Os dados são gerados continuamente em máquinas e instalações de produção. As empresas que conseguem traduzir esses dados em inovações ganham vantagens competitivas decisivas. Com um software intuitivo ao utilizador, a Weidmüller está agora a disponibilizar métodos de inteligência artificial para fabricantes de máquinas e empresas de fabricação.

Para a análise de máquinas e dados do processo com Industrial Analytics, são utilizados modelos complexos que são capazes de detetar anomalias ou mesmo prever o comportamento futuro da máquina. Os métodos de inteligência artificial (IA) e programação automática (ML) são usados para descobrir relações anteriormente desconhecidas entre valores de medição usando funcionalidades derivadas de dados brutos.

Requer know-how combinado

A informação necessária está disponível em quase todas as empresas. Ao desenvolver modelos de análise significativos, sobretudo as empresas de médias dimensões continuam muitas vezes a depender do apoio externo dos cientistas de dados. A Weidmüller desenvolveu uma solução inovadora que lhes permite agir sem a necessidade de recorrer a cientistas de dados. Em estreita colaboração com o utilizador final, os especialistas em dados identificam correlações relevantes nos valores de medição e treinam o modelo inicial. Após a aplicação bem-sucedida, o modelo inicial é repetidamente alimentado com novos dados e desenvolvido ao longo de todo o ciclo de vida da máquina. Isso aumenta a qualidade da informação ao longo do tempo.

Programação automatizada de máquinas

Muitos fabricantes de máquinas e empresas de produção ainda não foram capazes de usar as ferramentas de programação de máquinas disponíveis de forma independente, já que sua operação foi otimizada para as atividades orientadas por dados dos especialistas em análise. As empresas podem formar os seus empregados com elevados custos ou contratar um cientista de dados. Isto resulta num limite de inibição que está atualmente a abrandar a expansão da inteligência artificial na indústria.

Uma alternativa é desenvolver soluções de software favoráveis ao utilizador, que até mesmo os utilizadores sem qualquer formação em estatística são capazes de entender e gerar modelos analíticos. A unidade de negócios Industrial Analytics da Weidmüller pôs essa ideia em prática com o seu software de programação automatizada de máquinas. O nome da aplicação em si implica que os modelos são em grande parte desenvolvidos automaticamente.

"Estão a ser usadas atualmente aplicações semelhantes nas áreas de fintech, banking e marketing. No entanto, as soluções existentes não são adequadas para a construção de máquinas e sistemas, porque não suportam os tipos de dados relevantes da indústria de automação. Requerem sempre uma base de dados ideal", explica o Dr. Carlos Paiz Gatica, Gerente de Produtos na Industrial Analytics BU. "Além disso, não têm a capacidade de integrar o conhecimento de domínios do utilizador, o que é essencial para as aplicações industriais."

Para o software de programação automatizada de máquinas, os especialistas em análise da Weidmüller combinam os dados e a informação do especialista em domínios com algoritmos para gerar automaticamente modelos adequados. As etapas de trabalho a seguir descrevem o processo de geração de modelos usando a deteção de anomalias como exemplo:

1) Seleção de dados de formação

O especialista de domínios decide quais conjuntos de dados devem ser usados para aprender o comportamento normal de uma máquina ou instalação. Para este fim, é gerada pela primeira vez uma vista geral dos dados brutos, o que suporta o utilizador na avaliação do conteúdo de informação dos dados. A preparação dos valores de medição ocorre de forma totalmente automática.

2) Engenharia de funcionalidades

Se os dados brutos não forem suficientes, pode ser gerada uma informação adicional com base nesses dados. O utilizador pode usar esse conhecimento de domínios para criar funcionalidades novas. Estes podem, por exemplo, descrever o curso da mudança de temperatura em vez de mostrar apenas estados individuais. Usando essas funcionalidades, a condição da máquina muitas vezes pode ser melhor avaliada do que com os dados brutos.

3. A identificar o comportamento da máquina

Com uma etiqueta, o utilizador marca áreas nos dados nas quais um comportamento normal (verde) ou indesejado (vermelho) está presente. Isso permite ao utilizador aumentar o conteúdo de informação dos dados de formação com o seu conhecimento de domínios. Os sistemas de assistência apoiam o processo de identificação, destacando diretamente situações semelhantes no conjunto de dados.

4. Modelo de formação

Os conjuntos de dados identificados são convertidos em modelos e ensaiados com vários métodos de ML. Este processo totalmente automatizado resulta numa lista de modelos alternativos, que são fornecidos com informação sobre a qualidade do resultado, tempo de execução e duração da formação. O chamado Anomaly Score Plot representa diretamente os resultados dos modelos para que o especialista possa comparar diretamente o prestação dos modelos. Se o prestação de modelo solicitado ainda não foi alcançada, o utilizador pode editar as funcionalidades e etiquetas do modelo novamente. O modelo pode então ser transferido diretamente para a arquitetura do sistema de destino.

Ampliação das aplicações IA

"Com o software de programação automatizada de máquinas, os construtores de máquinas e empresas de produção têm a oportunidade de explorar de forma independente os benefícios da inteligência artificial e da programação de máquinas, sem ter que se tornar especialista em dados", diz Paiz. "A aplicação universal suporta os utilizadores tanto na geração inicial do modelo como no desenvolvimento posterior. Desta forma, as empresas deixam de estar dependentes dos recursos dos cientistas de dados e não têm de partilhar os seus processos e conhecimentos de máquinas com parceiros externos.