نحوه استقرار عوامل هوش مصنوعی در کف تولید در حال اجرای کنترل‌کننده‌های زیمنس، راکول یا میتسوبیشی

فضای تولید مدرن با بافت پیچیده‌ای از سیستم‌های کنترل اختصاصی، میراث ده‌ها سال اتوماسیون صنعتی، شناخته می‌شود. تولیدکنندگان اغلب با محیط‌هایی دست و پنجه نرم می‌کنند که در آن‌ها پورتال TIA زیمنس با PLC‌های S7، کنترل‌لاجیکس راکول اتوماسیون و مجموعه FactoryTalk، و پلتفرم‌های MELSEC و iQ-R میتسوبیشی الکتریک به طور همزمان عمل می‌کنند، گاهی حتی در یک تاسیسات. این پراکندگی هنگام تلاش برای معرفی فناوری‌های پیشرفته مانند عوامل هوش مصنوعی، که بر جریان‌های داده یکپارچه و یکپارچگی عملیاتی بی‌درز تکیه دارند، چالش‌های قابل توجهی را ایجاد می‌کند. پل زدن این اکوسیستم‌های مختلف برای فعال‌سازی اتوماسیون هوشمند بدون ایجاد اختلال در عملیات حیاتی، نگرانی اصلی برای شرکت‌های صنعتی امروز است که به دنبال بهره‌برداری از قدرت هوش مصنوعی هستند.

سوال «چگونه عوامل هوش مصنوعی را در یک کف تولید مستقر کنیم» دیگر انتزاعی نیست؛ این آزمون عملیاتی است که پایلوت‌ها را از تولید جدا می‌کند.

لبه صنعتی زیمنس برای ارکستراسیون عوامل هوش مصنوعی

لبه صنعتی زیمنس (Siemens Industrial Edge) یک پلتفرم پردازش داده غیرمتمرکز و اجرای برنامه ارائه می‌دهد که مستقیماً در کف کارگاه و در نزدیکی کنترل‌کننده‌های زیمنس و گاهی حتی غیر زیمنس قرار دارد. این رویکرد محاسبات لبه‌ای برای جمع‌آوری، پردازش و تجزیه و تحلیل حجم عظیمی از داده‌های فناوری عملیاتی (OT) در زمان واقعی، به حداقل رساندن تأخیر و کاهش نیازهای پهنای باند به ابر طراحی شده است. توسعه‌دهندگان می‌توانند برنامه‌های کانتینری، از جمله مدل‌های هوش مصنوعی و منطق عامل را، مستقیماً بر روی دستگاه‌های لبه صنعتی مستقر کنند و امکان تصمیم‌گیری هوشمندانه را در منبع فراهم آورند. این معماری به ویژه در مدیریت داده‌های PLC‌های Siemens S7 و سایر دستگاه‌های متصل از طریق PROFINET یا OPC UA مهارت دارد.

قدرت لبه صنعتی در یکپارچگی تنگاتنگ آن با اکوسیستم زیمنس نهفته است، که اتصالات از پیش ساخته شده و یک محیط توسعه آشنا را برای مهندسانی که از قبل با TIA Portal کار می‌کنند، فراهم می‌کند. این پلتفرم از اجرای مدل‌های هوش مصنوعی توسعه یافته در فریمورک‌های استاندارد مانند TensorFlow یا PyTorch پشتیبانی می‌کند و امکان انجام وظایفی مانند تشخیص ناهنجاری، نگهداری پیش‌بینی‌کننده و کنترل کیفیت را مستقیماً در سطح ماشین فراهم می‌آورد. با پردازش داده‌ها به صورت محلی، می‌تواند بسیار سریع‌تر از راه‌حل‌های وابسته به ابر به رویدادها پاسخ دهد، که برای فرآیندهای تولید حساس به زمان حیاتی است. این امکان استقرار هوش مصنوعی محلی در کف تولید را بدون وابستگی به اتصال مداوم به ابر فراهم می‌کند.

برای عوامل هوش مصنوعی، لبه صنعتی به عنوان یک محیط اجرا عمل می‌کند و آن‌ها را قادر می‌سازد تا پارامترهای ماشین را نظارت کنند، داده‌های حسگر را تفسیر کنند و حتی اقدامات کنترلی یا هشدارها را بر اساس قوانین از پیش تعریف شده یا الگوهای آموخته شده تحریک کنند. زیرساخت امن آن تضمین می‌کند که داده‌های حساس تولید در شبکه کارخانه باقی می‌مانند، که به نگرانی‌های حیاتی امنیت سایبری در محیط‌های صنعتی می‌پردازد. این رویکرد جامع از استقرار عوامل خودمختار پشتیبانی می‌کند، کارایی را افزایش می‌دهد و با شناسایی پیش‌بینی‌کننده مسائل، زمان خرابی را کاهش می‌دهد.

قابلیت پلتفرم برای اجرای چندین برنامه در کنار یکدیگر بر روی دستگاه‌های لبه‌ای به این معنی است که عوامل هوش مصنوعی می‌توانند منابع و داده‌ها را با سایر برنامه‌های عملیاتی مانند HMI‌ها یا ابزارهای ثبت داده به اشتراک بگذارند. این محیط یکپارچه، مدیریت عملیات هوش مصنوعی در کف کارگاه را با یکپارچه‌سازی منابع محاسباتی ساده می‌کند. مدیریت این دستگاه‌های لبه‌ای و برنامه‌های مستقر شده از طریق یک سیستم مدیریت لبه صنعتی (Industrial Edge Management) متمرکز می‌شود، که تلاش‌های استقرار عامل هوش مصنوعی در مقیاس بزرگ را ساده می‌کند.

یک محدودیت قابل توجه، تمرکز اصلی آن بر اکوسیستم زیمنس است، که به طور بالقوه نیاز به لایه‌های یکپارچه‌سازی اضافی برای محیط‌های عمیقاً ناهمگن با PLC‌های غیر زیمنس دارد. در حالی که از OPC UA پشتیبانی می‌کند، استفاده کامل از ویژگی‌ها در انواع کنترل‌کننده‌ها گاهی اوقات پیچیده است.

