博士谢尔盖•Schurov GF加工解决方案金宝搏官方网站
机床仍是当今主要的汽车驾驶技术进步。这个行业领域深受行业4.0技术的快速进化,包括机器连接,物联网(物联网),生产过程仿真、生产流程建模和基于云的分析预测维护。
人工智能和机器学习技术在工业物联网有一个特别的地方。一起推动通过增加生产性能需求不断增长的技术复杂性,一边熟练的减少基础运营商结合收缩产品周期时间和投放市场的时间,机床制造商也不失为一种聪明的办法应对满足生产率增长的期望。这将改变既适用于最终用户,如机器操作员和车间经理和机床制造商的产品开发团队。
作为一个主要的工业球员,GF加工解决方案是将机器学习技术集成到其产品的前沿。金宝搏官方网站下载188bet金宝搏在这个演讲,谢尔盖Schurov博士讨论了几类算法的应用GF解决方案组合,将探索带来的好处和挑战新系统的设计,同时在市场上保持竞争力。金宝搏官方网站
记录:2019年5月23日
早上好,每个人。很高兴来到这里。三年以来最后的演讲。
我想谈谈我们如何应用机器学习、人工智能,和那些漂亮的技术来真正的为我们的客户提供价值。所以我称之为人工智能应用于机床,但我会从我读什么新闻今天早上在火车上。它的新闻提要。
你可以看到,人工智能提到在季度收益电话取代区块链。好的,我认为这是适当的今天,因为也许我们在财务工作,但至少我们知道导数是什么。那好的。
今天,我将谈论AI,过渡到工业的现实。首先,关于公司的几句话。Georg Fischer是一个真正的先驱。它成立于1881年在瑞士。
如果你还记得历史上,这是爆炸的工业革命,第一。和Georg Fischer是受益人和工业革命的产物。这是第一个从手工生产工具机生产的机器和机床。
现在我们生活在工业时代4.0。但之前,有两个其他革命始于亨利福特大为有利,从2.0开始,带着他们的生产线。还记得亨利•福特的名言,你知道的,你可以订购任何福特T型,只要它是黑色的。
后来在大规模定制,我们现在可能-
你知道汽车,你知道从你的车的经验,你可以选择和选择任何你喜欢的车,任何规范。实际上,选择是无限的。作为一个供应商,提供行业解决方案,我们提供广泛的产品和技术。金宝搏官方网站下载188bet金宝搏实际上,它甚至变得复杂和复杂的选择最合适的技术。所以我们的答案是提供系统解决方案,我们可以满足客户的期望日益快速生产和产品金宝搏官方网站开发周期。
当我三年前在柏林这个事件,我问这个问题,那么未来是什么?和我说的,也许在行业的框架4.0中,我们需要看看智能工厂,自主学习的机器,和智能机器。现在我们我们在这里。发生了什么事在过去三年已经过去了吗?
好吧,我说已经第四次工业革命在这里和我们在一起。嗯,好的,我们有一些介绍是什么。我们知道,第四次工业革命,工业4.0,将连接。
但它并不是唯一。这真的是给整个行业带来变革,制造业价值链。我的意思是说我们听到关于敏捷早些时候。敏捷无处不在。
敏捷有助于加快开发周期提供更快的时间从概念到概念,提供多个迭代。这是敏捷。早些时候我们听到的另一个工具在安德鲁表示从设计思维。
设计思维是连接与客户工程师。你常听到的故事,你知道,你有一个美妙的产品和你给市场带来了说,好吧,你为什么这样做?我真的需要它吗?这是设计思考。真的可以得到早期的客户反馈的基础上,早期的原型,验证,进行迭代,回到设计板,重复,真的。
所有这些成为可能通过使用建模与仿真,这是MathWorks现在和MATLAB仿真软件,Stateflow状态,中间。金宝app模式降阶技术,减少仿真时间。机器学习和人工智能带来的权力边缘的模型或基于云的计算工具。你可以经常在两者之间做出选择。
真的,重要的是,所有这些都是降低开发周期的时间。在过去,我的意思是,Georg Fischer是一家实体公司。我们已经开始用金属生产。我们开始与管道生产。我们开始与机床,机床继续生产。
现在我们变成软件公司。这是一个重要的范式转变。你在这里看到的,不仅是技术的软件。它将改变我们的工作方式,所以周期,产品开发周期,不再是机械驱动,而不是原型、冗长的迭代周期。但它成为由模型驱动的。
我认为这是一个非常重要的点保留从这个演讲。现在让我们看一看一些构件中使用我们的开发我们的产品和解决方案。金宝搏官方网站下载188bet金宝搏这是一系列技术,人工智能可以应用核磁测井。我们说我们真正应用在整个价值链,生产和产品生命周期,产品价值链通过产品操作,从发展服务,客户,和维护阶段时我们可以帮助客户确保产品的持续可靠性和可用性。所以人工智能带来的价值在整个制造业价值链。
