Tác giả: ERIK SHERMAN
Tầm nhìn của máy đang chuyển đổi kiểm soát chất lượng. Các hệ thống kiểm tra hiện đại có thể làm nhiều hơn là chỉ chấp nhận hoặc từ chối các bộ phận. Nhờ học hỏi sâu, họ có thể tự động điều chỉnh quy trình sản xuất, cắt giảm chất thải và kém hiệu quả.
Xem xét các quy trình sản xuất phụ gia như hàn và in 3D. Các quy trình này có thể rất nhạy cảm với các yếu tố như nhiệt độ, tốc độ đường truyền, hiệu chuẩn máy và sự thay đổi trong vật liệu. Khi các tham số đi ra khỏi tiêu chuẩn, nó có thể nhanh chóng dẫn đến các bộ phận không thể sử dụng.
Một hệ thống kiểm tra tiêu chuẩn có thể xác định các phần xấu, nhưng nó không thể xác định nguyên nhân của sự bất thường. Điều đó sẽ tùy thuộc vào con người, người chỉ có thể điều chỉnh quy trình sau khi kiểm tra các bộ phận bị loại bỏ. Ngược lại, một hệ thống kiểm tra học tập sâu có thể cung cấp những hiểu biết sâu sắc hơn về bản chất của vấn đề.
Hãy xem xét một quá trình sản xuất phụ gia kim loại. Một hệ thống kiểm tra tiêu chuẩn chỉ có thể đánh giá sản phẩm hoàn chỉnh và đưa ra quyết định chấp nhận hoặc từ chối đơn giản. Ngược lại, một hệ thống học sâu có thể tự theo dõi quá trình sản xuất, liên tục đánh giá tính nhất quán của rãnh kim loại nóng chảy. Điều này tạo ra một cơ hội để khắc phục sự cố khi chúng xảy ra, cứu vãn một phần có thể bị từ chối.
Trong các dây chuyền sản xuất truyền thống, một hệ thống học sâu có thể thực hiện các điều chỉnh như hướng dẫn PLC giảm tốc độ đường truyền hoặc tăng nhiệt độ quá trình. Điều chỉnh liên tục này có thể làm giảm đáng kể số lượng các bộ phận bị loại bỏ.
Thách thức triển khai
Thách thức cho các nhà phát triển đã và đang tìm cách triển khai tầm nhìn của máy. Một cách tiếp cận phổ biến là xây dựng phần cứng tùy chỉnh xung quanh các đơn vị xử lý đồ họa (GPU). Mặc dù cách tiếp cận này có thể mang lại hiệu suất cần thiết, GPU thường không đáp ứng các yêu cầu về độ tin cậy công nghiệp. Sức mạnh cũng là một vấn đề, bởi vì GPU có xu hướng chạy nóng và yêu cầu quạt làm mát, không phù hợp với môi trường công nghiệp gồ ghề.
Nỗ lực cần thiết cho một hệ thống tùy chỉnh đầy đủ cũng là một vấn đề. Ngoài những khó khăn cơ bản trong việc tạo phần cứng tùy chỉnh, các kỹ sư phải tích hợp thiết kế của họ vào vòng điều khiển. Với tính chất chuyên biệt của các PLC được sử dụng để điều khiển thiết bị công nghiệp, đây có thể là một thách thức không cần thiết.
Tích hợp AI dễ dàng hơn
Để giải quyết các vấn đề này, SIEMENS AG và Intel® đã hợp tác trên một mô-đun học sâu mới cho dòng PLC SIMATIC S7 của Siemens. Thomas Dietrich, Giám đốc tài khoản kỹ thuật tại Intel cho biết, với mô-đun này, người ta có thể tăng cường hệ thống PLC hiện đang điều khiển máy chỉ bằng cách thêm mô-đun mở rộng AI để suy luận cục bộ. Một phần mềm dễ dàng cài đặt nếu bạn đã cài đặt Bộ điều khiển SIMATIC S7-1500. Bạn chỉ cần cắm mô-đun mở rộng AI và cảm biến không nhìn thấy camera và thiết lập phần cứng đã hoàn tất.
NPU SIMATIC S7-1500 TM là mô-đun mở rộng PLC dựa trên bộ xử lý hình ảnh Intel® Movidius ™ Myriad ™ X (VPU). Được thiết kế dành riêng cho AI tiết kiệm năng lượng, công nghệ Intel này cho phép mô-đun xử lý tới 720 cặp âm thanh nổi từ nhiều luồng camera, chỉ với chế độ làm mát thụ động, chạy tầm nhìn máy tính trong thời gian gần mà không ảnh hưởng đến mức tiêu thụ năng lượng hoặc độ chính xác. Đây là độ phân giải cao hơn 3 lần so với các nền tảng khác ở độ phân giải VGA, hoặc 6X so với các nền tảng khác ở 30 Hz.