پلتفرم تحلیلگران FactoryTalk راکول اتوماسیون

مجموعه تحلیلگران FactoryTalk راکول اتوماسیون (Rockwell Automation's FactoryTalk Analytics) چارچوبی قوی برای جمع‌آوری، زمینه‌سازی و تجزیه و تحلیل داده‌های عملیاتی، عمدتاً از ControlLogix راکول و سایر دستگاه‌های فعال با FactoryTalk، ارائه می‌دهد. این پلتفرم برای ارائه بینش‌های عملی در مورد عملکرد تولید، کیفیت و بهره‌برداری از دارایی‌ها طراحی شده است که راه را برای قابلیت‌های پیشرفته عامل‌های هوش مصنوعی هموار می‌کند. این پلتفرم از ترکیبی از قابلیت‌های لبه و ابر برای پردازش کارآمد داده‌ها بهره می‌برد.

FactoryTalk Analytics می‌تواند داده‌ها را از منابع مختلفی از جمله PLC‌ها، حسگرها، درایوها و سیستم‌های MES دریافت کند و داده‌های خام را به اطلاعات معنی‌دار برای تجزیه و تحلیل تبدیل کند. این زمینه‌سازی داده برای عامل‌های هوش مصنوعی حیاتی است تا بتوانند وضعیت عملیاتی را درک کرده و تصمیمات هوشمندانه بگیرند. این پلتفرم از توسعه و استقرار مدل‌های تحلیلی پشتیبانی می‌کند، که می‌توانند ستون فقرات محاسباتی برای عامل‌های هوش مصنوعی متمرکز بر نگهداری پیش‌بینی‌کننده، بهینه‌سازی فرآیند یا تشخیص ناهنجاری کیفیت باشند.

به طور خاص برای عامل‌های هوش مصنوعی، FactoryTalk Analytics هم به عنوان یک اساس داده و هم به عنوان یک محیط اجرا برای گردش کار تحلیلی عمل می‌کند. عامل‌ها می‌توانند از بینش‌های پلتفرم برای نظارت بر شاخص‌های کلیدی عملکرد، شناسایی الگوهای دال بر خرابی‌های قریب‌الوقوع یا پیشنهاد پارامترهای کنترل بهینه استفاده کنند. یکپارچگی با مجموعه گسترده‌تر FactoryTalk به این معنی است که این عامل‌ها می‌توانند به طور بالقوه با سایر برنامه‌های FactoryTalk برای تجسم، مدیریت هشدار یا حتی تنظیمات مستقیم کنترل از طریق رابط‌های امن تعامل داشته باشند.

معماری بر مقیاس‌پذیری و انعطاف‌پذیری تأکید دارد و به تولیدکنندگان امکان می‌دهد تا با تحلیل‌های محلی شروع کنند و به دید سراسری در سطح سازمانی گسترش یابند. این امر آن را برای استقرار تدریجی عامل هوش مصنوعی در محیط‌های تولیدی مناسب می‌سازد و از یک خط واحد تا کل یک تاسیسات مقیاس‌پذیر است. هدف این پلتفرم، رفع ابهام از داده‌های پیچیده است تا مهندسان فرآیند و اپراتورها بتوانند پیامدهای بینش‌های مبتنی بر هوش مصنوعی را درک کنند.

یکی از مزایای اصلی آن، یکپارچگی عمیق با پایگاه‌های نصب شده راکول است که اتصال بی‌درنگ به کنترل‌کننده‌های ControlLogix و CompactLogix را فراهم می‌کند. این اتصال بومی به طور قابل توجهی فرآیند جمع‌آوری داده‌ها را برای عامل‌های هوش مصنوعی ساده می‌کند. ویژگی‌های امنیتی قوی که ذاتی معماری FactoryTalk هستند نیز یکپارچگی داده‌ها و انعطاف‌پذیری سیستم را تضمین می‌کنند، که برای استقرار عامل‌های هوش مصنوعی در کف تولید حیاتی هستند.

یک محدودیت اصلی، وابستگی شدید به اکوسیستم راکول است که ممکن است نیاز به کار یکپارچه‌سازی قابل توجهی برای سیستم‌های کنترل غیر راکول داشته باشد. پیچیدگی این مجموعه نیز می‌تواند منحنی یادگیری تندی را برای کاربران جدید ایجاد کند.

اتحاد e-F@ctory میتسوبیشی

مفهوم e-F@ctory میتسوبیشی الکتریک (Mitsubishi Electric's e-F@ctory) یک راه‌حل جامع است که با هدف بهینه‌سازی فرآیندهای تولید از طریق تحول دیجیتال، با تأکید قوی بر استفاده از داده‌های PLC‌های MELSEC و کنترل‌کننده‌های iQ-R، ارائه شده است. این ابتکار، لایه‌های مختلف هرم صنعتی را، از دستگاه‌های کارخانه تا سیستم‌های IT سازمانی، به هم متصل می‌کند و تصمیم‌گیری و اتوماسیون مبتنی بر داده را ترویج می‌دهد. این پلتفرم محیطی را فراهم می‌آورد که برای استقرار عامل‌های هوش مصنوعی برای عملیات کف کارگاه مساعد است.

اتحاد e-F@ctory محصولات خود میتسوبیشی الکتریک را با شبکه‌ای از راه‌حل‌های شریک ترکیب می‌کند و طیف وسیعی از قابلیت‌ها از جمله محاسبات لبه‌ای، تجسم داده‌ها و تحلیل‌های پیشرفته را ارائه می‌دهد. این مدل اکوسیستم شریک باز امکان یکپارچه‌سازی ابزارهای و پلتفرم‌های تخصصی هوش مصنوعی را فراهم می‌کند که می‌توانند میزبان و مدیریت عامل‌های هوش مصنوعی باشند. جمع‌آوری داده‌ها از کنترل‌کننده‌های MELSEC از طریق پروتکل‌های بومی و رابط‌های جهانی مانند OPC UA تسهیل می‌شود و در دسترس بودن جامع داده‌ها را برای برنامه‌های هوش مصنوعی تضمین می‌کند.

