„U industriji često nedostaje stručnog osoblja koje bi moglo kontinuirano nadgledati stanje mašina. Zahvaljujući inteligentnim algoritmima, ovaj zadatak možemo prenijeti na ugrađene sisteme“, kaže Sebastian Uziel, inženjer za ugrađeni hardver i softver u IMMS, Institutu za mikroelektroniku i mehatroničke sisteme, javnoj ustanovi u vlasništvu pokrajine Tiringije.
Energijski efikasan Edge-KI senzorni sistem, koji su Uziel i njegov tim razvili, mogao bi preuzeti naporan zadatak mjerenja i analize vibracija na mašini. Radi se o rješenju za prediktivno održavanje (Predictive Maintenance). „Potrebni su sistemi koji mogu davati procjene o radnom vijeku i očekivanom trajanju komponenti“, objašnjava Uziel.
Koliko dugo će ležaj ili glodalo pouzdano obavljati svoj posao – to je ključna informacija za izbjegavanje kvarova i preciznije planiranje održavanja. „Odstupanja od unaprijed definisanih radnih vremena mogu iznositi 20 do 30 posto“, kaže Uziel. Kod skupih ili sigurnosno kritičnih postrojenja, zastoji su posebno neugodni.
„Neplanirani zastoji uzrokuju visoke troškove. To se želi izbjeći“, dodaje Benedikt Rauscher, rukovodilac globalnih IoT projekata u Pepperl+Fuchs. Zajedno s Boschom, ovaj proizvođač senzora razvio je rješenje zasnovano na KI za prediktivno održavanje rotirajuće opreme – velikih rotirajućih mašina poput kompresora, pumpi ili generatora za cjevovode i elektrane. Upotrebom ovog sistema smanjuje se rizik od kvarova.
Za drugačiji kontekst primjene, tim Holgera Kapperta s Fraunhofer instituta za mikroelektronske sklopove i sisteme (IMS) razvio je senzorni sistem za nadzor proizvodne hale pomoću lidara. On otkriva da li se osobe ili dijelovi tijela kreću unutar sigurnih zona ili ulaze u opasna područja. To povećava sigurnost i fleksibilnost u saradnji čovjeka i robota, jer fizičke ograde više nisu neophodne.
Umjesto pojedinačnih senzora – sve više integrisanih sistema
Tri različita scenarija, tri različite primjene – ali u svim slučajevima KI analizira podatke senzorskih sistema. U tom pravcu ide razvoj.
Prema studiji „Sensortrends 2030“ udruženja AMA i VDI, umjesto pojedinačnih senzora sve se češće koriste integrisani senzorski sistemi. Njihova povezanost i proširene funkcije omogućavaju sasvim nove primjene.
„Jedan od važnih trendova u senzorici su pametni senzorski sistemi povezani s KI“, kaže Philipp Gutmann, direktor AMA udruženja za senzoriku i mjernu tehniku. „Uočava se pravi momentum – sada se razumije da se može poboljšati samo ono što se prvo izmjeri.“
Pametni senzorski sistemi mogu mjeriti različite fizičke veličine ili povezivati više senzora u jedinstveni sistem, čime se omogućavaju novi uvidi u proizvodni proces i stanje mašina. Uz pomoć KI potom se donose odluke ili iniciraju daljnji koraci.
Senzori ne moraju uvijek biti stvarni – „virtuelni senzori“ kombinuju stvarne mjerne vrijednosti s digitalnim modelima (npr. digitalnim blizancem) i iz njih izvlače dodatne informacije. Time se u postojećim postrojenjima mogu otkriti dodatni potencijali optimizacije, bez potrebe za novim hardverom.
Tehničke prepreke i važnost razumijevanja sistema
Na putu ka širokoj primjeni inteligentnih senzorskih sistema u industriji postoje još prepreke.
„Kvalitet senzora je presudan, ali jednako važna je i obrada signala putem KI. Potrebna je visoka sistemska ekspertiza – treba znati koje informacije su zaista potrebne i kako ih prikupiti. Ključno je razumjeti samu primjenu“, naglašava Kappert.
I Rauscher iz Pepperl+Fuchs-a ističe važnost sistemskog razumijevanja. Da bi se anomalije koje mogu dovesti do oštećenja pouzdano prepoznale, potrebno je dobro poznavati mašinu. „Frekventni spektar svake mašine je različit.“
Zbog toga su industrijski partneri za institute poput Fraunhofera ili IMMS-a uvijek dobrodošli – s njima se mogu testirati novi slučajevi primjene.
Podaci su gorivo za KI
U svim primjerima, KI analizira podatke senzora. Ali uspjeh nije zagarantovan.
„KI živi od kvalitetnih i brojnih podataka“, kaže Kappert. Proces stvaranja i treniranja modela je zahtjevan: „Iz podataka koji su relevantni za mašinu izvodi se KI model, koji se potom trenira.“ To može trajati danima ili sedmicama.
KI može raditi pasivno – prateći podatke i kasnije analizirajući dobre i loše slučajeve – ili aktivno, simulirajući greške. Većina pristupa zahtijeva podatke o „lošim slučajevima“, što je u praksi često nemoguće.
IMMS zato koristi ne-nadzirano učenje (unsupervised learning). „Sistemu kažemo šta je dobro, a on uz pomoć detektora anomalija prepoznaje odstupanja“, objašnjava Uziel.
