MELSOFT MaiLab
MELSOFT MaiLab je alat za analizu podataka u proizvodnim okruženjima pomoću umjetne inteligencije. MELSOFT MaiLab omogućuje predviđanje kvalitete proizvoda i preventivno održavanje.
Problematika u današnjoj proizvodnji:
- Operateri rade na osnovi iskustva i teško prenose znanje na mlađe operatere;
- Zamijene dijelova stroja se često izvode i kada nije potrebno zbog straha od mogućeg zastoja proizvodne linije;
- Postavke strojeva u proizvodnji se često mijenjaju u ovisnosti od vanjskih čimbenika ili kvalitete sirovine, a promjene izvršava operater na osnovu prethodnog iskustva.
MELSOFT MaiLab je alat za analizu podataka koji dodatno poboljšava proizvodnju zamjenjujući iskustvo i intuiciju operatera digitalnom tehnologijom i olakšavajući integraciju ključnih parametara u upravljačke sustave.
Korisnost MELSOFT MaiLab alata:
Smanjenje troškova integracijom umjetne inteligencije
- Kako odabrati optimalno vrijeme zamijene dijelova strojeva i koje parametre pratiti?
- Generiranje modela umjetne inteligencije za preventivno održavanje zahtijeva opsežno znanje, pripremu i testiranje modela.
Prijenos znanja sa iskusnih operatera na novu generaciju
- Potrebno je digitalizirati znanje iskusnih operatera i napraviti prijenos znanja na mlađe operatere pomoću umjetne inteligencije.
Poboljšana produktivnost i kvaliteta proizvoda
- Iako postoje obučeni operateri za kontrolu kvalitete proizvoda, svaki operater se razlikuje i nema uniformnosti podataka, može li se ovaj problem riješiti pomoću umjetne inteligencije?
Analiza i dijagnostika podataka u četiri koraka:
Preduvjet - prikupljanje podataka
Ispitajte koje podatke treba prikupiti, na koji način i u kojem obliku. MaiLab podržava:
- CSV
- OPC UA
- Baze podataka
- ME FA Connector
1. korak - stvaranje skupa podataka (Offline)
Učitajte podatke koje treba analizirati u Mailab i registrirajte ih. Registrirani skup podataka može biti vizualiziran u tablicama ili grafikonima.
2. korak - stvaranje AI modela (Offline)
Odaberite jednu od unaprijed konfiguriranih AI metoda i stvorite umjetnu inteligenciju izvođenjem učenja na učitanom skupu podataka.
3. korak - stvaranje zadatka (Realtime)
Stvorite postupak za dijagnostiku podataka, modificirajte AI prema potrebi i postavite zadatak koji će umjetna inteligencija izvršavati te konfigurirajte izlazne rezultate analize.
4. korak - izvršavanje i nadzor
Pokrenite izvršavanje zadatka te pratite rezultate umjetne inteligencije na grafičkom zaslonu u obliku grafikona i tabličnog prikaza. Softver će sugerirati parametre prema postavljenoj AI metodi.
Različiti alati za analizu podataka za rješavanje svih izazova:
Automatsko podešavanje parametara
Duboko učenje / Deep learning
Metoda analize koja automatski dizajnira i trenira lagane neuronske mreže.
Otkrivanje odstupanja od normalnog rada
MT metoda (Mahalanobis - Taguchi)
Metoda analize koja izračunava stupanj abnormalnosti MT metodom.
Otkrivanje neočekivanih valnih oblika
Prepoznavanje sličnih valnih oblika
Metoda analize koja ocjenjuje proizvode dobrim ili lošima prema sličnosti s normalnim podacima valnog oblika.
RBT Technologies - Oprema za automatizaciju i digitalizaciju d.o.o.
info@rbt-technologies.hr
Ako ste zainteresirani za više informacija o našim proizvodima i rješenjima, možete nas kontaktirati putem info@rbt-technologies.hr ili preko formulara ispod.