برای عامل‌های هوش مصنوعی، e-F@ctory زیرساخت‌های لازم برای ورودی داده، پردازش و زمینه‌سازی را فراهم می‌کند که برای عملکرد مؤثر آن‌ها حیاتی است. عامل‌ها می‌توانند سلامت ماشین، بازده تولید و مصرف انرژی را نظارت کنند و از داده‌های PLC‌های MELSEC برای شناسایی ناکارآمدی‌ها یا خرابی‌های احتمالی استفاده کنند. قابلیت پلتفرم برای یکپارچه‌سازی با برنامه‌های عمودی مختلف به این معنی است که عامل‌های هوش مصنوعی می‌توانند درخواست‌های نگهداری را آغاز کنند، برنامه‌های تولید را تنظیم کنند یا جریان مواد را بهینه کنند.

قدرت e-F@ctory در تطبیق‌پذیری آن و گستره شبکه شریک آن است که به تولیدکنندگان امکان می‌دهد بهترین راه‌حل‌ها را برای وظایف خاص عامل هوش مصنوعی انتخاب کنند. این رویکرد، استراتژی‌های استقرار عامل هوش مصنوعی متناسب با نیازهای منحصر به فرد کارخانه را امکان‌پذیر می‌سازد. همچنین از راه‌حل‌های محاسبات لبه‌ای پشتیبانی می‌کند که امکان استنتاج هوش مصنوعی با تأخیر کم را مستقیماً در کف کارگاه فراهم می‌کند و این برای برنامه‌های کنترل و نظارت در زمان واقعی حیاتی است.

این مفهوم با ارائه ستون فقرات برای تبادل و تحلیل داده‌ها، تولید هوشمند را ترویج می‌دهد، و یکپارچه‌سازی الگوریتم‌های هوش مصنوعی پیچیده را در خطوط تولید موجود متمرکز بر میتسوبیشی آسان‌تر می‌کند. با توانمندسازی هوش محلی، از چشم‌انداز عامل‌های خودمختار در کف تولید پشتیبانی می‌کند که می‌توانند با شرایط عملیاتی پویا سازگار شوند و از آن‌ها بیاموزند، و کارایی و تصمیم‌گیری را در سطح ماشین افزایش دهند.

با این حال، ماهیت توزیع شده اتحاد e-F@ctory گاهی اوقات می‌تواند منجر به چالش‌های یکپارچه‌سازی بین راه‌حل‌های مختلف شریک شود. در حالی که برای محصولات میتسوبیشی جامع است، اتصال به سایر برندهای PLC ممکن است به تلاش اضافی و توسعه سفارشی نیاز داشته باشد.

AWS IoT SiteWise

AWS IoT SiteWise یک سرویس مدیریت‌شده است که برای جمع‌آوری، سازماندهی و تجزیه و تحلیل داده‌های صنعتی از تجهیزات متنوع در مقیاس بزرگ طراحی شده است، که آن را برای استقرار عامل‌های هوش مصنوعی در کف تولید در مقیاس وسیع ایده‌آل می‌کند. این سرویس فرآیند دریافت داده‌ها از دارایی‌های صنعتی را ساده می‌کند و به تولیدکنندگان امکان می‌دهد بینش عملیاتی عمیق‌تری کسب کنند و برنامه‌های هوش مصنوعی قدرتمندی بسازند. SiteWise از پروتکل‌های صنعتی رایج، از جمله OPC UA، پشتیبانی می‌کند، که آن را با طیف وسیعی از PLC‌ها، شامل کنترل‌کننده‌های زیمنس، راکول و میتسوبیشی، سازگار می‌کند.

این سرویس به کاربران امکان می‌دهد دارایی‌ها، فرآیندها و تاسیسات صنعتی خود را مدل‌سازی کنند، و یک نمایش ساختارمند از محیط عملیاتی آن‌ها ارائه دهد. این زمینه‌سازی داده برای عامل‌های هوش مصنوعی حیاتی است تا بتوانند روابط بین نقاط داده مختلف را درک کرده و تصمیمات آگاهانه بگیرند. SiteWise می‌تواند داده‌ها را از دروازه‌ها جمع‌آوری کند، که در لبه قرار می‌گیرند و داده‌ها را از حسگرها و کنترل‌کننده‌های مختلف جمع‌آوری می‌کنند، و سپس آن را به cloud AWS برای ذخیره‌سازی و تجزیه و تحلیل ارسال می‌کنند.

برای عوامل هوش مصنوعی، SiteWise به عنوان یک مخزن مرکزی و پیش‌پردازنده برای داده‌های OT عمل می‌کند. عوامل می‌توانند از قابلیت‌های SiteWise برای دسترسی به داده‌های تاریخی و بی‌درنگ، انجام محاسبات و نظارت بر عملکرد دارایی در برابر آستانه‌های تعریف شده استفاده کنند. در حالی که خود SiteWise منطق عامل هوش مصنوعی را مستقیماً میزبانی نمی‌کند، جریان‌های داده تمیز و زمینه‌سازی شده لازم را برای سایر سرویس‌های AWS مانند AWS Lambda، SageMaker یا IoT Core برای اجرای کارآمد عامل‌های هوش مصنوعی فراهم می‌کند. این امر امکان یکپارچه‌سازی انعطاف‌پذیر عامل‌های هوش مصنوعی را در کف تولید فراهم می‌کند.

