製造ユースケースのMicroAI™原子選択入力
21010
post-template-default,single,single-post,postid-21010,single-format-standard,bridge-core-1.0.4,translatepress-ja,bridge,ajax_fade,page_not_loaded,,qode_grid_1200,qode-content-sidebar-responsive,wpb-js-composer js-comp-ver-5.7,vc_responsive
 

製造ベースのMicroAI™ユースケースの入力の選択

製造ベースのMicroAI™ユースケースの入力の選択

21 8月20

製造ベースのmicroai

製造ベースのMicroAI™ユースケースの入力の選択

製造オペレーションが実装することを決定したら MicroAI(TM)ベースのユースケースでは、最初のタスクは、特定の目的を最もよくサポートする入力測定値を決定することです。これは、適切な入力を選択して、それらの資産の動作とパフォーマンスを適切にキャプチャするプロセスです。その後AIエンジンに送られるデータ。さらに、センサーはシステムの出力を測定するだけでなく、すべての既知の障害点を監視する必要があります。

この記事では、実装のこのフェーズで考慮すべき要素について説明します。具体的には、(i)現在利用可能な測定、(ii)センサー測定、および(iii)システム測定のトピックについて説明します。

現在利用可能な測定

考慮すべき最初の測定は、すでに利用可能なものです。これらの測定の主な利点は、メーカーへの無料の入力として使用できることです。また、製造環境にセンサーを追加する必要がないため、新しい障害点が発生する可能性があります。

利用可能な測定が十分であると思われる場合、AIソリューションを実装できる速度が大幅に向上します。結局のところ、ほとんどの場合、現在の測定は監視対象資産のすべての側面を正確に反映していないため、これらの利点は通常、追加の入力測定をオンボーディングしないことを正当化するには不十分です。

センサー測定

Sensor values are the most typical input channels for a MicroAI™ implementation.  If currently available measurements are indeed insufficient, the manufacture will need to select and install additional sensors. Sensor measurements are often excellent at tracking the physical performance and behavior of the asset as well as monitoring known points of failure.

必要な特定のセンサーは、資産ごとに異なります。たとえば、ロボットアームなどのアセットは、物理的な動きに大きく依存しています。これらの資産には、加速度計とジャイロスコープが非常に役立ちます。故障の一般的な原因は、モーターの過熱です。モーターの温度プローブはこれを簡単に監視できるため、入力の優れた選択肢になります。

製造ベースのmicroai-1

システム測定

考慮すべき最後の入力ソースはシステム測定です。これらの測定値は通常、資産の全体的な出力を高レベルで示します。たとえば、多くの製造システムでは、すでに資産の中にある種の障害検出が含まれています。これらの障害メッセージは、アセットの高レベルの問題を検出するのに最適です。アセットがタスクを実行する速さを測定することは、入力のもう1つの良い情報源です。

これらの高レベルの測定入力は通常、早期の障害検出ほど効果的ではなく、通常、将来の問題を特定するのに適しています。その結果、システムとセンサーの測定値を組み合わせることは、一般的にAI入力の包括的なセットを選択するための最良のアプローチです。

入力の検証

入力の包括的なリストが選択されていることを確認するには、次の手順を実行する必要があります。

  • 各資産を調べて、そのパフォーマンスを物理的に測定する方法を決定します。資産の出力に焦点を合わせるのではなく、資産がその出力をどのように達成するかを調べる必要があります。
  • 簡単に測定できる故障箇所を特定します。システム測定を実行して、単一の資産の出力と効率を決定し、次に資産エコシステム内の組み合わせた資産の効率を決定します。
  • 上記の測定入力のどれがすでに利用可能で、どれが追加のオンボーディングを必要とするかを決定します。

 

上記の体系的なプロセスに従うことで、製造工程内でAIを確実に実装できます。