Na ovaj način mogu se brzo i efikasno razviti rješenja za prediktivno održavanje.
„Specijalizovani smo za implementaciju algoritama na malim mikrokontrolerima, blizu samog procesa, čime se KI rješenja ostvaruju brže nego uobičajeno“, dodaje Uziel.
Od lidara do digitalnih blizanaca
Pored Lidar sistema za robotiku, Fraunhofer IMS je razvio i vlastito rješenje za prediktivno održavanje – PredictiveBoX.
Ono bilježi vibracije i pomoću inteligentnih senzora prati trošenje alata na mašinama, te pomoću KI procjenjuje preostali vijek trajanja alata. Institut razvija i prilagođene senzorske sisteme za klijente, koji se mogu proširiti dodatnim funkcijama obradom signala pomoću KI. Sistemi se koriste u industriji, mobilnosti i medicinskoj tehnologiji, posebno za prediktivno održavanje i sigurnosne aplikacije.
Rješenje Pepperl+Fuchs i Bosch već je dokazano u praksi. „Digital Twin Starter Kit već je u upotrebi kod više operatera velikih rotirajućih mašina“, kaže Rauscher. Senzori Pepperl+Fuchs bilježe vibracije, pritiske, temperature i protoke. Dok Pepperl+Fuchs osigurava senzore i infrastrukturu za prijenos podataka, Bosch doprinosi znanjem o mašinama.
Na osnovu brzine rotacije i frekvencija vibracija, matematički se izvode zaključci o stanju postrojenja.
„Bosch Grow je na osnovu znanja o rotirajućim mašinama različitih proizvođača razvio digitalne blizance i KI algoritme za analizu vibracija“, objašnjava Rauscher.
Podaci se putem IO-Link mastera prikupljaju, preliminarno obrađuju na ugrađenom PC-u i šalju u cloud, gdje KI obavlja detaljnu analizu.
„Digitalni blizanac se hrani realnim podacima naših senzora, a KI analizira rezultate – tako se vrlo brzo otkrivaju potencijalne anomalije“, kaže Rauscher.
Novi poslovni modeli i koristi za industriju
Individualno konfigurisani senzorski sistemi otvaraju nove poslovne modele za proizvođače mašina.
„Zahvaljujući pametnim senzorskim sistemima, proizvođači mogu unaprijediti svoje mašine i dobiti dodatni prodajni argument“, kaže Kappert.
Za industrijske korisnike fokus je na smanjenju troškova i poboljšanju kvaliteta. „Korisnici žele da pomoću sistema unaprijede procese, poboljšaju kvalitet proizvoda i smanje otpad“, dodaje Kappert.
Obrada podataka u blizini mašina (Edge processing) takođe smanjuje troškove obrade u cloudu.
„Cilj je da se više ne šalju svi podaci o vibracijama, temperaturi ili vlazi u cloud – to troši previše vremena, propusnog opsega i prostora za pohranu“, kaže Uziel.
Za nadzor ležajeva mašine potrebno je 265 vrijednosti za cijeli frekventni spektar – dovoljno je prenijeti samo odstupanja.
Odluka o tome da li je mašina „dobra“ ili „loša“ može se donijeti lokalno – što snižava ulazne barijere za manja preduzeća.
Tržište i perspektive
Uprkos brojnim prednostima, industrija osjeća pad konjunkture.
„Osjetno je da se investicije smanjuju“, kaže Uziel. Kappert potvrđuje da su proizvođači senzora pod pritiskom – u mašinskoj i automobilskoj industriji prodaja je već godinama slaba.
„Potražnja je izazovna, a značajan rast novih narudžbi još ne vidimo“, dodaje Rauscher.
Briga postoji i zbog mogućih visokih američkih carina: „69% naših članova izvozi, a 18% izvoza ide u Sjevernu Ameriku“, navodi Gutmann.
AMA udruženje će zato temu izvoza raspraviti na radnim skupovima.
„Najopasnije u socijalnoj tržišnoj ekonomiji je nesigurnost. Mala i srednja preduzeća ne bi mogla izdržati carine od 10 do 20 posto“, kaže Gutmann.
Ipak, ima i pozitivnih signala: „Kompanije su u prvom kvartalu zabilježile rast prihoda od 4%“, ističe Gutmann.
Posebno medicinska tehnika, odbrambena industrija i energetika nude nove prilike.
„U Q1 članice su zabilježile porast novih narudžbi od 11%, što je vrlo pozitivan signal“, kaže Gutmann.
„Senzorika, koja ima ključnu ulogu u gotovo svim sferama društva, pokazuje otpornost na krize.“
Rastući zahtjevi u oblastima KI, autonomne vožnje i odbrane dodatno podstiču razvoj.
Na tržište dolaze dualne (dual-use) senzore koji se mogu koristiti i u poljoprivredi i u praćenju okoliša, senzore za mjerenje slojeva u građevinarstvu i detekciji mina, kao i visokoprecizne senzore za medicinsku tehniku i energetsku efikasnost.
„Automobilska industrija i sigurnosne tehnologije su područja u kojima tačnost donosi odlučujuću konkurentsku prednost. U kvalitetnoj kontroli, posebno u avioindustriji, precizno mjerenje i prediktivno održavanje daju veliku prednost“, zaključuje Gutmann.
