В системе искусственного интеллекта (ИИ) машинное обучение дает возможность учиться на опыте и предпринимать действия, не будучи явно запрограммированным для конкретного действия. Машинное обучение — это набор алгоритмов, который создает собственные алгоритмы, позволяющие машине работать лучше.
Датчики любого типа: температуры, давления, ударов и вибрации, или камер, собирают данные, необходимые для правильной работы системы машинного обучения. Данные датчика отправляются, часто по беспроводной сети, на периферийное вычислительное устройство — например, беспроводной шлюз / контроллер DXM от Banner Engineering, который использует алгоритм машинного обучения, ориентированный на мониторинг вибрации, для получения ключевых сведений о работе и состоянии машины.
Беспроводные контроллеры способствуют подключению Ethernet и промышленным приложениям интернет вещей (Internet of Things (IIoT)) всех типов. Они соединяют локальные беспроводные сети с сетью интернет, а также с хост-системами и могут быть запрограммированы с использованием правил действий и методов текстового языка. Накопление данных за определенный период времени позволяет таким контроллерам устанавливать «базовую линию» работы для машины и с этой точки зрения устанавливать пороги предупреждения и сигнализации об опасностях. Со временем эта базовая линия может быть скорректирована и отточена для большей точности и надежности.
Отрасли промышленности внедряют технологию машинного обучения, чтобы упростить мониторинг своих машин в эпоху нехватки рабочей силы, маржинального давления и скудных запасов. Машинное обучение позволяет компании осуществлять профилактическое обслуживание на своих производственных мощностей, а не проводить аутсорсинг услуг по тестированию и оценке, которые лишь периодически проверяют возможные дегридации, которые могут привести к отказам оборудования. Машинное обучение облегчает проведение последовательного анализа операций.
Машинное обучение также позволяет легко реализовать возможности прогнозированного обслуживания с помощью удаленного мониторинга активов, что позволяет избежать дорогостоящих незапланированных простоев. Сокращения незапланированных простоев всего на несколько часов будет достаточно для оплаты системы прогнозирования обслуживания, включая датчики, пограничный шлюз / контроллеры, установку и эксплуатацию.
Необходимость преодоления коммуникационного разрыва на полевом уровне была решена благодаря внедрению IO-Link, нацеленному на то, чтобы сделать возможной проверку машин и оборудования на самом низком уровне при минимизации разнообразия существующих интерфейсов, таких как PNP, Push-pull, 4-20 мА, 0-10 В, RS232 и RS422. Поскольку IO-Link основан на обычной сети «точка-точка», он не требует специальных кабелей (и может быть беспроводным), не требует адресации датчиков и не имеет ограничений на станции. На самом деле, ничего не меняется при установке или использовании устройства IO-Link. С момента своего создания IO-Link растет и расширяет свои возможности и делает его более гибким в более широком спектре приложений.
Благодаря внедрению новейшей функции Turck IO-Link, SIDI (простая интеграция устройств IO-Link), пользователи могут интегрировать устройство IO-Link непосредственно в программное обеспечение для разработки, такое как портал Total Integrated Automation (TIA), который открывает пользователям доступ к полному спектру цифровых услуг автоматизации и информации.
Устройства IO-Link вводятся в виде подмодулей Profinet в языке разметки описания общей станции мастера IO-Link. Turck добавляет все свои собственные устройства IO-Link в библиотеку SIDI, а также устройства, разработанные и изготовленные его стратегическим партнером оптических датчиков Banner Engineering.
Как только пользователь подключается к сети SIDI GSDML, программисты ПЛК могут получить данные из библиотеки каталога устройств для использования в своей среде программирования. Получив доступ, программист может просматривать и изменять параметры использования, включая диапазоны измерения, выходные сигналы и частоту импульсов в текстовом поле. Автономное проектирование также возможно при использовании устройств IO-Link.
Это работает и с другими функциями для повышения доступности данных механизма, что позволяет получить исчерпывающую информацию о состоянии и диагностические возможности для сокращения времени простоя. Эта информация позволяет упростить процесс интеллектуального обслуживания и управления активами в рамках программы машинного обучения.
Более широкие возможности промышленного подключения, более широкое применение датчиков и более мощная аналитика позволяют повысить эффективность и гибкость производственных приложений. Эта тенденция сохранится и в будущем, будучи расширена и отточена для конкретных целей в зависимости от потребностей пользователя.
