نوآوری‌های اتوماسیون صنعتی

در این مقاله سعی می‌کنیم به صورت قدم به قدم کاربرد هوش مصنوعی در plc زیمنس را با استفاده از ماژول NPU و کنترلر s7-1500 توضیح دهیم.

شرکت زیمنس برای تحقق هوشمندسازی صنعتی در لایه فیلد(field) و لایه کنترل، از ماژول NPU و کنترلر s7-1500 استفاده می کند.

ویژگی های NPU :

•           استفاده از چیپ هوش مصنوعی با قدرت پردازش بالا

•           امکان پردازش اطلاعات ورودی من جمله:صدا و تصویر

•           امکان اتصال سنسوری به صورت usbیا Ethernet

•           امکان انجام پروژه با استفاده از پلتفرم های هوش مصنوعی و نرم افزار TIA

کاربرد:

•           امکان استفاده در رباتیک برای جابجایی قطعات ناشناخته و دلخواه با استفاده از تصاویر گرفته شده

•           بررسی کیفیت محصولات یا فرآیندها با استفاده از تحلیل تصاویر

•           امکان شناسایی عیوب سیستم و مانیتورینگ وضعیت آن  مثلا بررسی لرزش در شفت موتور

هدف پروژه:

سورتینگ یا دسته بندی محصولات بر اساس تصاویر بر خط دوربین .

توضیح تجهیزات به کار گرفته شده:

الف:دو عدد مموری کارت برای NPU و S7-1500

ب:دوربین Basler ace classic با رزولوشن 2MP و نرخ فریم 25FPS با رابط کاربری GIgE.توضیح اینکه دوربین باید USB3.1 یا ETHERNET را پشتیبانی کند.

ج:نرم افزار تیا پورتال (TIA portal) , wincc

د:یک عدد HMI(رابط کاربری انسان و ماشین)

ه:AI Model Deployer-یک نرم افزار تحت ویندوز که در حقیقت رابط کاربری برای اعمال مدل هوش مصنوعی بر روی سخت افزارNPU ایجاد می نماید.

کلیات نحوه عملکرد سیستم :

کنترلر سیستم یعنی plc s7-1500 یک پیغام (trigger message) برای واحد پردازش عصبی(NPU) ارسال می نماید تا دوربین متصل به سیستم شروع به عکس برداری نماید.سپس NPU پیش پردازش عکس را بر اساس الگوریتم های تعبیه شده در آن انجام می دهد و نتیجه استنتاج  و تحلیل را به plc سیستم بر می گرداند.

طریقه اتصال فیزیکی  NPU به plc به سه صورت امکان پذیر است :

الف:روش متمرکز- یعنی اتصال مستقیم NPU به plc از طریق اتصال bus.

ب:روش غیرمتمرکز-یعنی اتصال غیر مستقیم از طریق ماژول رابط (ET200MP).

می توان در این پروژه مستقیم NPU را به کنترلر و همجنین دوربین متصل نمود.

برای اجرای نرم افزاری پروژه کاربرد هوش مصنوعی در plc می بایست برنامه کاربردی و الگوریتم هوش مصنوعی بر روی کارت SD آپلود شود که این کارت بر روی NPU قرار خواهد گرفت.

عکس توسط دوربین گرفته می شود و توسط NPU آماده می شود و به قسمت پردازنده هوش مصنوعی شرکت اینتل که بر روی NPU تعبیه شده فرستاده شده و در آن جا پردازش می گردد.نتیجه پردازش به PLC فرستاده می شود و PLC  بر اساس توابع بلوکی (FUNCTION BLOCK) نتایج را ارزیابی و دستور مورد نیاز را به عملگرها ارسال می نماید.

همچنین امکان ارسال اطلاعات سنسورها و درایوها و ...از PLC  به NPU و پردازش هوش مصنوعی و بازگشت به PLC برای ارزیابی نهایی نیز وجود دارد.

