人工智能和机器学习打造可持续的智能工厂

March 3, 2022

Satta Hightower

工业自动化系统集成商

如果您的公司能够利用数据来改善 PID 控制器的性能，将工业设备的变数降低 8%，并减少 700 吨排放至大气的污染物，您觉得怎么样？一些制造公司已经在工业物联网技术的帮助下做到了这一点。

数据驱动的制造业自动化姗姗来迟。运营效率和可见性极低的老旧流程和传统技术在行业中仍很常见。

但人工智能 (AI) 和机器学习 (ML) 可以推动工业优化，为真正的创新铺平道路：提高设备性能、促进预测性维护并削减成本——在做到这一切的同时，还有利于降低工厂对环境的影响。工业人工智能公司 BirminD 已经在为客户创造这些结果，利用人工智能和工业分析来推动该行业的转型。

工厂车间的浪费和低效

制造商过去往往依靠 PID 控制回路来管理车间工业设备的性能。PID 控制器是用于调节过程参数（如工业设备的速度、温度、酸碱值、流量和压力）的仪表。工厂必须对这些参数进行调整（也就是整定），才能在 PID 控制回路中获得最佳性能，但要恰到好处地做到这一点有时很难。

BirminD 的首席执行官 Diego Mariano 说：“每个过程中都有一个最佳操作参数，如果 PID 控制器整定不当，就会引起振荡。”

Mariano 指出，制造商在使用 PID 控制器时面临的主要挑战是：它们没有整定为正确的频率或正确的输出。此外，许多 PID 控制器没有集成到控制系统中去，也没有收集可供进一步分析的数据。

PID 控制器整定不当可能会加大过程变数；降低电力、天然气和化学品的使用效率——并加大设备故障的可能性。

引入工业人工智能和机器学习的力量

为了避免这些糟糕的结果和潜在的浪费，公司需要采用持续的 PID 整定。BirminD 的人工智能驱动算法和解决方案使之成为可能。

该公司的 BWise BCloud AutoML 解决方案使用来自工厂车间各种工业设备的数据来检测工业流程中的异常，并提供分析，帮助公司利用 ML 的力量进行预测性维护。

“我们通过持续学习来帮助制造商改进 PID 控制回路。我们一直在监控我们客户的数据，并为他们提供适用于任何流程模型的最佳方法。” Mariano说。

BirminD 平台使客户能够将数据存储在边缘或云中。它将英特尔^® 边缘到云解决方案与人工智能解决方案相结合，优化工厂控制回路的整定。

BirminD 的首席技术官 Raphael Bartholo Costa 表示，该公司的解决方案以一种非侵入性的方式对 PID 整定做出改进。工厂数据离线存储在采用英特尔技术的边缘设备上，因为一些公司不喜欢在云环境中运行数据。通过这种方法，客户可以通过 Web 应用程序或内部控制面板接收深度分析，然后以各种方式部署这些信息，以便改进其工业流程。

“我们不会改变这一过程的正常功能。我们通过数据来学习，” Bartholo Costa 表示，“而且我们可以在工厂内同时对所有的控制回路进行规模化处理。”

BWise 解决方案还提供了一个 API，供系统集成商和客户将 ML 算法整合到自己的平台或软件中，使他们能够安全地将数据发送到 BirminD 的云中，并通过自己的界面接收洞见。

这种可扩展而又灵活的产品已为汽车、废水处理、水泥厂和造纸业等行业的客户带来了重大成果。