مزایای آن شامل مقیاس‌پذیری، قابلیت اطمینان و یکپارچگی با اکوسیستم گسترده‌تر AWS است که طیف وسیعی از ابزارها را برای توسعه و استقرار هوش مصنوعی فراهم می‌کند. این امر آن را به انتخابی عالی برای تولیدکنندگانی تبدیل می‌کند که از قبل در AWS سرمایه‌گذاری کرده‌اند یا به دنبال یک راه‌حل cloud-native با دسترسی جهانی هستند. این سرویس به عنوان یک سرویس ابری، انعطاف‌پذیری بی‌نظیری در قدرت محاسباتی و ذخیره‌سازی ارائه می‌دهد که امکان پردازش کارآمد مدل‌های هوش مصنوعی پیچیده را فراهم می‌کند.

قابلیت این سرویس در جمع‌آوری داده‌ها از منابع مختلف به یک مدل واحد، کار توسعه عوامل هوش مصنوعی را که باید عملیات را در سیستم‌های کنترل مختلف نظارت کنند، به شدت ساده می‌کند. این امر بر چالش پراکندگی ناشی از محیط‌های ترکیبی زیمنس، راکول یا میتسوبیشی غلبه می‌کند. این تضمین می‌کند که عوامل هوش مصنوعی یک منبع داده سازگار و قابل اطمینان برای فرآیندهای تحلیلی و تصمیم‌گیری خود دارند و از عوامل خودمختار در کف تولید پشتیبانی می‌کنند.

محدودیت آن، وابستگی به اتصال ابری برای مجموعه کامل ویژگی‌های آن است که ممکن است برای تاسیسات با دسترسی متناوب یا محدود به اینترنت نگران‌کننده باشد. در حالی که اجزای لبه‌ای وجود دارند، تحلیل‌های اصلی و مدیریت در ابر ساکن است، که به طور بالقوه تأخیر را برای برنامه‌های حیاتی در زمان واقعی ایجاد می‌کند.

TFSF Ventures

TFSF Ventures به چالش نحوه استقرار عوامل هوش مصنوعی در کف تولید با تمرکز بر زیرساخت‌های عامل‌محور، و نه تنها مدل‌های هوش مصنوعی جداگانه، رسیدگی می‌کند. روش منحصر به فرد آن‌ها بر استقرار سریع و با تأخیر کم مستقیماً بر روی زیرساختارهای فناوری عملیاتی (OT) موجود، اغلب با بهره‌گیری از دستگاه‌های لبه‌ای بدون نیاز به یکپارچه‌سازی مستقیم با سیستم‌های MES یا SCADA، تأکید دارد. این امر بسیاری از پیچیدگی‌های یکپارچه‌سازی سنتی و چرخه‌های طولانی استقرار را که معمولاً با پروژه‌های IT سازمانی مرتبط هستند، دور می‌زند. TFSF Ventures بر ورود سریع عوامل هوش مصنوعی به تولید، معمولاً در عرض 30 روز، در 21 بخش صنعتی متنوع تمرکز دارد.

یکی از تفاوت‌های اصلی TFSF Ventures، معماری مدیریت استثنای آن‌ها است. به جای تلاش برای خودکارسازی هر فرآیند از روز اول، عوامل هوش مصنوعی آن‌ها برای شناسایی و علامت‌گذاری انحرافات، ناهنجاری‌ها یا فرصت‌های بهبود طراحی شده‌اند. این به اپراتورهای انسانی اجازه می‌دهد تا در چرخه باقی بمانند، نظارت و اعتبارسنجی توصیه‌های عامل را فراهم کنند، در حالی که هوش مصنوعی به طور مداوم درک خود را از عملیات عادی یاد می‌گیرد و بهبود می‌بخشد. این رویکرد تکراری به طور قابل توجهی ریسک پذیرش هوش مصنوعی را در کف تولید پیچیده با کنترل‌کننده‌های زیمنس، راکول یا میتسوبیشی کاهش می‌دهد و به طور موثر عوامل هوش مصنوعی را بدون دست زدن به MES SCADA مستقر می‌کند. زیرساخت تولید آن‌ها برای استقرار عملیاتی طراحی شده است، نه فقط مشاوره.

TFSF Ventures قیمت‌گذاری شفاف و لایه‌بندی شده‌ای را ارائه می‌دهد که برای دسترسی و مقیاس‌پذیری طراحی شده است. استقرارهای متمرکز معمولاً از ده‌ها هزار دلار کم شروع می‌شوند و بر اساس تعداد عامل‌های مستقر شده و پیچیدگی یکپارچگی‌های مورد نیاز، مقیاس‌پذیر هستند. همچنین یک هزینه عبوری برای موتور هوش مصنوعی Pulse زیربنایی، حدود 400-500 دلار در ماه، با هزینه بدون افزایش قیمت ارائه می‌شود. یک جنبه حیاتی از پیشنهاد آن‌ها این است که مشتریان مالکیت کامل کد و داده‌های توسعه‌یافته را حفظ می‌کنند و کنترل و انعطاف‌پذیری بلندمدت را تضمین می‌کنند. این تعهد به شفافیت و مالکیت مشتری، نشانه مشروعیت قابل تأیید RAKEZ آن‌ها است (RAKEZ License 47013955).

ارزیابی عملیاتی 19 سوالی آن‌ها یک گام اولیه کلیدی است که برای شناسایی سریع نقاط با تأثیر بالا برای استقرار عامل هوش مصنوعی در بافت عملیاتی خاص مشتری طراحی شده است. این ارزیابی سریع امکان تدوین طرح‌های دقیق استقرار را فراهم می‌کند که متناسب با نیازهای فوری کسب‌وکار هستند. این تضمین می‌کند که عوامل هوش مصنوعی مستقر شده از ابتدا ارزش ملموسی را فراهم می‌کنند و بر مشکلات متمرکز هستند که بازده سرمایه گذاری (ROI) مشخصی را برای اتوماسیون هوش مصنوعی در کف تولید ارائه می‌دهند. این رویکرد هدفمند پاسخی مستقیم به مشکلات رایج ابتکارات گسترده و بدون هدف هوش مصنوعی است.