جزییات اجرای پروژه سورتینگ به کمک هوش مصنوعی:

1.جمع آوری عکس شامل لیبل گزاری و گروه بندی

به عنوان مثال در این پروژه از هر محصول عکس هایی با  زوایا ،چرخش ، نور و پشت زمینه متفاوت گرفته می شود تا دیتا غنی باشد و خطا کاهش و دقت سیستم افزایش یابد.همچنین می توان از داده های آماده در نت به عنوان نمونه استفاده نمود.

2.تعریف مدل الگوریتم ماشینی بر اساس نوع پروژه 

در این قسمت می توان از الگوریتم های پیش آموزش یافته (pretrained algorithms) زیمنس که با فرمت سازگار با AI MODEL DEPLOYER ساخته شده اند با توجه به نوع و ساختار مساله استفاده نمود.این الگوریتم ها با عناوین شناسایی اشیا (OBJECT DETECTION) و دسته بندی محصولات(CLASSIFICATION) ارائه شده اند.    

اگردرحوزه الگوریتم های هوش مصنوعی که در حوزه پردازش تصویر و صوت  استفاده می شوند مانندKeras  و TensorFlow وPyTorch استفاده کرده‌اید یا با این حوزه آشنایی دارد میتوانید از الگوریتم های ساخته شده و تست شما خودتان استفاده نمایید.

3.تبدیل مدل هوش مصنوعی به فرمت قابل بررسی توسط npu

فرمت مدل هوش مصنوعی ایجاد شده باید با نرم افزار AI Model deployer سازگار باشد تا این نرم افزار بتواند این مدل را به فرمت قابل قبول پردازنده  intel Myriad X تبدیل نماید.

در واقع یک خروجی نرم اقرار AI MODEL DEPLOYER شامل مدل هوش مصنوعی تبدیل شده است که بر روی کارت SD  ذخیره می گردد و به NPU متصل می گردد. خروجی دیگر شامل فایل Scl ,text list  است که بر روی نرم افزار TIA و برای توابع بلوک و HMI مورد استفاده قرار می گیرد.

4.آماده سازی سخت افزاری و نرم افزاری

شامل تنظیمات سخت افزاری و نرم افزاری می شود که باید انجام گیرد.

الف-نصب HSP در نرم افزار TIA PORTAL

ب-بازیابی پرژه از پیش تعریف شده در تیا

ج-آپدیت فریم ورک npu به آخرین نسخه

د-پیکربندی سخت افزاری در نرم افزار TIA

ه-کامپایل و دانلود پروژه TIA

5.بارگذاری الگوریتم نهایی بر روی NPU به کمکSD card

مطالعه بیشتر در راهنمای جامع هوش مصنوعی در اتوماسیون صنعتی

مقدمه:

امروزه با فراگیر شدن استفاده از هوش مصنوعی در حوزه های مختلف مانند وجود دستیار هوش مصنوعی در نرم افزار Microsoft office و..افراد بسیاری در حوزه اتوماسیون علاقمندند تا نحوه تاثیر هوش مصنوعی در plc و اتوماسیون صنعتی را درک کنند.یکی از پرکاربردترین تجهیزات در حوزه اتوماسیون صنعتی و در لایه کنترل، پی ال سی (plc)است. پی ال سی ها در طول زمان دستخوش تعییرات بسیاری شده اند و شرکت های بزرگ بسیاری در زمینه تولید آن ها در دنیا فعالیت می کنند.

 بدون شک یکی از بهترین شیوه ها برای یادگیری تکنولوژی های نوین  و روند ها در حوزه اتوماسیون صنعتی بررسی محصولات یا راه حل های (solution) برندها و کمپانی های بزرگ است.در این مقاله سعی می کنم هوش مصنوعی در plc برخی از شرکت های بزرگ جهان را بررسی نمایم.

تعریف PLC و هوش مصنوعی

 PLC ها (کنترل کننده های منطقی قابل برنامه ریزی) مانند مغز سیستم های اتوماسیون صنعتی هستند که تصمیم می گیرند و اجرا می کنند. از سوی دیگر، هوش مصنوعی مانند پسر عموی  آینده‌نگر مغز است که توانایی‌های یادگیری و تصمیم‌گیری پیشرفته را به ارمغان می‌آورد.

