אחת התוצאות של התבגרות הטכנולוגיות כמו האינטרנט של הדברים (IoT), מציאות מוגברת (AR) ומחשוב ענן היא עליית המפעל החכם. מראה מוכר יותר ויותר במפעלים חכמים הם רובוטים שיתופיים. רובוטים שיתופיים כבר ממלאים תפקיד חשוב בייצור חכם וייקחו על עצמם פונקציות רבות יותר ויספקו ערך גדול יותר במפעל לאורך זמן.
ככל שמפעלים חכמים מסתמכים יותר ויותר על רובוטים שיתופיים כדי למלא את תפקידיהם החיוניים, זה הופך להיות חשוב עוד יותר שהם יפעלו באופן אמין וללא השבתה לא מתוכננת. זה הניע את יצרני הרובוטים השיתופיים לאפשר תחזוקה חזויה במוצריהם: אזהרה מוקדמת למשתמשים במקרה של כישלון שיכול בסופו של דבר לסכן את פעולת הרובוטים השיתופיים שלהם. היא מציעה אפשרות לתקן תקלות בזמני תחזוקה מתוכננים ללא ההפרעה שנגרמה כתוצאה מכשל במכונה בלתי צפויה.
ברובוטים שיתופיים, מערכות תחזוקה חזויות מסתמכות על חיישנים המגלים חריגות קטנות בתנועת גפיים ומפרקים, כמו גם במנועים המניעים אותם:
- חיישנים כמו תאוצה ויחידות מדידה אינרציאליות (IMUS) יכולים לאתר תנודות הנגרמות כתוצאה מנשיאת בלאי וכו '.
- חיישנים קוליים מרימים חתימות אקוסטיות ייחודיות לגילוי חיכוך מוגזם.
טכניקות למידת מכונה, ענף של בינה מלאכותית (AI), משמשות לאפשר לרובוטים שיתופיים לאתר הבדלים ברטט ובדפוסי הצליל מנקודת התייחסות כאשר הרובוט השיתופי הוא חדש לגמרי או במצב לא פגום. ניתוח דפוסים לא תקינים מאפשר למערכת לאבחן תקלות מוקדמות ולבקשות להפעיל תיקונים ותחזוקה מתוכננים למערכת ניהול המפעל.
ביישומים מוקדמים של למידת מכונות, אלגוריתמי רשת עצבית מורכבת לזיהוי דפוסים באותות חיישנים התנהלו בדרך כלל מרחוק במערכות מחשוב משובצות מיקרו-מעבדות חזקות.
עם זאת, מערכות ריכוזיות כאלה הציבו נטל כבד על ציוד עיבוד בעת התמודדות עם תשומות ממספר גדול של רובוטים משתפים פעולה, וכתוצאה מכך צריכת חשמל גבוהה ולקיום רוחב פס משמעותי ברשת המחברת בין הרובוטים המשתפים פעולה למערכת הבקרה המרכזית.
הופעתו של דור חדש של חיישנים עם יכולות AI משובצות מציעה כעת יצרני רובוטים שיתופיים דרך חדשה לאפשר למידת מכונה מקומית. באמצעות כלים ותוכנות מ- Stmicroelectronics, חלוץ בפיתוח חיישני למידת מכונות, מהנדסי תכנון רובוטים שיתופי יכולים לנצל דרך חדשה ופשוטה יותר לבנות יכולות תחזוקה חזויות למוצריהם.
מגוון רחב של חיישני MEMS לרטט ומדידות קוליות
ST מציעה את אחד התיקים הגדולים בתעשייה של חיישני MEMS, כולל תאוצה, IMUS, חיישני לחץ ומיקרופונים. רכיבי החישה מיוצרים באמצעות תהליכי מיקרומציה מיוחדים, ואילו ממשקי ה- IC מפותחים באמצעות טכנולוגיית CMOS מיוחדת. זה מאפשר תכנון של מעגלים מתמחים התואמים את המאפיינים של אלמנט החישה.
