“`html
Kenar bilişim, Nesnelerin İnterneti ve ultra düşük güç tüketimli cihazlar için makine öğrenimi, üretim sektöründe derin bir etki yaratmakta, otomasyonu artırmakta, verimliliği artırmakta ve değerli yeni iş modellerinin ortaya çıkmasına yol açarak üretim sektörünün Endüstri 4.0’a dönüşümünü sağlamaktadır. Dijital teknolojiler değer zinciri boyunca uygulanabilirken, en önemli faydaların tahmine dayalı bakımda elde edilmesi muhtemeldir.
Tahmine Dayalı Bakım Nedir?
Tahmine dayalı bakım kavramı, ekipman koşullarını değerlendirmek için veri analizi araçları ve teknikleri kullanan proaktif bir bakım stratejisini ifade eder. Amacı, bakım kaynaklarının kullanımını optimize etmektir. Belirli bir parçanın ne zaman arızalanacağını tahmin etme yeteneği, bakım yöneticilerinin bakım işlerini yalnızca gerektiğinde planlamasına olanak tanır, böylece aşırı bakımın önüne geçilir ve ekipman arızaları önlenir. İdeal bir durumda, tahmine dayalı bakım, gerekli bakım sıklığını azaltmalıdır.
Resim kaynağı: Akıllı Varlık Bakımı
Tahmine Dayalı Bakım Neden Bu Kadar Önemlidir?
Etkili bir tahmine dayalı bakım programı, bir operasyonun bakımını ve güvenilirliğini önemli ölçüde artırabilir. PwC’nin bir raporuna göre, fabrikalarda önleyici bakım uygulamaları maliyetleri %12 oranında azaltabilir, çalışma süresini %9 artırabilir, güvenlik, sağlık ve çevresel riskleri %14 oranında azaltabilir ve bir varlığın ömrünü %20 oranında uzatabilir.
Tahmine Dayalı Bakım Nasıl Çalışır?
Genel olarak, bir tahmine dayalı bakım sistemi üç ana unsurdan oluşur: izleme, iletişim ve tahmine dayalı sistem.
1. Performans ve makine sağlığı hakkında gerçek zamanlı verileri iletmek için bir durum izleme sensörü kurulmuştur.
2. IoT teknolojisi, makineler, yazılım çözümleri ve bulut teknolojisi arasında iletişimi sağlar.
3. Tüm verilerle beslenen bir tahmine dayalı veri modeli, arızaları tahmin etmek için kullanılır.
6 Mayıs’ta TinyML Konuşmaları: Arduino Portenta H7 ve Edge Impulse ile Tahmine Dayalı Bakım
Daha fazla bilgi edinmek ister misiniz?
6 Mayıs’ta saat 07:00’de (PT) bir sonraki TinyML toplantısına katılın. Konuşmacımız, Manivannan Sivan, Valeo’da Bilgisayarla Görme Departmanı’nda baş mühendis olarak, Arduino Portenta H7 ve Edge Impulse kullanarak Endüstri 4.0: Tahmine Dayalı Bakım hakkında konuşacak.
“““html
Konuşma sırasında, Manivannan TinyML’nin Endüstriyel 4.0’daki potansiyelini açıklayacak. Bu TinyML modeli, endüstriyel makinelerde (pompa, vana ve fanlar gibi) anormal çalışmayı tahmin etmek için Arduino Portenta H7 ve Edge Impulse kullanıyor. Endüstriyel makineler için ses veri setleri, önerilen yöntem açık kaynak veri setleri olan MIMII’yi kullanıyor. Bu veri seti, arızalı endüstriyel makinelerin seslerini içeriyor. Dört tür endüstriyel makineden (vanalar, pompalar, fanlar ve kayar raylar) gelen sesleri içeriyor. Her makine türü, yedi bireysel ürün modelini*1 içeriyor ve her model için veriler normal sesler (5000 saniyeden 10000 saniyeye kadar) ve anormal sesler (yaklaşık 1000 saniye) içeriyor. Model, Edge Impulse kullanılarak 1-D Konvolüsyon katmanı ile eğitiliyor ve ardından sinir ağı katmanları ile devam ediliyor.
Konuşmacı Hakkında
Manivannan, Valeo’nun bilgisayarla görme platformunun baş mühendisidir. Şu anda, VIT Üniversitesi’nde “araç kontrol stabilitesinin hesaplamalı tahmin yöntemleri” üzerine doktora yapmaktadır. TinyML’ye olan tutkusu, onu fil koruma projelerinden otomotiv endüstrisine kadar birçok uygulama geliştirmeye yönlendirmiştir. “Düşük voltajlı IGBT tabanlı tek fazlı inverter modülü kullanarak gıda koruma için bir ohmik ısıtıcı” konusundaki çalışması için bir Hint patenti bulunmaktadır. TinyML modellerinden biri, Elephant Edge yarışmasında “En İyi 5 makine öğrenimi modeli” olarak seçilmiştir.
Son olarak, daha fazla yaklaşan tinyML Shenzhen buluşmaları ve konuşmaları için konuşmacı arıyoruz. Küresel toplulukla tinyML yolculuğunuzu paylaşmak için konuşmacı olmak istiyorsanız, lütfen buraya tıklayın.
“`