تکامل یکپارچه سازی هوش مصنوعی در سیستم های PLC

درست مانند ترکیب کره بادام زمینی و ژله، هوش مصنوعی و PLC راهی برای تکمیل کامل یکدیگر در طول زمان پیدا کرده اند. ادغام هوش مصنوعی در سیستم‌های PLC با ایجاد امکان تعمیر و نگهداری پیش‌بینی‌کننده، بهینه‌سازی فرآیندها و بهبود کارایی، انقلابی در اتوماسیون صنعتی ایجاد کرده است.

مطالعه موردی: PLC های زیمنس

مروری بر سیستم های PLC زیمنس

PLC های زیمنس مانند افراد مشهور دنیای اتوماسیون صنعتی هستند - قابل اعتماد، قدرتمند و مورد اعتماد. این سیستم‌ها پایه محکمی برای پیاده‌سازی راه‌حل‌های هوش مصنوعی برای رساندن عملیات به سطح بعدی فراهم می‌کنند.

کاربردهای خاص هوش مصنوعی در PLC های زیمنس

از الگوریتم‌های یادگیری ماشینی که برنامه‌های تولید را افزایش می‌دهند تا تعمیر و نگهداری پیش‌بینی‌کننده مبتنی بر هوش مصنوعی که زمان خرابی را کاهش می‌دهد، PLCهای زیمنس با آغوش باز از برنامه‌های هوش مصنوعی استقبال می‌کنند.

به عنوان نمونه Copilot صنعتی زیمنس که با  همکاری مایکروسافت توسعه یافته است، کدهای PLC و تصاویر را تولید می کند. بار کاری را کاهش می دهد، وظایف تکراری را انجام می دهد و خطای  مهندسی را کاهش می دهد. برنامه Copilot از زبان کنترل ساخت یافته (SCL) استفاده می کند و با پورتال TIA یکپارچه می شود. می‌تواند بلوک‌های کد را توضیح دهد و می تواند کتاب‌ راهنمای زیمنس را به زبان طبیعی جستجو  کند. 

پلتفرم MindSphere زیمنس نیز  کار تجزیه و تحلیل داده ها، یادگیری ماشینی و برنامه های کاربردی هوش مصنوعی را برای فرآیندهای صنعتی امکان پذیر می کند.

ماژول npu زیمنس با توسعه plcs7-1500 امکان اجرا و پردازش الگوریتم های هوش مصنوعی را در تعامل با کنترلر plc فراهم می نماید.

 تاثیر و نتایج پیاده سازی هوش مصنوعی در PLC های زیمنس

افزایش بهره وری، کاهش هزینه ها و مهندسان راضی تر. با هوش مصنوعی در PLCهای زیمنس، کسب‌وکارها در حال تجربه یک رنسانس تکنولوژیکی هستند که بهبود نتیجه را به دنبال دارد و استانداردهای صنعتی جدیدی را تعیین می‌کند.

مطالعه موردی: PLCnext شرکت فونیکس

مقدمه ای بر سیستم های PLCnext

سیستم‌های PLCnext شورشیان دنیای PLC هستند و معماری باز و انعطاف‌پذیری را برای بازی به ارمغان می‌آورند. افزودن هوش مصنوعی به ترکیب آن ها، قابلیت‌های آن‌ها را تقویت می‌کند، مرزها را کنار می‌زند و امکانات جدید را باز می‌کند.

چگونه هوش مصنوعی عملکرد را در سیستم های PLCnext افزایش می دهد

هوش مصنوعی سس مخفی است که سیستم های PLCnext را از خوب به استثنایی ارتقا می دهد. هوش مصنوعی با فعال کردن تجزیه و تحلیل داده‌های بلادرنگ، الگوریتم‌های تطبیقی و تصمیم‌گیری هوشمند، سیستم‌های PLCnext را به نیروگاه‌هایی با بازده بالا تبدیل می‌کند.

