论坛专区
在线教育
 

魏德米勒工业分析:集数据科学与专业知识于一体

放大字体  缩小字体 发布日期:2019-02-25  来源:中国工控网  作者:工控网  浏览次数:37
     工厂和设备中部署了大量的传感器用于记录数据。如果分析得当,这些数据会在改进制造工艺及确保生产质量等方面产生巨大的价值。为此,魏德米勒工业分析部门与客户密切合作,开发所需的数据分析模型。
    我们从工厂和设备中提取各类数据集合,比如温度、压力、能耗和振动,称之为“特征”,并使用人工智能(AI)对其评估。之前的项目经验表明,大多数工厂和设备已经记录了全部重要数据,不必新增传感器。真正的挑战来自于找出数据背后的隐藏信息和它们之间的相关关系,而这正是魏德米勒工业分析部门擅长的。
    魏德米勒工业分析:集数据科学与专业知识于一体
    异常检测和分类
    异常分类的工作,是将已识别的数据偏差按重要程度进行分类,重要异常往往是导致设备故障的原因。有了这些信息的辅助,设备操作者可以更快地处理问题,甚至可以识别潜在故障。这样的快速诊断方式可以减少停机时间、降低成本并优化产能。
    “特征”工程识别复杂模式
    “特征”工程是开发可靠人工智能模型的重要技术,该方法从测量数据中找出复杂的统计相关性。例如,为了找出这样的统计相关,可以用相关系数表示在一段时间内两个或多个“特征”的关联变化。数据科学家会根据设备的历史数据来开发新的“特征”。与仅使用原始数据相比,这样做可以更可靠地识别异常情形。例如,通过振动测量或频率转换获得的高频信号,可以基于数学模型分解到相应的不同频段上。人工智能模型从设备的正常行为中学习信号的频段特性,相比于仅使用未分解的原始信号,可更好地预测故障可能性。
    魏德米勒凭借“工业分析”的综合方法,在“企业对企业商务卓越奖”竞赛类别中赢得了2018年德国创新奖。工业分析业务部门研发负责人MarkusKöster博士和工业分析业务部门负责人TobiasGaukstern在柏林接受了该奖项。
    图左MarkusKöster博士,图右TobiasGaukstern
    各领域知识的集合
    数据集合必须根据具体的机器或工艺加以解释和评估,因此“特征”工程需要全面的应用知识。无论是数据科学家的专业知识,还是机械工程师或机器操作人员的应用知识,对于找出实际解决方案至关重要。只有应用专家才能评估一个数据异常是否代表了机器故障,在应用专家的帮助下,数据科学家才能建立准确识别正常运行和异常的算法。
    目前,人工智能模型已经应用于许多领域,例如包装机、填充技术、材料处理以及机器人技术。魏德米勒基于这些数据模型向用户提供适合的定制化软件,帮助用户持续监测设备运行情况、做出预测,并将数据和分析结果可视化呈现。UI专家设计定制的用户界面,以便每个用户都能获得与其应用领域相匹配的解决方案。
    对于设备历史数据中未包括的异常或故障,人工智能模型在运行之初是无法描述和预测的。因此,用户可以通过更新学习数据、扩展软件模块来不断完善工业分析模块。当然,魏德米勒数据科学家会按用户所需提供支持帮助。
    数据和分析结果的可视化使我们更容易掌握机器的当前状态。为此,我们可以查看并标记各个时间范围应包含在未来数据评估中的信息。在此示例中,黄色区域显示的是通过算法标注出来的潜在异常。用户还可以查看这些区域,辨明是否存在异常。通过这种方式,该模型能继续学习并且可以更精确地对未来状态进行分类。
    “特征”工程助力成功
    “特征”工程是工业分析解决方案成功的关键,魏德米勒将应用知识与数据科学相结合。由于人工智能模型的独立性,机械工程师和设备操作者无须泄露其专业领域知识,即可显著提高设备性能。
    扫码关注魏德米勒微信服务号,了解最新产品信息及经典案例。
 
 
关键词: 人工智能
 
 
[ 资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
展会
微信公众号
qq群
 
工控网 | 工控文库 | 工控视频 | 工控软件 | 在线教育 | 用户使用指南 | 关于我们 | 联系方式 | 使用协议 | 版权隐私 | 网站地图 |手机版 | 广告服务

本网站所有文档及文件资料,除特别标明本站原创外,均来自互联网及网友上传,如有涉及版权问题,请联系我们,我们将第一时间处理。
我们保留版权,任何涉嫌侵犯本站版权的行为,本站保留追究其法律责任的权利。

Copyright © 2018-2020 www.gkwo.net  滨州新大新机电科技有限公司 版权所有 鲁ICP备11011731号-4