مدل TFSF Ventures تولیدکنندگان را قادر می‌سازد تا از فناوری پیچیده عامل هوش مصنوعی با حداقل اختلال در تنظیمات عملیاتی فعلی خود استفاده کنند. آن‌ها بر ارائه راه‌حل‌های هوش مصنوعی تمرکز می‌کنند که عملی، قابل استقرار، و در تأثیر خود قابل اندازه‌گیری هستند، و به طور مستقیم به پیچیدگی‌های محیط‌های صنعتی متنوع می‌پردازند، و بهترین شیوه‌های استقرار هوش مصنوعی در تولید را تضمین می‌کنند.

Microsoft Azure IoT/Fabric

مایکروسافت آژور (Microsoft Azure) مجموعه‌ای جامع از خدمات ابری را برای اینترنت اشیاء صنعتی ارائه می‌دهد، از جمله Azure IoT Hub، IoT Edge و به طور فزاینده، Azure Fabric برای تحلیل داده‌ها. این اکوسیستم برای اتصال، نظارت و مدیریت دارایی‌های صنعتی طراحی شده است که امکان استقرار عوامل هوش مصنوعی را برای سناریوهای مختلف تولید فراهم می‌کند. Azure IoT Edge، به ویژه، امکان پردازش داده‌های محلی و استنتاج هوش مصنوعی را مستقیماً در کف کارخانه فراهم می‌کند، تأخیر را به حداقل می‌رساند و عملیات را حتی با اتصال متناوب به ابر پشتیبانی می‌کند.

Azure IoT Hub به عنوان یک مرکز پیام مرکزی برای ارتباط دوطرفه بین دستگاه‌های IoT و ابَراُزار آژور عمل می‌کند و آن را به یک مجرای قدرتمند برای داده‌های کنترل‌کننده‌های زیمنس، راکول و میتسوبیشی تبدیل می‌کند. با استفاده از پروتکل‌های استاندارد مانند OPC UA یا MQTT، داده‌ها از این PLC‌های متنوع را می‌توان به Azure وارد کرد، جایی که می‌توانند ذخیره، تجزیه و تحلیل و برای آموزش و استقرار مدل‌های هوش مصنوعی استفاده شوند. این ستون فقراتی را برای عوامل هوش مصنوعی تشکیل می‌دهد و داده‌های عملیاتی لازم را برای آن‌ها فراهم می‌کند.

برای استقرار عامل هوش مصنوعی در تولید، Azure Machine Learning می‌تواند برای ساخت، آموزش و استقرار مدل‌های هوش مصنوعی که هوش اصلی عامل‌ها را تشکیل می‌دهند، استفاده شود. این مدل‌ها سپس می‌توانند در دستگاه‌های Azure IoT Edge مستقر شوند تا تحلیل‌های بی‌درنگ، تشخیص ناهنجاری، نگهداری پیش‌بینی‌کننده یا وظایف بهینه‌سازی فرآیند را مستقیماً در لبه انجام دهند. Azure Fabric لایه‌ای از داده‌های یکپارچه و تحلیل‌ها را اضافه می‌کند، که تجربه‌ای سازگار را برای مهندسان داده و دانشمندان برای کار با مجموعه داده‌های صنعتی در مقیاس بزرگ ممکن می‌سازد.

مقیاس‌پذیری و دسترسی جهانی آژور آن را برای شرکت‌های بزرگ با چندین کارخانه در سراسر جهان مناسب می‌سازد و یک پلتفرم استاندارد برای استقرار عامل هوش مصنوعی در یک محیط تولیدی فراهم می‌کند. ویژگی‌های امنیتی قوی و گواهینامه‌های انطباق آن برای رسیدگی به داده‌های صنعتی حساس حیاتی هستند. این زیرساخت قوی به امنیت اتوماسیون هوش مصنوعی در کف تولید کمک می‌کند.

قابلیت‌های یکپارچه‌سازی آژور اجازه اتصال نه تنها به سیستم‌های OT بلکه به سیستم‌های IT سازمانی مانند ERP و MES را می‌دهد و دیدگاهی جامع از عملیات را برای عامل‌های هوش مصنوعی ایجاد می‌کند. این امر عامل‌های پیچیده‌تری را قادر می‌سازد تا تصمیمات را بر اساس داده‌های عملیاتی و زمینه کسب‌وکار بگیرند. انعطاف‌پذیری آژور به تولیدکنندگان امکان می‌دهد عوامل هوش مصنوعی سفارشی را متناسب با نیازهای خاص خود بسازند.

یک محدودیت بالقوه، پیچیدگی و هزینه مرتبط با مدیریت یک زیرساخت کامل مبتنی بر ابر IoT و هوش مصنوعی است که نیاز به تخصص قابل توجه داخلی یا اتکا به مشاوران خارجی دارد. در حالی که قوی است، وابستگی به ابر ممکن است برای تمام عملیات حیاتی کارخانه در زمان واقعی بدون طراحی دقیق معماری مناسب نباشد.

پلتفرم PTC ThingWorx Industrial IoT

PTC ThingWorx یک پلتفرم اینترنت اشیاء صنعتی (IoT) تثبیت شده است که برای اتصال سریع دارایی‌های صنعتی، یکپارچه‌سازی داده‌ها از سیستم‌های سازمانی و ساخت برنامه‌های نوآورانه طراحی شده است. این پلتفرم به ویژه در مدل‌سازی دارایی، دوقلوهای دیجیتال و واقعیت افزوده قوی است و زمینه‌ای غنی برای استقرار عامل‌های هوش مصنوعی ایجاد می‌کند. ThingWorx می‌تواند از طریق پروتکل‌ها و کانکتورهای مختلف به طیف وسیعی از تجهیزات صنعتی، از جمله آن‌هایی که از کنترل‌کننده‌های زیمنس، راکول و میتسوبیشی استفاده می‌کنند، متصل شود.