Mô-đun xử lý dữ liệu trực quan hoặc không trực quan, chẳng hạn như âm thanh hoặc rung động và sau đó gửi kết quả phân tích đến PLC qua bảng nối đa năng. PLC sau đó chạy thuật toán điều khiển, sử dụng dữ liệu phân tích làm đầu vào và điều chỉnh luồng điều khiển.
Hình 1 cho thấy một ví dụ về một dây chuyền sản xuất có thể sử dụng hệ thống trong kịch bản chọn và đặt. Một mặt hàng sản xuất đi vào một băng chuyền bên trái. Đèn LED trên cao chiếu sáng các mặt hàng. Một camera được gắn trên một nền tảng thu nhận hình ảnh và truyền nó đến mô đun mở rộng PLC. Đổi lại, PLC chỉ đạo hướng cánh tay robot để nâng vật phẩm và đặt nó lên băng tải sang phải.
Với một mô hình AI để nắm bắt, mô-đun sẽ tính toán hàng trăm điểm nắm bắt trong vòng một phần nghìn giây và chọn những điểm tốt nhất cho đối tượng đã cho. Sau đó, nó có thể chuyển thông tin này đến PLC điều khiển cánh tay robot để nhặt vật thể theo cách tốt nhất với một phần cứng chuyên dụng PLC SIMATIC S7-1500 hoặc Bộ điều khiển mở SIMATIC ET 200SP dựa trên PC, cung cấp Windows phân vùng cho các ứng dụng bổ sung.
Tự động hóa như thế này có thể tiết kiệm số lượng lớn lao động cho doanh nghiệp. Ngày nay, có rất nhiều quy trình thủ công tại một dây chuyền sản xuất riêng biệt, để kiểm soát chất lượng dựa vào mắt người hoặc lắp ráp các bộ phận hỗn hợp như công nghệ xuyên lỗ trong sản xuất PCB, Dietrich cho biết. Những người đó là những trường hợp sử dụng mà AI có thể giúp cải thiện chất lượng và / hoặc năng suất bằng cách tự động hóa tăng lên.
Thay vì một cánh tay robot nâng vật phẩm, PLC có thể điều khiển bất kỳ loại thiết bị nhà máy nào khác, như thiết bị hàn được đề cập hoặc công cụ gia công CNC. Trên thực tế, hệ thống thậm chí không bị hạn chế tầm nhìn. Trường hợp sử dụng chính là video, nhưng bạn có thể làm những việc khác, Diet Dietrich nói thêm. Phần mềm mở ra một loạt các trường hợp sử dụng khác nhau có thể có như rung hoặc thậm chí phân tích âm thanh để bảo trì dự đoán.”
Xây dựng mô hình AI
Tất nhiên, không có phần cứng ấn tượng này là hữu ích cho đến khi bạn xây dựng một mô hình học tập sâu. Một lần nữa, Intel và Siemens đã giải quyết vấn đề này bằng một sự hợp tác, tích hợp chuỗi công cụ của họ cho một giải pháp đầu cuối.
Nó bắt đầu bằng việc phát triển một mô hình học tập sâu bằng cách sử dụng các khung AI phổ biến nhất như Caffe hoặc Tensorflow, sau đó có thể được tối ưu hóa và triển khai cho mô-đun, cùng với một chương trình ứng dụng nhỏ, thông qua thẻ SD. Thông thường, bạn có thể bắt đầu với việc sử dụng mô hình DL hiện có, miễn phí và điều chỉnh nó theo trường hợp sử dụng cụ thể của bạn bằng cách đào tạo lại với dữ liệu sản xuất có sẵn. Từ đây, mô- đun có thể được cấu hình trong khung Kỹ thuật của Siemens, Cổng thông tin TIA, để triển khai và sử dụng dữ liệu từ (các) mô-đun NPU TM trong chương trình PLC.
Ý tưởng cho tương lai (gần) là có thể cung cấp bàn làm việc AI, để đơn giản hóa việc tạo, triển khai và hiện thực hóa các giải pháp AI công nghiệp và giúp chúng có thể truy cập không chỉ các chuyên gia AI mà cho mọi kỹ sư tự động hóa.
Một diện mạo mới cho tầm nhìn máy móc
Đối với các nhà sản xuất, cách tiếp cận đơn giản hơn về tầm nhìn máy móc này mở ra một thế giới khả năng. Thay vì bị giới hạn trong việc khắc phục các sự cố sau thực tế, các nhà sản xuất có thể liên tục điều chỉnh các quy trình của họ để đạt hiệu quả tối đa. Và với cách tiếp cận tích hợp cao mà Siemens đã theo đuổi, các nhà sản xuất có thể khiến các hệ thống thị giác máy này chạy nhanh hơn bao giờ hết.
Thông tin về các Tác giả Erik Sherman là một nhà báo, nhà phân tích và nhà tư vấn có nền tảng về kỹ thuật, công nghệ và quản lý kinh doanh. Ông viết về các chủ đề như chất bán dẫn, phần mềm doanh nghiệp, hậu cần, phát triển phần mềm, công nghệ quảng cáo, công cụ khoa học, công nghệ sinh học, kinh tế, tài chính, tiếp thị và chính sách công.