든 주기는 여러 번 기록되어야 합니다. 이 기능은 필터 등의 어플리케이션에 중요합니다.)
- 모니터링할 프로세스는 타겟 변수와 지원 변수 사이에 프로세스 관계 (비선형/선형)가 있어야 합니다. 이 관계는 사용가능한 데이터로 적절히 설명되어야 합니다. 이 때문에 모든 기계적으로 결합된 시스템이 적합합니다. (기본 프로세스 관계는 공식으로 설명할 수 없습니다.)
- 모니터링을 위해 학습된 프로세스 관계는 미래에도 유효해야 합니다. 사례: 모니터링할 시스템을 변경하려면 새로운 교육이 필요합니다.)
- 타겟 변수로부터 파생된 예를 들어 계산에 의한 "인위적" 지원 변수는 타겟 변수를 모니터링하는 데 사용될 수 있습니다.
- 따라서 타겟 변수 값과 지원 변수 값의 변경 사이에 지연이 너무 길지 않아야 합니다. 사례: 느린 열역학적 반응)
- 이 경우, 정확한 모델을 훈련할 수 없기 때문에 매우 "노이즈한" 측정 값이 있는 프로세스는 고려해서는 안됩니다.
어플리케이션 영역
SmartLimitWatcher의 AI는 프로세스 모니터링에 다양한 방식으로 사용될 수 있습니다. 한편으로는 비교 가능한 기계 구성요소를 모니터링하거나 다른 한 손으로는 개별 부착물 또는 측정 변수를 모니터링합니다.
1. 수평적 사용
비교가능한 기계 구성요소를 기반한 모니터링.
수평 사용에 대한 참고사항
연결된 기계 부품은 프로세스 또는 동일한 시스템에 통합되어 있으며, 물리적으로 종속되어 있습니다. 몇 개의 센서 또는 측정된 값으로 이상한 점을 감지할 수 있는 장점이 있습니다.
2. 수직적 사용
몇 가지 측정값을 사용하여 구성요소에 대한 자세한 모니터링.
