#41

#20

使用 PLC 進行機器學習和預測性維護

時至今日，PLC已經廣泛用於控制工業設備和生產過程的自動化操作架構平台。
駕馭著這些生產設備能夠執行根據每台設備，或生產流程下特定需求進行的定義，達到精確控制工業設備的運轉。

圖4是Omron在Isolation Forest機器學習引擎的基礎上開發了這項獨特的演算法。
將PLC與最先進的機器學習功能進行整合，這意味著作業人作員可以收集有價值的即時數據，
有助於延長設備生命週期和產品品質。
控制器能夠通過異常檢測，來通知管理者任何問題。
由於其強大的機器學習能力，控制器更可以輕鬆檢測到是否有任何與機器正常操作不同的情況。

目前主流AI PLC的預測維護流程包括了五個主要步驟：

● 生成學習模型—名義上的機器行為被學習，即時機器資料被用來產生學習模型和閾值。
● 監控機器—根據產生的學習模型持續監控機器。如果特定數值超過閾值，則會向操作人員發出通知。
● 設置新閾值—檢查機器狀態，如果沒有發現問題，則設置新的閾值。
● 執行的維護—以程式化方式確定需要進行哪些維護，包括更換組件。
● 使用新元件產生學習模型—替換元件後，根據先前的錯誤級別產生新的學習模型和閾值。
重複這些步驟可以使基於狀態的維護更加可靠。



-----------

為何站友內文中的佐證資料都沒看呢?