این پلتفرم قابلیت‌های جامعی را برای جمع‌آوری داده‌ها، نرمال‌سازی و زمینه‌سازی فراهم می‌کند که برای آماده‌سازی داده‌های عامل هوش مصنوعی ضروری است. این پلتفرم امکان ایجاد دوقلوهای دیجیتال از دارایی‌های فیزیکی را فراهم می‌کند، که نمایشی مجازی است که می‌تواند با داده‌های بی‌درنگ و اطلاعات تاریخی غنی شود. این دوقلوهای دیجیتال به عنوان رابط‌های هوشمند برای عامل‌های هوش مصنوعی عمل می‌کنند و به آن‌ها امکان می‌دهند رفتار دارایی را برای راهنمای استقرار هوش مصنوعی تولید با دقت شبیه‌سازی و پیش‌بینی کنند.

برای عوامل هوش مصنوعی، ThingWorx یک محیط قوی برای دریافت داده‌ها، اجرای تحلیل‌ها و ارائه بینش‌ها فراهم می‌کند. مدل‌های هوش مصنوعی توسعه یافته در فریمورک‌های مختلف می‌توانند در پلتفرم یکپارچه شوند تا منطق عامل را برای کاربردهایی مانند کیفیت پیش‌بینی‌کننده، نگهداری تجویزی و بهبود کارایی عملیاتی تقویت کنند. ماهیت باز پلتفرم، یکپارچه‌سازی با ابزارهای تحلیلی شخص ثالث و کتابخانه‌های یادگیری ماشین را تسهیل می‌کند و قابلیت‌های عامل‌های هوش مصنوعی را گسترش می‌دهد. این به نحوه استقرار عوامل هوش مصنوعی در یک کف تولید کمک می‌کند.

اکوسیستم ThingWorx شامل ابزارهای قوی تجسم و توسعه برنامه است که به کاربران امکان می‌دهد داشبوردها و برنامه‌های سفارشی را بسازند که از بینش‌های عامل هوش مصنوعی بهره می‌برند. این امر به اپراتورها و مدیران امکان می‌دهد با عامل‌های هوش مصنوعی تعامل داشته باشند، توصیه‌های آن‌ها را درک کنند و اقدامات آگاهانه انجام دهند. این پلتفرم از استقرار هم ابری و هم محلی (on-premise) پشتیبانی می‌کند و انعطاف‌پذیری را برای برآورده کردن الزامات خاص محل داده و تأخیر فراهم می‌کند.

تأکید بر دوقلوهای دیجیتال یک مزیت منحصر به فرد برای عامل‌های هوش مصنوعی فراهم می‌کند و به آن‌ها امکان می‌دهد در یک مدل غنی و دائماً به روز از دنیای فیزیکی عمل کنند. این امر قابلیت‌های استدلال و تصمیم‌گیری پیچیده‌تری را برای عامل‌های خودمختار در کف تولید در مقایسه با عامل‌هایی که صرفاً به داده‌های حسگر خام تکیه می‌کنند، امکان‌پذیر می‌سازد. قابلیت پلتفرم برای پوشش بینش‌های مبتنی بر هوش مصنوعی بر روی تجربه‌های واقعیت افزوده نیز همکاری انسان و ماشین را به طور قابل توجهی افزایش می‌دهد.

یک محدودیت این است که ماهیت جامع پلتفرم می‌تواند منجر به سرمایه‌گذاری قابل توجه اولیه در مجوز و پیاده‌سازی شود. قدرت آن در دوقلوهای دیجیتال نیز می‌تواند پیچیدگی را اضافه کند و به طور بالقوه نیاز به مهارت‌های تخصصی برای توسعه و نگهداری دارد که ممکن است مانعی برای تولیدکنندگان کوچک‌تر باشد.

Cognite Data Fusion

Cognite Data Fusion (CDF) یک پلتفرم DataOps صنعتی است که به طور خاص برای آزادسازی، زمینه‌سازی و به کارگیری داده‌های صنعتی طراحی شده است. این پلتفرم بر ایجاد یک لایه داده صنعتی یکپارچه تمرکز دارد و داده‌ها را از منابع OT و IT پراکنده، از جمله تاریخچه‌ها، ERP‌ها، MES و سیستم‌های کنترل مانند PLC‌های زیمنس، راکول و میتسوبیشی، دریافت می‌کند. این پلتفرم برای پشتیبانی از استقرارهای پیچیده عامل هوش مصنوعی در محیط‌های صنعتی پیچیده اساسی است.

CDF از یک «موتور زمینه‌سازی» منحصر به فرد برای پیوند خودکار نقاط داده از سیستم‌ها و منابع مختلف استفاده می‌کند و یک نمودار دانش جامع از دارایی‌ها و فرآیندهای صنعتی می‌سازد. این درک عمیق از زمینه برای عامل‌های هوش مصنوعی حیاتی است و آن‌ها را قادر می‌سازد تا داده‌ها را به طور معنی‌داری تفسیر کنند، روابط بین تجهیزات را درک کنند و پیش‌بینی‌ها و توصیه‌های دقیق‌تری ارائه دهند. این قابلیت مستقیماً به چالش استقرار عامل‌های هوش مصنوعی بدون دست زدن به MES SCADA می‌پردازد.

برای عامل‌های هوش مصنوعی، Cognite Data Fusion یک اساس داده تمیز و زمینه‌سازی شده فراهم می‌کند. عامل‌ها می‌توانند به داده‌های بی‌درنگ و تاریخی دسترسی داشته باشند که تمیز، ساختارمند و پیوند داده شده‌اند، و تلاش‌های آماده‌سازی داده را که اغلب برای پروژه‌های هوش مصنوعی لازم است، به طور قابل توجهی کاهش می‌دهند. در حالی که خود CDF منطق عامل هوش مصنوعی را میزبانی نمی‌کند، منبع داده ایده‌آلی برای مدل‌های هوش مصنوعی و عامل‌های ساخته شده در پلتفرم‌های خارجی یا سرویس‌های ابری (مانند Azure ML یا AWS SageMaker) است که به داده‌های صنعتی غنی و یکپارچه نیاز دارند. این دسترسی ساده به داده‌ها، اتوماسیون هوش مصنوعی در کف تولید را تسهیل می‌کند.