几句——当你听到,我们提供广泛的产品从铣、电火花加工、激光,已非传统技术;下载188bet金宝搏加法制造,这是进一步非常规。和所有由工具和自动化和补充的注入现在数字思维的数字转换,该行业4.0。我提到Georg Fischer成立于1882年,是一家瑞士公司约有15000名员工在去年年底和4 1/2美元收入以瑞士法郎。
我们我们是目前几乎世界各地50多个国家的140家销售公司和57个生产工厂。和有三个部门:管道、铸造解决方案,和加工解决方案。金宝搏官方网站今天,我代表GF加工解决方案。金宝搏官方网站我们,作为一个加工解决方案,作为一家公司,我们认为自己金宝搏官方网站是领导人在精密机床,自动化解决方案,和客户服务增值组件的生产,增值部分,再一次,全球影响力和总部设在瑞士。
现在返回到幻灯片我提到关于我们的技术和解决方案,在这种发展操作,维护。金宝搏官方网站让我们看看一些例子开始操作。我们能说在这里我可以谈论让人工智能可以顺利生产。重要的话题你买东西,你要确保它的工作原理。
这里我给的例子是电火花机。和几句话在我进入技术细节之前,几句话对你可能不熟悉的技术。电火花加工是一种首选的技术困难的材料。为什么?
因为它是由电火花工作。意味着你删除材料小块,小块的材料,通过产生电火花。和过程的好处是它对材料是多么困难。意味着你可以使用世界上最坚硬的材料只要是导电的。线是数控的路径。你可以选择你可以按照任何形状或任何你选择的跟踪你的凸轮和产生期望的结果或所期望的输出。
到目前为止还好。然而,这个过程是相当复杂的。如果它没有被很好地控制,它可以产生缺陷。正如你可以看到,这两个小的,小如他们出现,可以作为应力集中。,这可能会导致一些不幸事件像部分在服务失败。
显然,你想避免这种情况,这个过程必须提前处理异常。好消息是,EDM过程完全是监控过程。我们知道什么是发生在每一个时刻的电流、电压,机器上访问的位置。我们知道一切。
但是如果你试图通过直接分析,你不会走太远,因为你可以看到,例如,所有这些脉冲是有效的脉冲,他们正常的侵蚀过程中可能发生。这些是valid-not一定你渴望什么,但他们不一定会产生缺陷。所以正常的脉冲,脉冲,降低甚至开放本不是一个缺陷的同义词。
我们所做的,你需要的是将这些脉冲或其他特性的电流和电压为特定类别。然后我们应用机器学习使用分析分裂的50个样本集,被分为训练集和测试集,然后运用三层脚反向传播神经网络,提出了预测结果关联数据与测量数据、控制数据。你可以看到的是,那里是一个点的一些你可以看到的结果显示最优关联并不一定对应节点的数量最多。
所以21节点是97%,和六节点是100%。怎么了吗?因此工程师们面临的挑战是优化模型,以确保它的复杂性,但与此同时,它的准确性。
让我们看看这是如何工作的。这是我们重叠部分的凸轮图像缺陷,预测的缺陷。你可以看到在这个仿真,那些红线或黄线表示缺陷可能发生的地方。
显然,在铁路的路上,你不会有很多缺陷。但当你拥有它,这是点。这是质量检验员的可能真的想看看部分是否很好而不是需要检查一切,每一个毫米的部分。所以我也不想去深入的技术。
这是中性的神经网络分析与预测数据和测量数据之间的相关性来训练模型。有趣的学习对我们来说是每台机器,每个几何都有一个单独的机器学习,这需要训练。和另一个学习,如前所述,机器精度并不总是与神经网络的节点数增加。
好的,这是可以顺利生产的例子。好的,你需要去下一张幻灯片。现在让我们看一看在开发示例。这是开发工程师、应用工程师、使用过程的知识和他们的机器学习技术来开发定制的应用程序。
为什么定制的应用程序?因为通常,标准的开箱即用的解决方案为最终用户不再足够好,他们想把我们推到更深和更专业的领域,他们金宝搏官方网站的特殊需要。EDM-what你之前看到的例子是YEDM机器。
EDM稍微还可以存在于不同的应用程序使用薄电极时钻孔。为什么你需要钻孔吗?例如,在空中范围和温度可以超过需气体温度超过1200度甚至更高。
通常(听不清)材料,镍合金,他们开始降低他们的表现在800年或850年或以上的温度。所以解决方法是冷却发动机叶片、发动机叶片。这是通过钻孔冷却孔。EDM钻井是硬金属的独特的解决方案。所以它是非常适用的。
但现在我们做简单的总结叶片冷却孔乘以40 - 250单级乘以8乘以每年几千引擎生产阶段。和你有几千万或者上亿的洞。时间生产一个洞是大约10秒钟,5到10秒。意味着每一个第二项。