موفقیت AI در سیستم های PLCnext

تصور کنید مصرف انرژی را کاهش دهید، کیفیت محصول را بهبود بخشید و فرآیندهای پیچیده را خودکار کنید - همه اینها به لطف هوش مصنوعی در سیستم‌های PLCnext اتفاق افتاده است. این داستان‌های موفقیت فقط رویا نیستند، بلکه نتایج ملموسی هستند که کسب‌وکارها هر روز به دست می‌آورند.

مطالعه موردی: PLCهای یوکوگاوا

آشنایی با سیستم های یوکوگاوا PLC

سیستم های Yokogawa PLC به دلیل دقت و قابلیت اطمینان در صنایعی که دقت همه چیز است شناخته شده است. این سیستم‌ها با یکپارچه‌سازی هوش مصنوعی، مرزهای ممکن را پیش می‌برند و معیارهای جدیدی را برای عملکرد تعیین می‌کنند.

نمونه های عملی پیاده سازی هوش مصنوعی در PLC های یوکوگاوا

هوش مصنوعی در PLCهای یوکوگاوا فقط یک کلمه کلیدی نیست - بلکه تاثیر واقعی دارد.یوکوگاوا با محصول e-RT3 PLUS خود از بهینه‌سازی استراتژی‌های کنترل گرفته تا پیش‌بینی خرابی‌های تجهیزات قبل از وقوع، انقلابی درسطح  عملیاتی ایجاد کرده و حداکثر کارایی را تضمین می‌کند.

مزایای استفاده از هوش مصنوعی در PLC های یوکوگاوا

 افزایش بهره وری عملیاتی، کاهش هزینه های تعمیر و نگهداری و بهبود قابلیت های تصمیم گیری. با پذیرش هوش مصنوعی در PLC های یوکوگاوا، کسب و کارها در حال محافظت از آینده عملیات خود هستند و جلوتر از منحنی ها می مانند.

مطالعه موردی: PLC های Omron

 مقدمه ای بر فناوری Omron PLC

Omron یک برند مشهور در زمینه اتوماسیون صنعتی است که به دلیل کنترل کننده های منطقی قابل برنامه ریزی پیشرفته (PLC) شناخته شده است. PLC های Omron برای کنترل ماشین آلات و اتوماسیون فرآیندها در صنایع مختلف طراحی شده اند که عملکرد و قابلیت اطمینان بالایی را ارائه می دهند.

کاربردهای خلاقانه هوش مصنوعی در Omron PLC

PLC های Omron سری NX/NY دارای قابلیت های هوش مصنوعی (AI) یکپارچه هستند که آنها را قادر می سازد تا داده ها را در زمان واقعی تجزیه و تحلیل کنند، تصمیمات هوشمندانه بگیرند و به سرعت با شرایط در حال تغییر سازگار شوند. این فناوری هوش مصنوعی امکان نگهداری پیش‌بینی، تشخیص ناهنجاری را فراهم می کند.

مطالعه بیشتر در راهنمای جامع هوش مصنوعی در اتوماسیون صنعتی

در این مقاله به بررسی و شناخت کلی الگوریتم های به کار گرفته شده در اتوماسیون صنعتی می پردازیم که عبارتند از:

1. الگوریتم های یادگیری ماشینی: این الگوریتم ها برای نگهداری پیش بین(predictive maintanance) و کنترل کیفیت استفاده می شوند. به عنوان مثال، الگوریتم جنگل های تصادفی (random forest) و ماشین های بردار پشتیبانی SVM.

2. الگوریتم های بهینه سازی : برای بهینه سازی زنجیره تامین استفاده می شود. برای مثال برنامه ریزی خطی و الگوریتم ژنتیک.

3. سیستم عامل روبات (ROS): برای کنترل ربات ها استفاده می شود.

4. ابزار بینایی کامپیوتری: این ابزارها برای کنترل کیفیت و روباتیک استفاده می شوند. به عنوان مثال، OpenCV و TensorFlow.

