PLCnext預測性維護初應(yīng)用
異常檢測基礎(chǔ)概念
異常檢測
通過采集監(jiān)控設(shè)備的實時數(shù)據(jù)判斷設(shè)備運行中是否出現(xiàn)異常情況。
基于人工智能算法的異常檢測
使用人工智能神經(jīng)元網(wǎng)絡(luò)算法模型對采集到的實時數(shù)據(jù)進行推理，判斷設(shè)備整體運行中是否出現(xiàn)異常情況。
??傳統(tǒng)異常檢測局限性
在上次的推文中，我們?yōu)榇蠹医忉屃祟A測性維護的相關(guān)知識。預測性維護中重要的一個環(huán)節(jié)就是異常檢測，傳統(tǒng)的異常檢測一般針對單個數(shù)據(jù)，規(guī)定出固定的正常范圍，超限則為異常。但是設(shè)備的數(shù)據(jù)往往不一定是線性變化的，內(nèi)部數(shù)據(jù)之間會相互影響，同時也會被外界的因素所影響。
如軸承的異常可能會導致溫升，可以從溫度值來判斷軸承是否出現(xiàn)異常。但是還有一些別的因素，比如連續(xù)運行的時間，比如設(shè)備周圍的環(huán)境溫度，都會很大程度上影響采集到的溫度值。
所以不難發(fā)現(xiàn)如果只是指定一個范圍值，很難準確的發(fā)現(xiàn)設(shè)備是否處于異常狀態(tài)，往往還需該領(lǐng)域的專家對多個數(shù)據(jù)異常情況進行綜合分析才能得出結(jié)論。
傳統(tǒng)異常檢測的局限性，限制了預測性維護的發(fā)展，但魔高一尺，道高一丈!工程技術(shù)人員就結(jié)合新技術(shù)，開發(fā)出了更高級的異常檢測方法---基于神經(jīng)元網(wǎng)絡(luò)的異常檢測。
??基于神經(jīng)元網(wǎng)絡(luò)的異常檢測
通過神經(jīng)元網(wǎng)絡(luò)的算法進行異常檢測，則會把整個設(shè)備以及一些外部環(huán)境的因素視為一個整體，建立一個包括了所有采集數(shù)據(jù)點的模型。
并且在模型中會建立各個因素之間的相互關(guān)系，它們形成一個動態(tài)的平衡，在綜合考慮到各個因素的變化情況后，給出一個設(shè)備是否有異常的總體評估結(jié)果。
當下，工業(yè)數(shù)字化浪潮發(fā)展迅猛，相信有越來越多的工廠開始采集并且存儲設(shè)備的數(shù)據(jù)。基于神經(jīng)元網(wǎng)絡(luò)的異常檢測技術(shù)就是將人工智能部署在工業(yè)現(xiàn)場的第一步。
#數(shù)學建模#
#系統(tǒng)性診斷#
#算法迭代優(yōu)化#
#人工智能自主判斷#
??算法實現(xiàn)步驟
這種高級算法異常優(yōu)秀，那我們?nèi)绾螌崿F(xiàn)呢?
比把大象放冰箱里復雜些，攏共分四步，第一步，選擇設(shè)備的關(guān)鍵數(shù)據(jù)，并采集和存儲設(shè)備在正常工況下的數(shù)據(jù)值。
可以使用PLCnext將數(shù)據(jù)采集并存儲于MySQL等數(shù)據(jù)庫中或存儲在本地。
第二步，進行數(shù)據(jù)預處理，可選用MLnext framework或自己編寫數(shù)據(jù)處理的程序進行數(shù)據(jù)預處理。
第三步，建立神經(jīng)元網(wǎng)絡(luò)，讀取采集到的數(shù)據(jù)，得出異常值。
同樣可選用MLnext framework或自己編寫模型訓練的程序，根據(jù)預處理后的程序進行神經(jīng)元網(wǎng)絡(luò)的訓練。
最后一步，即可將算法部署于PLCnext控制器中，進行實時推理。
在部署的過程中可使用Docker的方式，建立一個與PLCnext環(huán)境相同的Docker，并將算法運行于Docker中。通過rsc的方式讀取PLCnext中采集到的變量值，并將推理出的異常值寫入PLCnext。
部署完成后即可在PLCnext Engineer軟件中實時查看推理的結(jié)果并進行測試，如下圖中進行異常的模擬。
在微調(diào)了相關(guān)參數(shù)的系數(shù)后，采集的參數(shù)的值并沒有發(fā)生肉眼可見的變化，但通過神經(jīng)元網(wǎng)絡(luò)的分析后，反饋出了異常值，明顯的反應(yīng)了異常工況的出現(xiàn)。可以看到此時運行參數(shù)明顯異于正常值。
由于PLCnext獨特的開放性，使得各種人工智能算法在PLC中部署變?yōu)榭赡堋９I(yè)設(shè)備的異常檢測為預測性維護提供了堅實的數(shù)據(jù)基礎(chǔ)。也使得PLCnext在未來工業(yè)中的應(yīng)用前景變得更為廣闊!
