0

Углубленное изучение: что если сенсоры будут способны к обучению

26.02.2019
Методика углубленного обучения дает роботам возможность учиться. Компания Sick нашла интересное применение этой функции при использовании сенсоров. (Фото: ©Alexander - stock.adobe.com).

Компания Sick представила на ежегодной ярмарке в Ганновере новейшие решения для сенсоров, изготовленных в немецком городе Фрайбург. Одним из них стало интересное решение для сенсорики, работающей на основе алгоритма так называемого углубленного обучения.

Беспилотные транспортные системы распространяются с большой скоростью: они доставляют все новых роботов на предприятия и развозят продукцию до пунктов назначения. Так выглядит фрагмент интеллигентного предприятия, показанного производителями сенсорных систем Sick по видеосвязи в онлайн-режиме на ежегодной выставке-ярмарке в Ганновере. Через приборную панель можно получить любые показатели филиалов во Фрайбурге в режиме онлайн. В первую очередь будет показано, как можно оптимизировать процессы с помощью анализа эффективности. Также должно быть показано, как можно избежать сбоев машин благодаря прогнозному анализу технического обслуживания и как реализовать повышение эффективности планирования и обслуживания. «То, что выглядит так просто, является результатом концентрированного развития и создания сетей. Все наши транспортные средства, компоненты или производственные модули взаимосвязаны и загружают данные в облако. Производство масштабируется в зависимости от ситуации и требований заказа. Автоматическая и ручная работа происходит совместно и объединяет преимущества обоих вариантов для эффективного производства», - говорит Бернхард Мюллер, старший вице-президент в сфере промышленности 4.0 в компании Sick.

Платформа для адаптивных решений автоматизации

В связи с растущей динамикой рынков, развитие продукта также ускоряется. Новые разработки доводятся до готовности выйти на рынок уже в месячные периоды выпуска, а не в годовые. Существующие концепции не могут похвастаться таким темпом. Подвижность и универсальность пользуется спросом на сегодняшний день. Производственные площадки должны соответствовать современным задачам и требованиям. Сенсорные технологии при этом играют важную роль, особенно растет спрос в случае узкоспециализированных индивидуальных заказов. “Еще несколько лет назад производители пытались разработать универсальные датчики для любых требований. Сегодня все более индивидуализированные задачи решаются новыми концепциями программного обеспечения датчиков. Sick уже создал платформу в этой области с экосистемой «Sick Appspace», которая позволяет адаптировать решения для приложений автоматизации “, - объясняет Мюллер. Сегодня производители сенсоров делают еще один шаг вперед в направлении к новому поколению индустрии «Industry 4.0» и представляют свое первое сенсорное решение, основанное на алгоритмах глубокого обучения.

Так работает алгоритм глубокого обучения

Глубокое обучение подразумевает под собой особые способы обработки информации. Это одно из направлений машинного обучения и использует в качестве инструмента нейронные связи. Пример функционирования заимствован у человеческого мозга. Он применим в случаях, когда имеется большой объем информации, на основе которого необходимо создать шаблоны и модели. В качестве технической основы для глубоко изучения выступают искусственные нейронные связи, которые в процессе получения новых заданий образуют новые соединения. Процесс глубокого обучения приводит к обучаемости роботов. Таким образом они приобретают умение самостоятельно улучшить собственные навыки. Это происходит благодаря процессу сбора данных, созданию на их основе новых шаблонов и их дальнейшей классификации. В последствии происходит корреляция собранных данных и их применение в новых ситуациях. Как результат, машина может самостоятельно принимать решения на основе существующих связей.

Возможности сенсорики, основанные на алгоритме глубокого обучения

Компания Sick применяет алгоритм глубокого обучения в сфере промышленности для того, чтобы сделать процессы более специализированными. При этом сенсоры «учатся» собирать информацию и приобретать на ее основе все новые навыки. При одном из сенсорных решений машины научились давать ответ на специализированный вопрос, основываясь на информации от просмотра множества изображений. После данного эксперимента роботы научились присваивать новым, до этого неизвестным изображениям, новые ответы. “На данный момент мы работаем над пилотным проектом в сфере деревообработки. Основой технического решения является видеокамера, работающая по алгоритму быстрого обучения.”, рассказывает Мюллер. Для того, чтобы обеспечить оптимальную обработку исходного материала, лесопильный цех должен располагать информацией о процентном соотношении состава древесных стволов. Где находятся годичные кольца, где сердцевина? Эта информация необходима для качественной обработки дерева. “Задачей умной камеры являлся поиск ответов на эти вопросы. Ранее подобные задачи были под силу только специально обученным людям.” добавляет Мюллер.

Благодаря этой опции станет возможно использование новых, до этого не применявшихся приложений, которые сделают процессы более продуктивными и эффективными. “Благодаря этому пилотному проекту нам удалось повысить качество деревообработки и выходящей продукции, а также уменьшить объем неиспользованного сырья.”, добавляет Мюллер. Положительный результат отразился не только на качестве обработки материала: рабочие лесообрабатывающего цеха смогли заменить монотонную работу на выполнение более сложных задач.

Возврат к списку

Хотите подписаться на статьи электронного журнала "Электрорешения"?