טכנולוגיה זו מבססת את הביצועים הגבוהים של ה- IIS3DWB, למשל, תא האצה של רוחב הפס של שלוש צירים אולטרה-רחב, האידיאלי לגילוי תנודות שנוצרו על ידי מכונות לקויות. ST מציעה גם מודולי חיישני תנועה המבוססים על חיישן MEMS ICS שלה: ISM33 0 DHCX, למשל, הוא מוצר של מערכת אריזה הכולל תלת-מימד תלת-ממדי תלת-ממדי וג'ירוסקופים דיגיטליים המותאמים לתעשייה 4.0 ו
למידת מכונה המבוססת על היגיון עץ ההחלטה
ה- ISM330DHCX הוא אחד מהיצע חיישני MEMS של ST הכולל פונקציונליות AI משובצת בצורה של ליבת למידת מכונה (MLC). יכולת למידת מכונה זו מאפשרת למפעילי מערכות להעביר כמה אלגוריתמי תחזוקה חזויים ממעבד היישומים המרכזי לחיישן, כאשר ה- MLC הייעודי צורך הרבה פחות כוח.
אז איך בלוק ההיגיון הקטן והעובד הנמוך של החיישן יכול לספק את יכולות הלמידה של המכונה שבדרך כלל ידרוש מעבד יישומים גדול ורעב כוח?
התשובה נעוצה בהיגיון עץ ההחלטה כי ST מטמיעה בחיישנים החכמים שלה: אלגוריתמי עץ ההחלטה המאפשרים ST הם פשוטים יותר מאלגוריתמי רשת עצביים מסורתיים, ולכן צורכים הרבה פחות מחזורי הוראות וכוח.
עץ החלטה הוא כלי מתמטי המורכב מסדרת צמתים הניתנים להגדרה. כל צומת מייצג מצב "אם-אז-אלף" שמשווה אות קלט (כלומר, ערך כמותי המחושב מנתוני חיישן גולמי) עם ערך סף.
ניתן להגדיר את ה- ISM330DHCX כדי לרוץ עד שמונה עצי החלטה בו זמנית ועצמאית. עצי ההחלטה מאוחסנים במכשיר והתוצאות נוצרות ברישומי תפוקה ייעודיים. ניתן לקרוא את תוצאות עץ ההחלטה בכל עת על ידי מיקרו -בקר המארח או מעבד היישומים. החיישן יכול גם ליצור הפרעות עבור כל שינוי בתוצאות שנוצר על ידי עץ ההחלטה.
כיצד עובד היגיון עץ ההחלטה
המודל החיזוי של עץ ההחלטה בנוי מתוך קבוצה של נתוני אימונים ונשמר ב- ISM330DHCX. נתוני ההדרכה נרשמים במצבה הרצוי (כלומר במצב טוב, ללא תקלות) במהלך הפעלת הרובוט השיתופי.
עץ החלטה הוא שיטה שבה MLC מנתחת תכונות נפוצות בנתוני החיישן הגולמי. תכונות נפוצות אלה יהוו בסיס ל"מודל "בו החיישנים ישתמשו כדי להשוות את פעולת הרובוט השיתופי. אם פלט החיישן תואם מאוד את המודל, הרובוט השיתופי הוא נטול תקלות. אם החיישן אינו מסוגל להתאים את מדידותיו בזמן אמת למודל, מצוין תקלה אפשרית ונשלחת אזעקה למפעיל המכונה.
כל צומת של עץ ההחלטה מכיל תנאי שמתחתיו משווים את התכונות לסף ספציפי. אם המצב נכון, הצומת הבא בנתיב האמיתי מוערך. אם המצב שקרי, הצומת הבא בנתיב השווא מוערך, כפי שמוצג באיור 1. מצב עץ ההחלטה יתפתח בצומת לפי צומת עד שתמצא התוצאה. התוצאה של עץ ההחלטה מגדירה "קטגוריה" התנהגותית: במקרה של צמיד כושר, קטגוריה כזו עשויה להיות "הליכה" או "ריצה". ביישומי תחזוקה חזויים לרובוטים שיתופיים, עומסי עבודה שונים של רובוטים שיתופיים תואמים קטגוריות שונות.
עץ ההחלטה מורכב ממספר צמתים
עץ ההחלטה מייצר תוצאה חדשה לכל חלון זמן, שאורךו מוגדר על ידי המשתמש לתפוס את המאפיינים של קטגוריית הפעילות הרלוונטית. ניתן לשנות את התוצאה גם על ידי פילטר אופציונלי נוסף המכונה "מטה-סימון" המיישם דלפקים פנימיים על תפוקת עץ ההחלטה.
ניתן לגשת לקטגוריות הפעילות המוכרות על ידי ה- MLC (בצורה של תוצאות עץ החלטה מסוננות או לא מסוננות) דרך רישומי מודול ISM330DHCX.