دسته بندی الگوریتم ها بر اساس هوش مصنوعی مورد استفاده:

الگوریتم های  مورد استفاده در اتوماسیون صنعتی را می توان بر اساس نوع هوش مصنوعی مورد استفاده طبقه بندی کرد:

آشنایی با رویکردهای مورد استفاده در یادگیری ماشینی

1. ابزارهای یادگیری نظارت شده: این ابزارها شامل الگوریتم های یادگیری ماشینی است که برای نگهداری پیش بین و کنترل کیفیت استفاده می شود. به عنوان مثال می‌توان به الگوریتم جنگل‌های تصادفی(random forest) و SVM اشاره کرد.

محصولاتی مانند IBM's Watson از یادگیری نظارت شده برای نگهداری پیش بینی شده استفاده می کنند.واتسون IBM نمونه بارز محصولی است که از یادگیری نظارت شده برای نگهداری پیش بینی شده استفاده می کند. واتسون می‌تواند داده‌های حسگرهای ماشین را تجزیه و تحلیل کند تا خرابی‌های تجهیزات را قبل از وقوع پیش‌بینی کند و زمان خرابی و هزینه‌های تعمیر و نگهداری را کاهش دهد. دستیار تعمیر و نگهداری تجهیزات IBM که قبلاً با نام IBM Equipment Insights شناخته می‌شد، به تکنسین‌های میدانی راهنمایی‌های تجویزی در مورد روش‌های صحیح تعمیر و سرویس ارائه می‌دهد و به کاهش میانگین زمان تعمیر کمک می‌کند.

2. ابزارهای یادگیری بدون نظارت: این ابزارها شامل الگوریتم های بهینه سازی مورد استفاده برای بهینه سازی زنجیره تامین است. به عنوان مثال می توان به برنامه ریزی خطی و الگوریتم ژنتیک اشاره کرد.

محصولاتی مانند Llamasoft's Supply Chain Guru از یادگیری بدون نظارت برای بهینه سازی زنجیره تامین استفاده می کنند.گورو زنجیره تامین Llamasoft محصولی است که از یادگیری بدون نظارت برای بهینه سازی زنجیره تامین استفاده می کند. این به شرکت‌ها امکان می‌دهد زنجیره تامین خود را تجسم، بهینه‌سازی، تجزیه و تحلیل و شبیه‌سازی کنند، که منجر به بهبودهای عمده در هزینه، خدمات، پایداری و کاهش ریسک می‌شود.

3. ابزارهای آموزشی تقویتی: این ابزارها شامل ROS مورد استفاده برای کنترل روبات ها می شود.

محصولاتی مانند Boston Dynamics' Spot از یادگیری تقویتی برای کنترل ربات استفاده می کنند.Boston Dynamics' Spot محصولی است که از یادگیری تقویتی برای کنترل ربات استفاده می کند. Spot یک ربات متحرک است که با استفاده از یک پلتفرم مبتنی بر مرورگر وب به نام Scout از راه دور از هر نقطه در جهان قابل کنترل است. این می تواند کارهای پیچیده را با دقت و سرعت بالا انجام دهد که آن را برای اتوماسیون صنعتی ایده آل می کند.

4. ابزارهای یادگیری عمیق: این ابزارها شامل ابزارهای بینایی کامپیوتری است که برای کنترل کیفیت و روباتیک استفاده می شود. به عنوان مثال می توان به OpenCV و TensorFlow اشاره کرد.

محصولاتی مانند Google's AutoML Vision از یادگیری عمیق برای کارهای بینایی رایانه استفاده می کنند.Google's AutoML Vision محصولی است که از یادگیری عمیق برای وظایف بینایی رایانه استفاده می کند. این به شما امکان می‌دهد تا مدل‌های یادگیری ماشینی را آموزش دهید تا تصاویر خود را بر اساس برچسب‌های تعریف‌شده خودتان طبقه‌بندی کنید. این می تواند به ویژه در کنترل کیفیت و کاربردهای روباتیک در اتوماسیون صنعتی مفید باشد.

مطالعه بیشتر در راهنمای جامع هوش مصنوعی در اتوماسیون صنعتی