• 产品
  • 行业
  • 工业物联网和解决方案
  • 服务
  • 公司

moneo DataScience Toolbox——人工智能

什么是SmartLimitWatcher?

SmartLimitWatcher是moneo Data Science Toolbox中的第一种工具,可以提供基于人工智能的生产解决方案。利用该工具,用户可以长期监测有关生产质量或设备状态(例如温度、流量、振动、当前消耗量等)的关键过程值(目标变量),并在早期自动检测到目标变量的异常。

SmartLimitWatcher利用历史数据进行训练,可以长期对实际测量值和预测目标值进行可靠对比。另外,该工具还可计算目标变量的动态期望范围(置信区间),从而能对目标变量的测量行为进行长期评估,并自动指示偏差。

不同于静态过程值监测,进行动态限制监测时,限值取决于机器和系统的当前过程状态。支持变量描述机器或系统的过程状态。动态限值基于这些支持变量通过数学模型计算而来。当发生偏差(异常)时,会自动发出警告或警报。

静态和动态过程监测的区别

成功使用SmartLimitWatcher的前提

  • 至少需要2个过程值:
    • 待监测的目标过程变量
    • 至少另一个支持变量
  • 可用的数据历史记录应包括足够的所需工作状态。(应对过程的所有循环进行多次记录。这对过滤器等应用来说很重要。)
  • 待监测过程的目标变量与支持变量之间必须存在一定的过程关系(非线性/线性)。该关系必须由可用的数据进行适当描述。因此,所有机械耦合的系统都非常适合。(这里强调的过程关系无需通过公式来描述。)
  • 针对监测示教的过程关系必须在未来也有效。(示例:针对待监测系统的变化需进行新的训练。)
  • 不可使用由目标变量推导出的“人工”支持变量(例如通过计算得到)来监测目标变量。
  • 相应地,目标变量值的变化与支持变量值的变化之间不应有过长的延迟。(示例:缓慢的热力学反应。)
  • 不应考虑测量值受到严重干扰的过程,否则将无法建立精确的模型进行训练。

应用领域

针对过程监测,SmartLimitWatcher的AI有多种使用方法。既可以监测具有可比性的机器组件,又可以监测单独的附加部件或测量变量。

1.横向使用

基于具有可比性的机器组件进行监测。

关于横向使用的说明
相连的机器组件集成在过程或相同的设备中,并存在相应的物理相关性。该方法的优势是只需要很少的传感器或测量值即可检测到异常。

2.纵向使用

使用多个测量值对组件进行详细监测。

关于纵向使用的说明
可以使用SLW来监测相连的系统以及相连的传感器。

SmartLimitWatcher的应用案例

使用moneo SmartLimitWatcher监测CIP装置中的泵

在本应用案例中,为了及时检测并指示任何异常情况,需要对CIP装置的核心组件——供给泵进行监测。moneo|RTM在示例中被用于数据记录和可视化。通过使用DataScienceToolbox的SmartLimitWatcher功能,可以计算出相关的模型,从而在示教阶段后对泵进行监测并报告任何偏差情况。

moneo DataScience Toolbox:人工智能

通过早期警告和警报智能监测和优化生产过程的智能工具箱。