Ведущие веб-трансляции Алан Гриффитс и Мохамед (Мо) Абуали, доктор философии, ответили на дополнительные вопросы по таким темам, как дополненная реальность, технология 5G и прогнозная аналитика.
18 апреля CFE Media представили веб-трансляцию «Мониторинг формирования активов: лучшие практики для максимизации выгод», спонсорами которой выступили Emerson, Epicor, Infor и Oracle + Netsuite. Алан Гриффитс, главный консультант, Cambashi; Мохамед (Мо) Абуали, доктор философии, основатель и генеральный директор IoTco, представили веб-трансляцию; архивную презентацию можно найти здесь. У участников веб-трансляции было больше вопросов, чем можно было ответить во время презентации; докладчики ответили на эти вопросы здесь:
Вопрос: Как бы вы прокомментировали реализацию дополненной реальности (AR) с цифровыми двойниками для управления техническим обслуживанием?
Ответ: AR является отличным инструментом для реализации и выполнения работ по техническому обслуживанию, особенно если он включен с Интернетом вещей и информационным потоком прогнозной аналитики. Возьмите, например, производителя аэрокосмического оригинального оборудования: мы отслеживали и прогнозировали поломки станка с ЧПУ на их шпинделях и шарико-винтовой подаче, а полученные данные о состоянии и диагностике станка / компонента были отправлены на AR устройство которое носили инженеры по техобслуживанию. Наблюдая за станком во время прогулок по заводу, устройства AR отображали пользователям состояние машины, прогнозы и диагностику в режиме реального времени, что позволяло им заранее выявлять проблемы с машиной. В некоторых случаях на устройствах AR отображались рабочие инструкции о том, как инженеры по техобслуживанию могут починить машину, чтобы обеспечить своевременное и надежное исправление.
Вопрос: Является ли технология 5G необходимым условием для действительно эффективного IIoT?
О: В целом, подключение является обязательным условием IIoT. Аналитика вместе с возможностью подключения позволяют создавать более умные фабрики и продукты с поддержкой IoT. 5G позволит в будущем более быструю передачу данных и возможности периферийных вычислений, что может ускорить реализацию и внедрение IIoT. В настоящее время проводная и беспроводная связь через Wi-Fi, Bluetooth или более новые подходы, такие как LORA (низкочастотное радио), более распространены в производственной среде.
Аналитика вместе с возможностью подключения позволяют создавать более умные фабрики и продукты с поддержкой IoT, что жизненно важно для четвертой промышленной революции и будущих изменений в производстве. Предоставлено CFE Media, IoTCo
.png)
Вопрос: Какие варианты использования оправдывают граничные вычисления: только низкая задержка или объем данных, или стоимость?
О: Граничные вычисления и аналитика важны не только с точки зрения объема данных или стоимости, но и с точки зрения общей масштабируемости IoT в среде с несколькими предприятиями в нескольких местах. Вычисления позволяют использовать искусственный интеллект и алгоритмы машинного обучения для обработки больших данных на промышленном ПК или IoT-устройстве, которые уменьшают объем и размерность этих данных до более удобных и переносимых метаданных, таких как функции и работоспособность, которые можно отправлять на облако или сервер. Во многих случаях сохранение данных больших объемов вибрации, например, может не потребоваться. Благодаря растущим вычислительным мощностям и более дешевым процессорам и памяти, аналитика и периферийные вычисления позволили обеспечить рентабельную масштабируемость приложений IoT.
В: Существует ли шаблон прогнозной аналитики, который будет применим к оборудованию ОВК (воздуходувки, двигатели, приводы, органы управления, датчики и т. Д.).
О: Шаблоны прогнозной аналитики не только охватывают производственные активы, такие как роботы и ЧПУ, но и распространяются на вспомогательное оборудование, такое как ОВК, компрессоры и охладители. Некоторые шаблоны являются интрузивными, так как вам необходимо добавить датчики, такие как вибрация, в процесс, в то время как другие не являются интрузивными, так как вы можете использовать существующие данные контроллера, такие как ток, напряжение и температура. В случае оборудования ОВК многие из шаблонов прогнозной аналитики не являются интрузивными. Для крупных автомобильных производителей мы использовали данные о скачках тока / напряжения от устройств ОВК для мониторинга и прогнозирования отказов оборудования без добавления дополнительных датчиков к оборудованию.
В: Какой вид обучения без присмотра вы рекомендуете на заводе или в полевых условиях?
О: Существует много неконтролируемых методов обучения, когда доступны только исходные данные. Например, для многих новых машин, где исторические данные недоступны, неконтролируемые аналитические модели позволяют пользователям строить базовую линию и направления данных, чтобы отслеживать отклонения и смещения от базовой линии. Как только в процессе происходят сбои, интеллектуально-аналитическое решение позволит ИИ самостоятельно изучить характер неисправности и диагностировать ее в будущем, в этом случае превратившись в контролируемый подход к обучению.
Алан Гриффитс, Мохамед (Мо) Абуали
биографии авторов: Алан Гриффитс, главный консультант, Cambashi; Мохамед (Мо) Абуали, доктор философии, основатель и генеральный директор, IoTco