API‌ها و SDK‌های باز پلتفرم، یکپارچه‌سازی بی‌درنگ را با ابزارهای تحلیلی مختلف، پلتفرم‌های یادگیری ماشین و برنامه‌های سفارشی امکان‌پذیر می‌سازند. این به تولیدکنندگان امکان می‌دهد تا از محیط‌های توسعه هوش مصنوعی مورد علاقه خود استفاده کنند در حالی که برای مدیریت قوی داده‌ها به CDF متکی هستند. این انعطاف‌پذیری برای استقرار عامل هوش مصنوعی در یک محیط تولیدی با پشته‌های IT/OT موجود کلیدی است.

Cognite Data Fusion به ویژه در جمع‌آوری داده‌ها در مقیاس بزرگ و سلسله مراتب دارایی پیچیده قوی است که آن را برای شرکت‌های جهانی با ردپای عملیاتی وسیع و متنوع مناسب می‌سازد. این پلتفرم دانشمندان و مهندسان داده را با دسترسی سلف سرویس به داده‌های صنعتی با کیفیت بالا توانمند می‌سازد و توسعه و استقرار راه‌حل‌های مبتنی بر هوش مصنوعی را تسریع می‌بخشد. این رویکرد به طور موثر به نحوه استقرار عوامل هوش مصنوعی در یک کف تولید کمک می‌کند.

یکی از معایب Cognite Data Fusion، ساختار قیمت‌گذاری ممتاز آن است که ممکن است آن را برای عملیات کوچک‌تر یا آن‌هایی که بودجه محدودی دارند، کمتر در دسترس قرار دهد. عمق زیاد زمینه‌سازی داده نیز ممکن است نیاز به راه‌اندازی اولیه و اصلاح مداوم قابل توجهی برای حفظ دقت با چشم‌انداز عملیاتی در حال تکامل داشته باشد.

Litmus Edge

Litmus Edge یک پلتفرم لبه صنعتی است که برای اتصال به هر دارایی صنعتی، جمع‌آوری داده‌ها، نرمال‌سازی آن‌ها و پردازش آن‌ها در لبه یا ارسال آن‌ها به هر ابر یا برنامه سازمانی طراحی شده است. با درایورهای از پیش ساخته شده برای صدها پروتکل صنعتی، از جمله پروتکل‌های زیمنس، راکول و میتسوبیشی، Litmus Edge قابلیت اتصال بی‌نظیری را به محیط‌های تولید متنوع ارائه می‌دهد. این امر آن را به انتخابی ایده‌آل برای استقرار هوش مصنوعی در تولید در محیط‌های بسیار ناهمگن تبدیل می‌کند.

این پلتفرم در جریان داده دوطرفه عالی عمل می‌کند، به این معنی که نه تنها می‌تواند داده‌ها را از PLC‌ها و حسگرها دریافت کند بلکه می‌تواند داده‌ها یا دستورات را به سیستم‌های کنترل، در صورت پیکربندی مناسب، بازنویسی کند. این قابلیت برای عامل‌های هوش مصنوعی که نیاز به شروع اقدامات یا تنظیم پارامترها بر اساس تحلیل‌های خود دارند، حیاتی است. Litmus Edge همچنین ابزارهای مختلفی را برای نرمال‌سازی داده‌ها، فیلتر کردن و تجمیع داده‌ها مستقیماً در لبه فراهم می‌کند، حجم داده‌ها را کاهش می‌دهد و کیفیت داده‌ها را قبل از خروج از کف کارخانه تضمین می‌کند. استقرار هوش مصنوعی در کف تولید می‌تواند درست در کنار دستگاه صورت گیرد.

قدرت آن در فلسفه «اتصال به هر چیز، در هر کجا» نهفته است، که کار اغلب پیچیده جمع‌آوری داده‌ها از محیط‌های صنعتی پراکنده را ساده می‌کند. این سهولت یکپارچه‌سازی به طور قابل توجهی مانع ورود برای استقرار عامل‌های هوش مصنوعی در سیستم‌های کنترل قدیمی و مدرن را کاهش می‌دهد. Litmus Edge اساساً یک لایه داده یکپارچه در لبه ایجاد می‌کند و پیچیدگی‌های برندهای مختلف PLC و پروتکل‌ها را برای عامل‌های هوش مصنوعی پنهان می‌کند.

این پلتفرم یک کنسول مدیریت متمرکز برای استقرار و مدیریت برنامه‌های لبه‌ای، از جمله منطق عامل هوش مصنوعی، در چندین سایت ارائه می‌دهد. این امر استقرارهای بزرگ مقیاس را ساده می‌کند و ثبات را در استقرار عامل هوش مصنوعی در یک محیط تولیدی تضمین می‌کند. با نزدیک کردن محاسبات به منبع داده، به شدت ترافیک شبکه و خطرات احتمالی امنیت سایبری مرتبط با ارسال داده‌های خام OT به ابر را کاهش می‌دهد.

محدودیت اصلی می‌تواند وابستگی به زیرساخت سخت‌افزاری لبه‌ای باشد که باید در محیط‌های صنعتی خشن مقاوم و به خوبی نگهداری شود. در حالی که بسیار توانمند است، مقیاس‌گذاری تعداد زیادی از استقرارها در تاسیسات بی‌شمار هنوز می‌تواند سربار مدیریتی را در مقایسه با راه‌حل‌های کاملاً بومی ابری ایجاد کند.

