Новини IT инфраструктура

Изпреварващата поддръжка – един от най-големите дарове на индустриалния IoT

Комбинацията между изкуствения интелект и събирането на данни дава възможност за по-задълбочено разбиране на начина, по който сложните системи работят и взаимодействат помежду си

от , 15 март 2018 0 10290 прочитания,

IIoT (Индустриален Интернет на нещата) е една от много бързо развиващите се технологични сфери, която постоянно добавя нови функционалности към различните системи, включително дистанционно управление и оперативни анализи. Една от най-важните от тях е възможността за изпреварваща поддръжка (predictive maintenance).

Комбинацията между машинното обучение и изкуствения интелект (AI) от една страна и събирането на данни, генерирани от множеството новосъздадени устройства от друга, дава възможност за по-задълбочено разбиране на начина, по който сложните системи функционират и взаимодействат помежду си.

Прочетете още: Как Интернет на нещата ще промени пазара на труда?

Тази колаборация има инструментите да насърчи изпреварващата поддръжка – процес, при който компонентите на индустриалното оборудване биват ремонтирани или заменяни преди да откажат, с което се избягват скъпоструващи операции впоследствие.

Фина настройка на моделите за изпреварваща поддръжка IIoT

Според Уаел Елрифай, старши директор “Продажби и работа с данни” в Hitachi Vantara (IoT групата на Hitachi) еднo от проблемните направления при изпреварващата поддръжка е свързано с нуждата от постоянни промени в моделите за поведение на системите, базирани на изкуствен интелект. Елрифай илюстрира проблема с клиент на Hitachi Vantara, който оперира в сферата на железопътния транспорт, и е сключил договор за поддръжка от 27 години.

Тъй като елементите на влаковите композиции остаряват, те започват да реагират на едно и също напрежение по различен начин. Поради това графиците за поддръжка трябва да се коригират с течение на времето, като се вземат предвид променящите се условия. “Тези графици могат да бъдат генерирани с помощта на модели, които са резултат от машинно обучение”, казва той.

Според Елрифай при повредите на оборудването съществува тенденция, която той нарича "крива на ваната". Тя се изразява в това, че в началото на експлоатационния си живот техниката претърпява по-чести повреди, но с времето процесите по поддръжката се оптимизират и те намаляват значително. "В края на експлоатационния си живот, разбира се, честите повреди отново стават факт", обяснява Елрифай.

Този тип модели, базирани на изкуствен интелект, могат да бъдат интегрирани в други индустрии, а Hitachi току-що стартира и платформа, наречена Lumeda, която извлича данни от IioT устройствата, които учените могат да използват, за да калибрират по-точно моделите си за машинно обучение. "Всичко е свързано с възможността да наблюдаваме точността на модела за машинно обучение, след като той е въведен в производството", коментира Арик Пилки, старши директор “Продуктов маркетинг” на Hitachi Vantara.

Пример за дейността на платформата е химическия производствен процес. Lumada създава централизиран информационен пул, в който анализаторите на данни могат да експериментират като тестват различни модели така, че компанията да получи по-точна представа за това какво ще се случи с химикалите докато минават през производствената линия.

Елфирай и Пилки са категорични, че управлението на моделите за машинно обучение ще има най-голямо въздействие в сфери като тежката индустрия и транспорта.

IioT-профилактичната поддръжка при автомобилите

Голяма част от автомобилите, произведени през последните 15 години, имат бордови компютър, наречен OBD-II, който се използва за диагностика. Ако ви се е случвало механик да влиза в електронните системи на автомобила ви през специализирания порт около волана ви, то той най-вероятно е проверявал именно вашия OBD-II.

Стартъп компанията TheCarForce си е поставила за цел да използва данните от този компютър, за да помогне на шофьорите и дори на производителите. Хардуерът на TheCarForce представлява донгъл, който се включва в порта към OBD-II и си стои там, изпращайки диагностични данни към централен хъб чрез SIM карта.

Основателката на TheCarForce Джесика Лора е категорична, че модерните автомобили генерират повече данни за самодиагностика, отколкото космическите совалки, но към момента, след като се съберат, данните не се съхраняват и не се използват за анализи. "Те се събират в бордовия компютър на колата, след което просто се изтриват", обяснява тя.

TheCarForce се фокусират основно върху продажбата на своя продукт в гаражи и сервизи, но Лора е категорична, че потенциалните бенефициенти на тази технология са многобройни. В случая със сервизите например механикът може да получава данни от превозните средства, които обслужва, в реално време. Това дава възможност както за изпращане на предупреждения към клиентите за предстоящи проблеми, така и за създаването на масиви от данни за всеки клиент, на базата на които да се предсказват бъдещи повреди.

Това дава добавена стойност на услугата по поддръжка на автомобилите, тъй като сервизът върви една крачка пред механичните проблеми и планира изпреварващо ремонтите.

Изпреварваща поддръжка при оборудването за селското стопанство

Травис Сентър от компанията Senter Farms обработва около 20 000 акра земеделски култури в североизточната част на Арканзас, на около 40 мили северно от Мемфис, в делтата на река Мисисипи - памук, ориз, соя, царевица и пшеница. Компанията разчита на 23 трактора, три комбайни, две машини за памук и четири пръскачки, като всички те са свързани към системата JDLink на John Deere.

"Нуждаем се от тази технология, за да можем да проследим и да видим как се представят машините. Ако се случи нещо, трябва да сме сигурни, че можем да го поправим бързо, защото не можем да си позволим никакъв застой в работата. Всеки ден сме притиснати до стената от фактори като време, климат и т.н.”, обяснява Сентър.

Активният сезон обхваща периода от средата на март до края на октомври, а машините трябва да бъдат в пълна изправност през цялото това време. Затова от Deere анализират дори най-незначителните сигнали и ги използват, за да изготвят различни модели и да си направят изводите за надеждността на машините.

IioT-екипът на компанията извършва многостранен анализ на данните, получени от свързаните устройства, и съществено подпомага операциите на Senter Farms. "Някои машини например имат вентилатор в предната част на двигателя, който леко вибрираше. Системата, разбира се, подава сигнал за грешка, но като погледне човек ще остане с впечатление, че всичко е наред. Е, от Deere също обърнаха внимание на това и бяха категорични, че вибриращите вентилатори трябва да бъдат премахнати", разказва Сентър.

И наистина, въпросната вибрация се оказва сигнал за предстояща повреда на 10 от 13-те трактора, на които е регистрирана. "Те успяха да оправят ситуацията срещу само $ 200 - $ 300 фиксирана такса, вместо да се налага да изсипваме $ 6,000 за ремонт и да изгубим много време", допълва доволен Сентър.

Още от "IT инфраструктура"

ИЗБОР НА РЕДАКТОРА

ЕТИКЕТИ: