Un gran número de sensores registran datos en máquinas y plantas. Cuando se analizan correctamente, estos datos pueden mejorar los procesos de fabricación y la garantía de productos de alta calidad. La unidad de negocio Industrial Analytics desarrolla los modelos necesarios para ello en estrecha colaboración con los clientes, y éstos pueden participar ellos mismos en el desarrollo de los datos y los modelos.
Varios conjuntos de datos, llamados características, se pueden extraer de datos de máquinas y plantas. Estos datos pueden evaluarse automáticamente utilizando inteligencia artificial (IA). Esto, por ejemplo, incluye la temperatura, presión, consumo de potencia y vibraciones. La experiencia de proyectos anteriores demuestra que, por lo general, las máquinas y las instalaciones ya registran todos los datos importantes. En la mayoría de los casos, no se necesitan sensores adicionales. El desafío real es recuperar la información oculta de los datos y reconocer las correlaciones relevantes. Aquí es donde entra en juego Industrial Analytics de Weidmüller.
Detección y clasificación de anomalías
Hay muchas causas que pueden perturbar el correcto funcionamiento de una planta. Por ejemplo, burbujas de aire en el circuito de refrigeración que reducen la capacidad de refrigeración o holguras en los engranajes que provocan movimientos imprecisos. Los científicos de datos de Weidmüller desarrollan modelos mediante inteligencia artificial que detectan esas desviaciones del comportamiento normal, es decir, anomalías, en los datos en tiempo real. Los científicos utilizan como referencia datos históricos que proporcionan un patrón típico de operación de una máquina durante un periodo de tiempo determinado.
Durante la clasificación de las anomalías, las desviaciones reconocidas se clasifican en categorías de Importante a No Importante, y las anomalías importantes se asignan a una causa del error. Los usuarios de máquinas pueden usar esta información para reaccionar a problemas más rápido e incluso reconocer fallos de funcionamiento que, de lo contrario, podrían no haberse detectado. Un diagnóstico más rápido reduce, en última instancia, los tiempos de inactividad, lo que redunda en una disminución de los costos y una optimización de la producción.
La ingeniería de características reconoce patrones complejos
Weidmüller recibió el Premio Alemán a la Innovación 2018 en la categoría “Excelencia en la relación entre empresas” por el enfoque integrado de Industrial Analytics. El Dr. Markus Köster, jefe de Investigación y Desarrollo de la unidad de negocio de Industrial Analytics (izq.), y Tobias Gaukstern, jefe de la unidad de negocio de Industrial Analytics (der.), aceptaron el premio en Berlín.
La ingeniería de características es una tecnología importante para desarrollar modelos confiables de IA. En este enfoque, los valores de medición se consideran en correlaciones estadísticas complejas. Para ello, por ejemplo, se forman coeficientes de correlación que representan cambios interrelacionados de dos o más características a lo largo del tiempo. Los científicos de datos usan datos históricos de máquinas para desarrollar nuevas características. El objetivo es reconocer los patrones desviados incluso mejor y con mayor fiabilidad de lo que sería el caso utilizando simplemente los datos brutos. Un ejemplo: las señales de alta frecuencia, como las procedentes de mediciones de vibraciones o de convertidores de frecuencia, pueden dividirse en distintos rangos de frecuencia con sus correspondientes componentes de la señal de salida, basándose en métodos matemáticos. El modelo aprende la característica de componentes de señal para el comportamiento normal de una máquina. Estos componentes son un mejor indicador de posibles fallos de funcionamiento que la señal original.
Depende de todos nosotros
Dado que los conjuntos de datos deben interpretarse y evaluarse en función del comportamiento concreto de la máquina o el proceso, la ingeniería de características requiere amplios conocimientos de aplicación. La experiencia de los científicos de datos, los conocimientos de aplicación del ingeniero mecánico o del operador de la máquina, así como los conocimientos ya adquiridos, son igualmente importantes para encontrar respuestas que den lugar a una solución práctica. Sólo un experto en aplicación puede determinar si una anomalía representa realmente o no un error de la máquina. El experto ayuda a los especialistas en datos a construir los algoritmos que describen correctamente el estado operativo normal, así como las posibles desviaciones y anomalías.
Los modelos basados en la IA ya se utilizan actualmente para numerosas aplicaciones, como las máquinas de embalaje, la tecnología de llenado y técnica de manipulación de materiales, así como en la robótica. En Weidmüller, estos modelos dan como resultado un software adaptado a cada usuario. El software monitorea y predice constantemente el comportamiento de la máquina y representa los datos, así como los resultados del análisis, de forma visual. Los expertos en IU diseñan la interfaz de usuario individualmente para que cada cliente obtenga una solución adecuada a su campo de aplicación.
La visualización facilita el control del estado actual de la máquina. Con este fin, los intervalos de tiempo individuales pueden verse y etiquetarse con la información, que debe incluirse en la futura evaluación de los datos. En este ejemplo, las áreas resaltadas en amarillo muestran anomalías de potencial que el algoritmo identificó para el usuario. Los usuarios también pueden fijarse en estas zonas para indicar si se trata o no de una anomalía. De esta manera, el modelo sigue aprendiendo y puede clasificar estados futuros con mayor precisión.
Sin embargo, un nuevo modelo basado en IA no es capaz inicialmente de representar todos los potenciales futuros y estados de una planta, especialmente cuando no están o solo muy raramente contenidos en los datos históricos. Por tanto, los módulos de Industrial Analytics están diseñados de tal forma que los usuarios puedan actualizar, ampliar y perfeccionar su modelo por sí mismos a lo largo del tiempo. Por supuesto, los científicos de datos de Weidmüller proporcionarán apoyo a los clientes, si lo necesitan.
Empleo de características para alcanzar el éxito
La ingeniería de características es la clave del éxito de una solución Analítica. Weidmüller combina el conocimiento de aplicación y la experiencia técnica necesarios en las correlaciones físicas con el conocimiento de la ciencia de datos. Gracias a la posibilidad de desarrollar modelos basados en IA de forma independiente, los ingenieros mecánicos y los operadores de máquinas pueden aumentar significativamente el rendimiento de sus modelos sin revelar sus conocimientos del dominio.