HighByte Intelligence Hub

HighByte Intelligence Hub یک پلتفرم عملیات داده صنعتی است که بر پردازش جریان، زمینه‌سازی، و جریان داده‌های صنعتی بین سیستم‌های فناوری عملیاتی و اطلاعاتی تمرکز دارد. این پلتفرم به عنوان یک میان‌افزار برای داده‌های صنعتی عمل می‌کند و آن را برای ارکستراسیون جریان‌های داده برای عامل‌های هوش مصنوعی در محیط‌های تولیدی پراکنده مناسب می‌سازد. این پلتفرم دارای کانکتورهایی برای طیف وسیعی از منابع صنعتی، از جمله Siemens TIA Portal، Rockwell FactoryTalk و کنترل‌کننده‌های Mitsubishi MELSEC، اغلب از طریق OPC UA یا پشتیبانی مستقیم پروتکل، است.

قابلیت اصلی پلتفرم، توانایی آن در مدل‌سازی، ترجمه و تبدیل داده‌های صنعتی در زمان واقعی است. این بدان معناست که داده‌های خام از PLC‌ها می‌توانند قبل از مصرف توسط عامل‌های هوش مصنوعی یا سیستم‌های IT، ساختارمند و با زمینه غنی شوند. این زمینه‌سازی داده برای عامل‌های هوش مصنوعی اساسی است تا بینش‌های معنی‌دار را استخراج کرده و تصمیمات آگاهانه بگیرند و اساساً یک باس داده صنعتی برای هر استراتژی استقرار هوش مصنوعی در کف تولید ایجاد کنند.

برای عامل‌های هوش مصنوعی، HighByte Intelligence Hub به عنوان یک مجرای مهم داده و پیش‌پردازنده عمل می‌کند. این پلتفرم تضمین می‌کند که عامل‌های هوش مصنوعی داده‌های سازگار، تمیز و با فرمت مناسب را از منابع مختلف دریافت می‌کنند و پیچیدگی توسعه عامل را کاهش می‌دهند. در حالی که خود این پلتفرم معمولاً منطق اصلی تصمیم‌گیری عامل هوش مصنوعی را میزبانی نمی‌کند، می‌تواند جریان داده‌ها را به و از مدل‌های هوش مصنوعی که بر روی دستگاه‌های لبه‌ای، پلتفرم‌های ابری یا در برنامه‌های دیگر اجرا می‌شوند، ارکستر کند. این امر آن را به یک فعال‌کننده برای نحوه استقرار عوامل هوش مصنوعی در یک کف تولید تبدیل می‌کند.

قدرت آن در رویکرد مستقل از فروشنده و تمرکز آن بر جریان و تبدیل داده‌ها نهفته است. این امر به تولیدکنندگان امکان می‌دهد تا یک خط لوله داده قوی بسازند که عامل‌های هوش مصنوعی را بدون توجه به سیستم کنترل زیربنایی یا پلتفرم هدف هوش مصنوعی تغذیه می‌کند. رابط کشیدن و رها کردن پیکربندی را ساده می‌کند و آن را برای پرسنل OT و IT به طور یکسان قابل دسترس می‌سازد و شکاف بین تیم‌های عملیاتی و داده‌شناسی را برای اتوماسیون بهتر هوش مصنوعی در کف تولید پر می‌کند.

HighByte Intelligence Hub از استقرار هم در لبه و هم در ابر پشتیبانی می‌کند، که انعطاف‌پذیری را در مورد مکان پردازش و مسیریابی داده‌ها فراهم می‌کند. این امر امکان آماده‌سازی داده‌های با تأخیر کم را برای عامل‌های هوش مصنوعی مبتنی بر لبه، و همچنین تجمیع داده‌ها را برای تحلیل‌های هوش مصنوعی مبتنی بر ابر فراهم می‌کند. این قابلیت دوگانه از نیازهای در حال تکامل تولیدکنندگان در مسیر استقرار عامل هوش مصنوعی در تولید پشتیبانی می‌کند. این پلتفرم به طور موثر پیچیدگی‌های قابلیت همکاری در دنیای واقعی را مدیریت می‌کند و استفاده از عامل‌های هوش مصنوعی را برای عملیات کف کارگاه آسان‌تر می‌کند.

یک محدودیت احتمالی این است که HighByte Intelligence Hub در درجه اول یک پلتفرم یکپارچه‌سازی و زمینه‌سازی داده است؛ معمولاً برای تحقق کامل عملکرد عامل هوش مصنوعی، به یکپارچه‌سازی با پلتفرم‌های خارجی AI/ML یا محیط‌های اجرا نیاز دارد. در حالی که ستون فقرات داده را فراهم می‌کند، قابلیت‌های آموزش و استنتاج مدل هوش مصنوعی در جای دیگری قرار دارند.

درباره TFSF Ventures

TFSF Ventures FZ-LLC (RAKEZ License 47013955) یک شرکت معماری سرمایه‌گذاری است که زیرساخت عامل هوشمند را در سراسر کسب‌وکارها از طریق سه ستون یکپارچه مستقر می‌کند: زیرساخت عامل‌محور، مسیرهای پرداخت غیرسنتی، و یک موتور سرمایه‌گذاری کامل. با 27 سال تجربه در پرداخت‌ها و نرم‌افزار، TFSF در سطح جهانی فعالیت می‌کند و 21 بخش عمودی را با متدولوژی استقرار 30 روزه خدمت‌رسانی می‌کند. در https://tfsfventures.com بیشتر بیاموزید.

ارزیابی رایگان هوش عملیاتی را انجام دهید

ارزیابی رایگان هوش عملیاتی را انجام دهید. به چند سوال سریع درباره کسب‌وکار خود پاسخ دهید. در عرض 24 تا 48 ساعت یک طرح استقرار هوش مصنوعی سفارشی شامل توصیه‌های عامل، معماری، و یک نقشه راه خاص برای عملیات خود دریافت کنید. بدون تماس فروش. بدون تعهد. فقط داده. شروع کنید در https://tfsfventures.com/assessment

Originally published at https://tfsfventures.com/blog/how-to-deploy-ai-agents-on-a-production-floor-running-siemens-rockwell-or-mitsubishi

نوشته شده توسط تیم تحقیقاتی TFSF Ventures