魏德米勒工业分析:集数据科学与专业知识于一体

工厂和装备中部署了大量的传感器用于纪录数据。若是剖析适合,这些数据会在改善制造工艺及确保生产质量等方面发生伟大的价值。为此,魏德米勒工业剖析部门与客户密切合作,开发所需的数据剖析模子。

我们从工厂和装备中提取各种数据聚集,好比温度、压力、能耗和振动,称之为“特征”,并使用人工智能(AI)对其评估。之前的项目履历注释,大多数工厂和装备已经纪录了所有主要数据,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剖析部门善于的。

魏德米勒工业剖析:集数据科学与专业知识于一体

异常检测和分类

异常分类的事情,是将已识别的数据误差按主要水平举行分类,主要异常往往是导致装备故障的缘故原由。有了这些信息的辅助,装备操作者可以更快地处置问题,甚至可以识别潜在故障。这样的快速诊断方式可以削减停机时间、降低成本并优化产能。

“特征”工程识别庞大模式

“特征”工程是开发可靠人工智能模子的主要手艺,该方式从丈量数据中找出庞大的统计相关性。例如,为了找出这样的统计相关,可以用相关系数示意在一段时间内两个或多个“特征”的关联转变。数据科学家会凭据装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,通过振动丈量或频率转换获得的高频信号,可以基于数学模子剖析到响应的差别频段上。人工智能模子从装备的正常行为中学习信号的频段特征,相比于仅使用未剖析的原始信号,可更好地展望故障可能性。

魏德米勒依附“工业剖析”的综合方式,在“企业对企业商务卓越奖”竞赛种别中赢得了2018年德国创新奖。工业剖析业务部门研发负责人Markus Köster博士和工业剖析业务部门负责人Tobias Gaukstern在柏林接受了该奖项。

图左Markus Köster博士,图右Tobias Gaukstern

各领域知识的聚集

数据聚集必须凭据详细的机械或工艺加以注释和评估,因此“特征”工程需要周全的应用知识。无论是数据科学家的专业知识,照样机械工程师或机械操作职员的应用知识,对于找出现实解决方案至关主要。只有应用专家才气评估一个数据异常是否代表了机械故障,在应用专家的辅助下,数据科学家才气确立准确识别正常运行和异常的算法。

现在,人工智能模子已经应用于许多领域,例如包装机、填充手艺、质料处置以及手艺。魏德米勒基于这些数据模子向用户提供适合的定制化软件,辅助用户连续监测装备运行情形、做出展望,并将数据和剖析效果可视化出现。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。

对于装备历史数据中未包罗的异常或故障,人工智能模子在运行之初是无法形貌和展望的。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剖析模块。固然,魏德米勒数据科学家会按用户所需提供支持辅助。

数据和剖析效果的可视化使我们更容易掌握机械的当前状态。为此,我们可以查看并符号各个时间局限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,该模子能继续学习而且可以更精确地对未来状态举行分类。

“特征”工程助力乐成

“特征”工程是工业剖析解决方案乐成的要害,魏德米勒将应用知识与数据科学相结合。由于人工智能模子的独立性,机械工程师和装备操作者无须泄露其专业领域知识,即可显著提高装备性能。

扫码关注魏德米勒微信服务号,领会最新产物信息及经典案例。

关于魏德米勒

作为有着多年厚实履历的工业联接专家,魏德米勒在电源,信号以及数据处置的工业环境中为全球的客户和合作伙伴提供产物,解决方案和服务。魏德米勒扎根于这些行业和市场,对未来的手艺挑战胸中有数。

魏德米勒坚持生长之路, 为知足客户的差别需求,提供创新、可连续生长和高效的解决方案。因此我们共同在工业联接领域设立了尺度。

现在,魏德米勒集团公司在全球80多个国家设有生产制造工厂、销售公司及联络处。

留下评论