圖1、工業物聯網的智慧工廠中應用設計處理大量的資料
工廠經理一直在尋找新的方法來提高裝配生產線的品質, 可靠性和效率,
為了充分利用這些收集到的資料, 只監控一台機器的單個參數, 並且想在齒輪磨損後立即進行修理是不夠的。 下一步的工作是跟蹤分佈在裝配線內的多個感測器, 在整個工廠控制點處合併其輸出這些感測器所收集到的資料, 並在必要時調整裝配線中的參數。 這就是機器學習(machine learning)的起點。
圖2、人工智慧和機器學習具有廣泛的應用前景
例如, 假設由於溫度或其他環境條件的變化, 導致製造零件的機械尺寸不穩定出現漂移。 機器學習(machine learning)的應用可以這樣工作:
1、工廠內的感測器可以測量工廠的環境參數和生產線內電機的狀態。 這可以包括測量生產機器內齒輪運動的振動感測器,
2、在製造過程之後, 照相機檢查每個部分。 相機將此圖像資料發送到運行影像處理演算法的同一工廠主控制器上。 該演算法將新製造的零件及其尺寸與已經在電腦上創建的機械模型進行比較。 接下來, 該演算法會檢測到一些機械尺寸超出其容差。
3、工廠控制器現在結合了有關改變的環境參數和機械漂移參數的資料資訊, 檢測到溫度變化與機械漂移之間的相關性。
4、為了補償漂移, 工廠控制器將新的參數發送到調節生產過程的裝配線控制器。
5、最後, 工廠控制器存儲機器狀態, 環境條件和改變的機械參數之間的關係。 這些資訊可以用來在下一次快速做出反應, 並將這些知識與同一工廠的其他組裝生產線進行交流。
(完)