现在我们可以走得快,但我们不希望失去跟踪质量。EDM过程是复杂的,有超过100个变量来控制。并不是所有的都一样重要。但即使你钻到15日,10日,5、10、15变量,他们真的必须保持在最优。
并找到最优是一个非常,非常大的挑战。为什么如此?因为这个过程相互依存的。有局部最小值。有一个过程噪声。应用程序特定的必须材料。
最后,看看这个。火花很随机。你永远不知道何时会发生。你不能预测是否在这里或那里。所以你必须处理这个统计,统计格式。
你想要达到这样的结果。如果你不小心,你可以得到。意味着火花浓度是在错误的地方创建了隆起,显然是不可取的。
所以这个过程必须优化切削速度最大化而不损失画质。我们做什么呢?我认为这是一个例子,该领域专家知识的专家知识的结合,这是我们专业工程师或应用工程师或运营商,甚至加上我们所说的应用程序或应用程序专家,冠军谁可以调整机器学习输入和渠道的融合规则生产机的最优参数集。所以我们使用这项技术我们称之为随机优化算法寻找最小值的过程。
短示范什么手段你看到左边就是我们想控制参数的设置。和你看到的右边是我们要实现的输出。第一个是材料去除率。第二个是时间钻洞,和第三输出电极磨损。显然,你想最大化第一个,你想减少其他两个。所以让我们看看会发生什么。
所以我们启动模拟,我们允许机器学习看输出结果和调整其行为,以确保你得到的最佳特征这三个输出参数。有趣的结论来自于专家。我们有最好的业内人士如何调整机器。
机器学习算法,他们可以做得更好。在每一个时间和每次迭代过程中,我们发现10%到15%的提高,不是因为我们的专家不够好,而是因为过程的复杂性,使其越来越难以找到合适的设置的参数只是根据经验。好的,让我们看看另一个例子。这一次,我们将查看维护。
好的,我们今天早些时候听到的剩余有用寿命预测。这是很重要的,因为当你是一个用户,当你买了一个漂亮的,漂亮的机器,你不想花时间意外当机器坏了。你想知道这台机器需要维护时,当它需要的服务中预测程序。所以我们的用户,我们的客户,他们优化工作流规划在某种程度上,他们可以提供,保证交货时间短自己的用户,他们自己的客户。
用户的期望是什么?首先,他们想提前知道当机器需要维护。其次,他们不一定要支付这比必要的。你知道,就像你的车。
当你把车开到车库,因为它显示20000公里,你知道,你的思想,你的思想,你知道的,真的,我现在真的需要这样做,或者我可以推动另一个10000 ?同样的对于我们。
客户说,现在我真的需要维护机器,或者我可以等待,我不知道,一个星期,一个月,不管吗?不容易回答,无论是汽车还是对我们的机床。
为什么?因为没有自动维护环境卫生。机器不会告诉你或汽车不会告诉你要分解的时候除非你帮助它,是吗?另一件事是我们可以得到的数据,它们是可用的,当然。但是他们有大量的数据。
一个数控机床产生几tb的数据每月甚至更多如果你配备额外的传感器。他们来自不同的来源,和数据异构。这意味着连接信息并不简单。你听到今天早些时候,不同通道之间的时间同步输入不是一项容易的任务。提前和我说干预增加不必要的成本,不仅给客户,而且供应商,像我们这样的供应商,因为经常,维修的成本是内置产品的成本。
我们的方法是什么?我们使用混合状态监测技术将监督学习和无监督学习看估计估计剩余有用的一生和预测意料之外的失败,对吗?所以两个并发运行时为用户提供信息进行干预和给他的时间,他已经离开之前干预成为强制性的。
我们如何使用这个?我们应用高斯模型,自适应高斯模型,可视化偏离正常。首先,我们把对称高斯钟形曲线分布概率混合模型。
这是我们一起做的工作与同事从ETFL。然后我们应用预见性维护算法的聚类数据和提供训练数据集。最后,我们计算剩余有用的一生从回归计算得到剩余的距离意味着作为失效概率措施。有点拗口,但基本上,这意味着进一步相隔千里曲线表明故障可能发生的地方。和曲线接近你,你就越有可能失败。
让我们看看如何运行与仪表板的一个例子。这是我们提供给我们的客户。是这种情况的电火花。我们看铣床的例子,我们需要告诉用户帮助用户理解机器将持续多久才需要维护。
在这种情况下,我们有639天,例如,这是不够好。机器可以正常运作。然后在某种程度上,设置的参数将显示算法,失败的概率也在增加,但机器仍可以继续运行。后来,失败的可能性在我们的估计是100%。
