#48
引用:
|
作者AirStorms
好 我幫你
你問菁英哥光是你所謂的機器學習，
他協助廠商標示資料花了多久時間才有一個很小的成績？
你問菁英哥，要做到你文章中的預防性維護，
他要跟進多少時間才能蒐集足夠的數據並表示各項數據與維護項目的關聯閥值？
這點菁英哥在車間第一線上班，肯定知道其中要耗費多少時間
而不是躲在冷氣房的資料科學家的理論基礎。
你沒做過甚至看過一個大數據的資料分析專案，
貼個東西已經告訴你短時間的未來很難完成，
還要耗費我這個閒人來告訴你實務上困難點在哪？
我先前已經提過一個案例
因為有高頻感測器，
幾分鐘的資料搜集過程切成數百萬個小時區
與成果比對。
才有足夠的數據做機器學習的基礎。
而菁英哥的上班環境蒐集的出來嗎？
光蒐集一台機器設備從正常到出現需要維修的信號
菁英哥最少要耗費數月之久
而一台機器設備的各種異常狀況要出過一輪
又不知道...
|
2020-06-23 AI智慧擷取-PLC自動轉譯技術
在工業4.0全球優化競爭力之壓力下，
多數中小製造業導入製造物聯網之痛點為可程式化邏輯控制器(Programmable Logic Controller，PLC)
連結至可視化監管之語意解譯花費過高，導致進展遲緩。
PLC轉譯工具的開發結合人工智慧(Artificial Intelligence，AI)
自動識別的方式於人機介面(Human Machine Interface，HMI)畫面識別各欄位數值，打造資料擷取解析的新方式。
結論
PLC轉譯工具結合AI自動識別，再經由位址決策引擎來找出機台生產數據之物理意義與PLC資料位址之對應，
降低PLC解譯時間，將原本需要長時間的人工轉譯改變為系統轉譯驗證，減少人工解析與比對的時間，
可達85%以上，縮短導入時程，降低成本，增加中小企業採用意願。
