Otomasyon dergisi, Türkiye'nin otomasyon konusundaki ilk ve en köklü dergisidir. 1992 yılında “Türkiye’de Otomasyonsuz Fabrika Kalmasın” sloganıyla yola çıkan dergi, Türkiye endüstrisinin otomasyon konusunda bilgilendirilmesini kendisine misyon edinmiştir. Dünyadaki ve Türkiye'deki gelişmeleri anında okuruna iletmeyi; otomasyon alanında yapılacak yatırımların, doğru ve kârlı olabilmesi için yol gösterici bir rol oynamayı amaçlamıştır.

AKILLI KOMPONENT VE PROSES İZLEME İÇİN YAPAY ZEKÂ

FESTO

FESTO, KENDİLİĞİNDEN ÖĞRENEN MAKİNELER ARACILIĞIYLA MÜŞTERİLERİNİN VERİMLİLİĞİNİ DAHA DA ARTIRMAYI HEDEFLİYOR. ŞİRKET, EN UÇ OPERASYON NOKTALARINDA, TESİSLERDE VE BULUTTA ÜÇ AĞ DÜZEYİNDE YAPAY ZEKÂYA GÜVENİYOR.

Festo, bir bulutta sunulabilecek karmaşık hizmetlere ilave olarak, Yapay Zekâ ile basit gerçek zamanlı veri analizinde büyük bir potansiyel görüyor: Doğrudan sahadaki komponentte (uç noktalarda AI), sistemin veya bir üretim tesisinin kontrolünde (tesislerde AI). Tesis operatörü, internet üzerinden bir buluta gönderilmesi gerekmeyen kendi makine verilerinin tam kontrolünü muhafaza ediyor. Festo, sistemlerin mevcut veriler temelinde sorunlara nasıl bağımsızca çözümler bulabildiğini göstermek için, Hannover Messe 2019 ticaret fuarında iki sergi kullandı.

PİL ÜRETİMİNDE AKILLI PROSES İZLEME

Festo, Nisan 2018’de Resolto Informatik GmbH şirketini satın alarak Yapay Zekâ liyakatını daha da arttırdı. SCRAITEC ile birlikte Resolto, gerçek zamanda verileri analiz ederek yorumlayan ve anormallikleri raporlayan bir yazılım çözümü geliştirdi. Bu sistem aynı zamanda kalıcı veri analizi ile sürekli olarak öğreniyor ve kendi bilgi tabanını genişletiyor. Bu otomatik öğrenme, akıllı proses izlemeyi mümkün hale getiriyor.

Ticaret fuarının ziyaretçileri, Festo’nun standında bu yazılım çözümünü canlı olarak tecrübe edebildiler. Uygulama, arızalı pillerin tespitini gösteriyor. Piller bir handling sistemi tarafından kaldırılıyor. Yeni CPX-E-CEC modüler kontrol ve yeni CMMT-AS servo sürücü kontrolörü ile birlikte, gerçek zamanda gözetim yapmak mümkün olabiliyor. Resolto izleme yazılımı, motor akımlarını ve eksenin konumsal parametrelerini izliyor. Anormallikler oluşursa örneğin, handling ünitesi yanlış pil formatını kavrarsa, bir rapor düzenleniyor. Akıllı yazılım çözümünün veri alma ve izleme işlemi, en uç noktalarda veya tesislerde ya da Festo Bulut’ta IoT Ağ Geçidi CPX-IoT üzerinden gerçekleştirilebiliyor. AI’nın(yapay zeka) uç noktalarda veya tesislerde kullanılması, güvenlik riskleri veya ağ gecikmesi nedeniyle veri akışlarında gecikmeler olmaksızın tüm verilerin şirket bünyesinde kalmasını sağlıyor. Bir araç olarak AI(yapay zeka) kullanarak anlamlı bir analiz yapılabilmesi için yapılandırılmış yeterli verinin mevcut olması önemli. Bulut, çok yüksek hesaplama kapasiteleriyle, sırasıyla birkaç adet dağıtılmış üretim yerine yayılan başarılı değerlendirme sonuçları sağlıyor.

AI(yapay zeka), proses izleme ve hata yönetimi için programlama çalışmasını büyük ölçüde azaltıyor ve müşteriye gerçek zamanlı olarak değerli teknik bilgi veriliyor. Arızalı parçalar ve prosesler veya makine arızası, üretim sürecinde erken bir aşamada tespit edilerek engellenebiliyor. Bir başka avantaj, tam şeffaflık ve üretilen belirli bir parçaya ait proses anormalliklerinin izlenebilirliği.

Büyük ölçekli üretim sürecinde, arızalı bir parça hassas şekilde tanımlanarak partiden çıkarılabileceği için, gelecekte bu hatadan tüm üretim serisinin etkilenmesi önlenebiliyor.

CMMT ÜNİTESİNDE AKILLI KOMPONENT GÖZETİMİ: BULUTTA YAPAY ZEKÂ

Sergide hata izlemesi için bir öğrenme algoritmasının nasıl kullanıldığı gösteriliyor. Elektrik ekseninden alınan veriler CMMT kontrolörü tarafından toplanıyor ve kaydediliyor. Gözetim algoritması ve toplanan verilerin izlenmesi, tamamen Festo Bulut içerisinde gerçekleştiriliyor. Dolayısıyla verilere, herhangi bir zamanda herhangi bir yerden ulaşılabiliyor. Bununla birlikte, müşteriler sadece azaltılmış programlama işleminin avantajından yararlanmıyor. Kendi bireysel proseslerinin normal koşulları, işletim sırasında veya geçmiş veriler şeklinde öğrenme algoritmasına giriliyor. Veri derhal bulut üzerinden değerlendirilebiliyor. Kullanıcılar böylece herhangi bir sapmayı hızlı bir şekilde fark edebiliyor ve arızaların nedenlerini doğrudan takip edebiliyor. Aynı zamanda değiştirilecek komponentler de hızlı bir şekilde belirlenebiliyor. Bu, zamandan kazandırıyor, aksama sürelerini azaltıyor ve bakım maliyetlerini düşürüyor. Modüller, sistemler veya tüm makine üniteleri gibi komponent gruplarının da gelecekte bu şekilde izlenebileceği düşünülebiliyor.