所以我们建议用户,现在是时间去维护机器。我们继续监控参数。一旦一切都按顺序放回,机器可用性可以返回恢复正常。
我想给最后一个例子是内置的计量。为什么内置计量?因为在某些情况下,应用程序或机器的操作或生产必须迭代或互动,如果你想要的。
所以你产生你不是100%确定的结果现在还不够好,或者你需要等待一点。这就像在厨房里,你知道吗?你烹饪晚餐。有时你需要真正品尝它,直到你知道它是好还是不好。这是内置的计量变得有用。
我举个例子,在域的功能服务,大自然的魔法之一。功能表面是什么呢?看一看这个视频。
当你看这个,实际上是解释疏水表面,排斥的功能表面的液体和当你看这个不错的视频,我可以给一些评论关于应用程序。应用程序的自洁汽车涡轮喷气家用电器,在医学应用中的抗菌,防结冰的应用,同样,航空航天等行业,然后防粘。例如,您不希望部分粘在一起太多。例如,在模具,你想要的塑料容易分开模具部分,从成型机。
的方法来测量这些特征通常是通过测量粗糙度。粗糙度是数组。基本上,这是峰之间的距离的低谷和高峰的部分。
问题是,你可以在这里看到,粗糙度不是给所有的数据,你需要找到因为左边,粗糙度标准,标准的组件不是功能性表面疏水性。它不防水处理。右边,这是一个功能面。
数组是相同的。峰的距离是一样的。但是你可以看看这个概要文件。你可以看看表面的微观图像,可以看到很明显不同。然后行为,当然,将是不同的。
如果我们有内置的计量,我们可以检测到的缺陷。除了识别表面,我们可以推迟标记缺陷,希望改正而仍在地方。我们可以使用自学习算法和优化整个生产过程自动化正如我们前面所看到的。当然,另一个附加值是内置的计量当你可以测量部件的尺寸精度和正确这也是必要的。
所以需要原位表征实现所需的属性。我们如何做呢?我们有一个翻译工具,称为表面。
我们把第一个重要的是,我们准备图像训练集,然后利用图像处理算法。然后我们可以使用回归结果进行分类或分类技术。使用训练数据回归得出表面粗糙度和哪种类型的分类和估计技术是用于生产这功能表面技术或传统的表面技术。
所以使用卷积神经网络识别指纹图像分析。这里是一个例子,这是如何工作的。所以在左边,你的输入图像。和系统,使用机器学习分析,将估算值数组,给预测结果这三个例子。
,同时,它还将估计这是一个功能表面是否喜欢这里或者如果它是一个传统的标准技术用于生产这种特殊的部分。这可以通过使用电脑。事实上,它是通过使用PC边缘,这样用户可以运行所有这些应用程序在他自己的网站不需要借助于云。但是如果他反复到云,然后我们可以增强算法,他也可以受益于更好的精度。
这是最后一个例子。我想说几句话在我们现在的结论,谁将会是下一个步骤。所以我们看到发展,人工智能,在过程链的所有元素的发展,操作,和维护。
所以发展,我们机器学习申请快速跟踪技术的发展我们看到钻床。的操作,我们可以协助用户,确保顺利生产,提供灵活性和作战效能、缺陷识别,等等。在维修,我们可以预测剩余有用的一生和确保服务可以做紧迫感太晚,不太早,但及时维护机器的可用性。
最后,反问:我们能不AI ?好的,我认为投资者已经给了我们答案。但只是看看在公关行业的基本面,所以加速客户要求特定于应用程序的解决方案我说,标准是不够好。金宝搏官方网站
你需要专业。你需要具体。每个客户都有自己的要求。为了扩大规模,我们不能像往常一样继续工作。
制造业价值链在复杂性和成长需要适应。有一个持续努力提高性能productivity-continuous要求做得更好,更快,更流畅,所以没有昂贵的和容易出错的人工干预。因为人类不误会我。我们总是需要专家。
但专家的应用领域正在发生变化。现在他们变得像一个管弦乐队的指挥,调整,确保机器学习过程的每一个元素是在正确的时间在正确的地点正确的力量。他们不再只是有所有必要的信息的专家,但是他们知道哪些字符串将在这一刻的时间。
最后,我们必须小心在亚洲发生了什么。这里你看到的图在人工智能方面专利申请,中国正在加快。他们五次应用,专利申请尽可能多的在美国。
我们看一下数据之间的人工智能和深度学习相结合,这是停在一起。所以,对于人工智能已经作出了选择。它是self-enabling,正在加速。
我想结束我跟这个问题。事实上,我将无法回答接下来会发生什么,但我可以告诉你现在已经是什么。我们中间的4.0,但讨论行业5.0,都是关于人工智能和机器学习。谢谢你的关注。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。