Исследования Galdi Признаны Научным Сообществом
Исследование о том, как повысить эффективность систем диагностики Galdi, было опубликовано в одном из престижных научных журналов Института Инженеров Электротехники и Электроники (IEEE). Сочетание передовой диагностики, Нейронных Сетей и Машинного Обучения!
Можно ли спрогнозировать проблемы, оказывающие наибольшее влияние на автомат розлива?
Чтобы ответить на этот вопрос, специально для автоматов Galdi, была создана прогнозирующая модель, которая также может применяться и в других отраслях.
Статья "FORMULA: A Deep Learning Approach for Rare Alarms Predictions in Industrial Equipment" была опубликована в журнале «IEEE Transactions on Automation Science and Engineering», одном из ведущих мировых источников технических и научных исследований.
Статья создана в соавторстве:
- Diego Tosato, Galdi S.r.l.
- Davide Dalle Pezze, Университет г. Падуя
- Chiara Masiero, Компания Statwolf Data Science S.r.l.
- Gian Antonio Susto, Университет г. Падуя
- Alessandro Beghi, Университет г. Падуя
ИССЛЕДОВАТЕЛЬСКАЯ РАБОТА GALDI: ФОКУС НА ПЕРЕДОВУЮ ДИАГНОСТИКУ И IIOT
Уже несколько лет Galdi работает над цифровизацией и анализом данных, для улучшения диагностики автоматов розлива пищевых продуктов.
Эта продолжающаяся исследовательская и опытно-конструкторская работа идет рука об руку с развитием Решений Промышленного Интернета Вещей (IIOT).
Наши фасовочные автоматы последнего поколения оснащены новыми сенсорными системами, подключенными к платформе мониторинга производительности MaSH, предназначенной для прогнозирования потенциальных проблем и исключения непредвиденных простоев.
МАШИННОЕ ОБУЧЕНИЕ И НЕЙРОННЫЕ СЕТИ ДЛЯ ФАСОВОЧНЫХ АВТОМАТОВ
Сегодня количество и качество данных, собираемых и отправляемых автоматами Galdi, позволяет нам составлять подробные отчеты о фактической производительности машины, включая точные показатели MME и OEE.
На более глубоком уровне те же данные дают инженерам Galdi общую и подробную картину, необходимую для устранения неполадок и прогнозирования возможных сбоев.
И все же, с точки зрения планового предупредительного ремонта, как мы можем предупреждать наиболее важные сигналы тревоги - например, повреждение мембраны дозатора, создающее риск загрязнения, - которые редко случаются, следовательно, не могут генерировать повторяющийся шаблон, который может быть обнаружен системой?
Сравнивая объем данных, поступивших с разных автоматов розлива, исследователи, участвовавшие в разработке, пришли к выводу, основанному на Глубоких Нейро Сетях, подотрасли Машинного Обучения.
Эта модель нейронной сети "группирует информацию и учится" из собранных наборов данных, генерируя последовательность будущих сигналов тревоги на автомате, предсказывать, что произойдет в будущем.
ДЕЛИМСЯ УНИВЕРСАЛЬНЫМИ ИННОВАЦИЯМИ
Содержание исследования вызвало значительный интерес у научного сообщества, учитывая небольшое количество доступной литературы по этому вопросу.
Модель применима для ряда промышленных предприятий и может быть применена к оборудованию, где присутствуют данные о сигналах тревоги.
Набор данных ALPI (Сигналы Тревоги в Упаковочной Индустрии), содержащий результаты исследования, был анонимным и при этом, доступным в открытых источниках, поскольку и исследователи, и Galdi разделяют одну философию: "Единственный способ продвигать инновации - это делиться ими!"
ПОДДЕРЖКА КЛИЕНТОВ GALDI ПОСРЕДСТВОМ ПРИКЛАДНЫХ ИССЛЕДОВАНИЙ
Качество данных о производительности автомата является дополнительной ценностью для наших клиентов и дополнительным инструментом для мониторинга производства.
Поскольку чтение данных занимает много времени, а для правильной интерпретации необходим опыт, для своих клиентов мы разрабатываем проактивный сервис.
Это будет служба Консультации Данных для перевода всего объема данных в полезную информацию, для предотвращения возможных сбоев, и повышения производительности через анализ Ключевых Показателей Эффективности системы (KPI).
Этот дополнительный инструмент делает нас и наших клиентов еще ближе, расширяя возможности предоставления цифровых услуг.
Для большей информации