UPDATE 4 | 17
Gjesteinnlegg 21 behandle både strukturerte og ustrukturerte data i like stor grad.
Vår IBM-plattform muliggjør tilgang til kognitiv Watson-teknologi, som arbeider med maskin- og Deep-Learning-egenskaper.
Det innebærer feedbackbasert evaluering av innhold samt bruk av kunstige, nevronale nettverk som også kan brukes til å tolke ustrukturerte data som tale, lyder eller bilder. Det omfatter også konkret evaluering av bildeopptak og Ultra-High-Definition-kameraer.
Med dem kan inspektører for kvalitetskontroll av produkter identifisere og klassifisere selv de minste produktriper eller skader på størrelse med nålestikk mye raskere og mer målrettet. Tester viser at man ved produksjonssykluser på åtte dager kan spare opptil 80 % av estimert testtid.
Edge-Computing på fremmarsj
En ytterligere fordel er muligheten til å evaluere data direkte der de oppstår,“ at the Edge”, ved hjelp av nettverksteknologier. Det betyr følgende: Ved hjelp av Edge-Computing er ytelsessterke analyseteknologier i fremtiden tilgjengelig praktisk talt alltid og overalt. På den måten kan medarbeidere som må overvåke tilstanden til maskiner og anlegg som ligger langt unna, mye mer nøyaktig fastsette behovene for vedlikehold eller behov for reservedeler.
Edge-Computing er et alternativ for foretak som ikke har umiddelbar tilgang til høye båndbredder eller rask vei til skyen. Dette gjelder for operatører av vind- og solcelleanlegg. Ved hjelp av slike tilstandsavhengige vedlikeholdskonsepter, der overvåking av utstyr og maskiner foregår i sanntid, kan vedlikeholdskostnadene reduseres med opptil 50 % og produktiviteten økes med opptil 25 %.
Et annet eksempel på hvordan eksternt utstyr kan implementeres i den digitale produksjonsplanleggingen og-styringen, er Proficloud, som Phoenix Contact har utviklet sammen med IBM. Med den kan forskjellige nettverksfunksjoner flyttes direkte til skyen. Det åpner for mange nye varianter med automatiseringsløsninger, men også muligheten til å overføre prosesskrevende funksjoner til sentralprosessorenheter.
Våre erfaringer så langt viser følgende: Avgjørende ved valg av riktig IoT-plattform er en kombinasjon av gjennomtenkte algoritmer med et bredt spekter av forskjellige funksjoner samt prekonfigurerte moduler. Denne kombinasjonen sørger for at produserende foretak implementerer fordelene ved industrielt Internett raskt og komplett inn i produksjonsprosessen.
Jörg Wicik er leder for IBM Deutschland Industrie 4.0 & Cognitive IoT Solutions
Med Deep Learning kan bildematerial evalueres raskere og mer målrettet i forbindelse med kvalitetskontroller
© IBM