Machine Learning para aplicações industriais
robótica
80
Weidmüller – Sistemas de Interface, S.A. Tel.: +351 214 459 191 · Fax: +351 214 455 871 weidmuller@weidmuller.pt ·www.weidmuller.pt
case study
O que são os métodos de Machine Learning (ML) e o que oferecem à indústria. Se é possível gerar um valor a partir da análise de dados de máquinas e sistemas, também é possível estabelecer novos modelos de negócios orientados por dados. As aplicações como a manutenção preditiva baseada em condições são aceites e entendidas numa base concetual. O desafio agora é tornar a implementação desses serviços eficiente e com um custo-benefício.
Os métodos e ferramentas oferecidos pelo ML permitem o acesso antes inexplorado a este tipo de dados de máquinas industriais e identificam correlações desconhecidas. Mas, atualmente, a criação de modelos de ML é demorada e dispendiosa, o que explica a necessidade de uma nova abordagem pragmática e económica para a ML em aplicações industriais. A automação das operações de ML é um passo crítico nesta direção. A ideia básica passa por permitir que os especialistas em aplicações contribuam, de forma independente e direta, com o seu conhecimento para gerar uma ferramenta de software e posteriormente, implementem modelos de ML. Os processos de ML executados em segundo plano são fornecidos pela ferramenta de software. As etapas individuais da automação de ML são explicadas em detalhes nesta ferramenta. Da importação de dados, pré-processamento e engenharia até à formação e otimização de modelos de ML e posterior implantação do modelo. As possibilidades de interação com o utilizador são visualizadas como exemplos, o que ajuda a enumerar as vantagens desta solução prática para automação, usando o Weidmüller Industrial AutoML Tool: o conhecimento do domínio na empresa é incorporado diretamente no processo de criação do modelo de ML, economizando tempo e dinheiro; o destaque dado aos próprios
dados e modelos são garantidos em todos os momentos porque todo o processo é realizado internamente com a ajuda da ferramenta AutoML; o utilizador beneficia dos mais recentes desenvolvimentos e possibilidades no ambiente de ML, que são continuamente incorporados à ferramenta AutoML. Esta simbiose da experiência da própria empresa e métodos de ML significa que os serviços baseados em dados podem ser implementados da forma mais económica, podendo ser usado para acelerar a implementação de novos modelos de negócios e aumentar a eficiência de produção e manutenção da própria empresa, automatizando a monitorização de processos.
1. MACHINE LEARNING PARA APLICAÇÕES INDUSTRIAIS NECESSITA DE UMA NOVA ABORDAGEM Máquinas e instalações, como processos de produção, geram um fluxo contínuo de dados. As empresas que conseguem gerar valor agregado a partir desses dados poderão ter sucesso no futuro. Um exemplo do valor agregado fornecido pela análise de dados surge em aplicações como manutenção preditiva baseada em condições. Ou simplificando, a máquina sinaliza automaticamente quando é provável que ocorra um desgaste crítico ou quando é provável que uma peça de reposição seja necessária, o que significa que os fabricantes de máquinas conseguem oferecer novos serviços orientados a dados e estabelecer novos modelos de negócios. As empresas de manufatura podem aumentar a disponibilidade nas suas fábricas e reduzir os custos de manutenção. Quase como um efeito colateral, a análise de dados também leva, geralmente, a insights sobre o comportamento da máquina, o que pode ser benéfico para futuros desenvolvimentos de produtos. Métodos de Inteligência Artificial (IA) e Machine Learning (ML) são ferramentas usadas para analisar dados de máquina
Figura 1. ML na indústria necessita de uma nova abordagem, pragmática e económica.