Крутой разбор внутренней подноготной разработки ПЛК Sysmac c Искусственным Интеллектом для предиктивного обслуживания

Коллеги, выкладываем запись вебинара по ПЛК Омрон с ИИ. Материал интересный и в силу роста популярности решений на базе Искусственного Интеллекта, еще и полезный, как специалистам, так и начинающим в данной области новичкам. 00:29:35 – Сравнение ИИ на уровне АСУ ТП против ИИ в облаке... Ссылка на Вводный урок по программированию ПЛК Omron в Sysmac Studio: 00:00:30 – Тема – Применение контроллеров Sysmac с Искусственным Интеллектом для задач предиктивного обслуживания 00:00:40 – Модератор Шешера Павел 00:01:20 – Соведущие Алексей Блудов и Мария 00:01:35 – Наш эксперт из Нидерландов Мария Юрченко специалист по анализу данных из Нидерландов 00:02:45 – План мероприятия 00:03:35 – Рыночная ситуация в современном мире 00:07:05 – Вступление Алексея – теоретическая часть по Искусственному Интеллекту 00:07:40 – Чего сейчас не хватает потребителю электроники в разрезе ИИ 00:07:50 – Какую задачу решает ИИ в нашем случае 00:08:20 – Классическая методика предиктивного обслуживания - ППР 00:35:25 – Чем важно предиктивное обслуживание 00:13:20 – Состав предлагаемой системы предиктивного обслуживания на основе ИИ 00:14:45 – ИИ и машинное обучение требуют больших вычислительных мощностей 00:15:00 – Этапы внедрения проекта Система ИИ Омрон. 1 Этап – сбор данных. 00:15:55 – 2 Этап – Анализ данных (совместно с технологическим персоналом) 00:16:30 – Использование данных моделью (эксплуатация) 00:17:25 – Сравнение точности методов выявления отклонений работы оборудования 00:17:27 – Классическим методом выявления неисправностей является использование пороговых величин 00:19:40 – Система на базе ИИ может анализировать несколько показателей и определять малейшие отклонения 00:20:05 – Высокоскоростной и точный ИИ на уровне АСУ ТП 00:21:40 – Система способна обрабатывать до 128 узлов 00:22:25 – Работа в реальном времени (высокая скорость реакции) 00:23:50 – Омрон использует алгоритм «Изолированный Лес» 00:24:35 – Библиотека готовых функциональных блоков Омрон 00:27:00 – Использование ИИ позволяет машинам обучаться (пример – машина розлива) 00:28:05 – Система ИИ Омрон позволяет легко вносить изменения в модель 00:28:20 – ИИ повышает качество продукции (уменьшение брака) 00:29:25 – Так же на подходе задачи оптимизации производства с помощью ИИ 00:29:35 – Сравнение ИИ на уровне АСУ ТП против ИИ в облаке 00:30:00 – Наиболее распространенные применения ИИ это на уровне ИИ (преимущество - большие вычислительные мощности) 00:31:15 – Преимущество ИИ на уровне АСУ ТП – реакция в реальном времени, быстрое дополнение модели, безопасность от кибератак 00:33:03 – Компоненты решения Sysmac с ИИ 00:35:45 – Программное обеспечение и сервис 00:39:24 – Целевые заказчики (куда внедрять данные системы) 00:41:25 – Что предлагает Омрон в целом (фабрика будущего) 00:42:35 – Вопросы (сразу из зала – какие примеры использования уже есть?) 00:44:00 – Передаем слово Марии. Омрон Нидерланды, Data Science и RnD 00:45:30 – Несмотря на готовое решение – требуется сервис – обучение ИИ конкретной машине и задаче 00:47:25 – Забавный факт – мы стали использовать AI не как Artificial Intelligence, а как Augmented Intelligence 00:49:30 RnD это всегда не про стандартные библиотеки, а про новые 00:49:30 Омрон Нидерланды достаточно крупное подразделение, поэтому европейское RnD находится именно тут 00:49:40 Тут расположена крупная фабрика и складской комплекс и здесь же Омрон отрабатывает новые разработки на производстве 00:52:45 - Благодаря развитию в софтваре и хардваре Омрон имеет доступ к глубоким знаниям и видит будущее в Дополненном Интеллекте и Искусственном интеллекте 00:53:20 - Как Омрон видит будущее машин на примере своего демонстрационного робота FORPHEUS 00:54:50 - На первый взгляд этот обучающий робот с функцией адаптации под соперника не имеет отношение к фабрике, но есть такая тенденция - на фабриках работает много хороших незаменимых специалистов на которых все держится и это слабое место фабрик, и риск 00:55:50 - С уходом людей, обладающих знаниями эти знания также покидают фабрику. Такие ресурсы как Маккензи говорят, что специалисты рождённые последние 20-30 лет имеют среднюю продолжительность работы на одном месте 5-6 лет 00:56:20 - Как сохранить значение и экспертизу людей, которые работают долго и как передать её людям, которые только пришли на производство? И как не потерять эти знания в зависимости от сменяемости персонала? 00:56:35 - Концепция “Учиться у лучших операторов“ 00:57:40 - Пример идеи “умной сборки“. Как поддерживать высокое качество и минимизировать ошибки на продукте с большим количеством вариаций сборки и опций 00:59:10 - Пример системы пик ту бимер - сборка направляется проектором 1:01:20 - В чем, собственно, идея данной умной сборки - есть определенное количество вариаций правильной сборки и как человеку делать оптимально и с меньшей вероятностью ошибиться должна подсказать система @roborobot