اخبار و اطلاعیه‌های مهم را اول دریافت کن
هوش مصنوعی در اتوماسیون صنعتی، به معنای استفاده از الگوریتم های یادگیری ماشین و شبکه های عصبی برای تحلیل داده ها، تصمیم گیری خودکار و بهینه سازی فرآیندهای تولید است. این فناوری با قابلیت هایی نظیر نگهداری پیش بینانه، بینایی ماشین و کنترل کیفیت هوشمند، کارخانجات را از سیستم های واکنشی به سیستم های پیش گیرانه تبدیل می کند. پیاده سازی موفق این تکنولوژی نیازمند زیرساخت های قدرتمند اینترنت اشیا (IIoT) و کنترلرهای پردازشی مدرن است که بهره وری را به حداکثر می رساند.
امروزه، با ظهور الگوریتم های یادگیری ماشین و پردازش داده های کلان (Big Data)، قوانین بازی تغییر کرده است. کارخانجات مدرن دیگر تنها به برنامه ریزی های صلب و از پیش تعیین شده متکی نیستند؛ بلکه سیستم هایی را به کار می گیرند که می توانند فکر کنند، تطبیق یابند و حتی پیش از وقوع یک فاجعه مکانیکی، آن را پیش بینی و متوقف کنند.
این تغییر پارادایم، نه یک رویاپردازی علمی تخیلی، بلکه ضرورتی انکارناپذیر برای بقا در بازارهای رقابتی امروز است. در این مقاله بسیار تخصصی و مهندسی، قصد داریم به کالبدشکافی دقیق نفوذ الگوریتم های هوشمند در سیستم های کنترل بپردازیم و نشان دهیم که چگونه ترکیب سخت افزارهای صنعتی با مغزهای نرم افزاری، راندمان خطوط تولید را به سطوحی دست نیافتنی ارتقا می دهد.
هوش مصنوعی در اتوماسیون صنعتی به معنای ادغام الگوریتم های یادگیری ماشین (Machine Learning)، شبکه های عصبی عمیق (Deep Learning) و منطق فازی در ساختار کنترلرهای سخت افزاری کارخانجات است. این ادغام باعث می شود سیستم های کنترلی بتوانند به صورت خودکار و بر اساس داده های لحظه ای، بهترین تصمیمات را اتخاذ کنند. کاربردهای اصلی این فناوری شامل موارد زیر است:
مشاوره مهندسی، طراحی و تامین تجهیزات با مبین نیرو
بر اساس تجربه ما در شرکت مبین نیرو، پیاده سازی سیستم های هوشمند نیازمند زیرساخت های سخت افزاری قدرتمند و اورجینال است. ما به عنوان دپارتمان تخصصی اجرای پروژه های هوشمندسازی و نماینده رسمی معتبرترین برندهای جهانی از جمله اشنایدر الکتریک، تکو (TECO)، سایمون (Cimon) و اسپکتر (Spectre) در ایران، در کنار شما هستیم. تیم مهندسی مبین نیرو از مرحله نیازسنجی خطوط تولید تا تامین مستقیم تجهیزات پردازشی لبه (Edge Computing) و راه اندازی شبکه های اتوماسیون، کامل ترین خدمات فنی را به شما صنعتگران گرامی ارائه می دهد. برای دریافت مشاوره رایگان و ارزیابی سطح هوشمندی کارخانه خود، همین امروز با ما در تماس باشید:
آدرس: تهران ، خیابان قائم مقام فراهانی ، کوچه بیستم ، پلاک 7 ، واحد 5
شماره تماس مستقیم دپارتمان اتوماسیون: 02188842616
برای درک بهتر ارزش افزوده سیستم های هوشمند، باید تفاوت های بنیادین معماری کنترل سنتی و مدرن را به عنوان یک مهندس تحلیل کنیم.
در اتوماسیون سنتی که بر پایه رله ها یا پی ال سی های کلاسیک بنا شده است، برنامه نویس تمام سناریوهای ممکن را پیش بینی کرده و کدهایی با منطق صلب (If-Then-Else) می نویسد. اگر سنسور دما عدد ۸۰ درجه را نشان داد، فن خنک کننده روشن شود. این سیستم ها بسیار قابل اعتماد هستند، اما تنها در چارچوب همان قوانینی کار می کنند که انسان برای آن ها تعریف کرده است. اگر شرایطی رخ دهد که در برنامه پیش بینی نشده باشد، سیستم متوقف شده یا دچار خطا می شود. درک این معماری در علم اتوماسیون صنعتی plc بسیار حائز اهمیت است.
در مقابل، هوش مصنوعی در اتوماسیون صنعتی بر پایه منطق احتمالی و یادگیری از داده ها کار می کند. الگوریتم هوش مصنوعی منتظر رسیدن دما به ۸۰ درجه نمی ماند؛ بلکه با تحلیل همزمان ده ها متغیر (سرعت چرخش موتور، ارتعاشات شفت، دمای محیط و افت ولتاژ شبکه)، الگوهای پنهانی را کشف می کند که نشان می دهد موتور تا سه روز آینده دچار اضافه بار خواهد شد. سیستم هوشمند به جای واکنش نشان دادن به یک رویداد، وقوع آن را پیش بینی کرده و به صورت خودکار فرکانس درایو را برای جلوگیری از آسیب کاهش می دهد.
در یک تابلو برق صنعتی سنتی، تجهیزات حفاظتی مانند بیمتال ها زمانی عمل می کنند که موتور آمپر اضافه بکشد و در حال سوختن باشد؛ این یعنی واکنش پس از بروز مشکل. اما سیستم های مبتنی بر هوش مصنوعی با پایش پیوسته پروفایل جریان مصرفی، حتی کوچکترین ناهنجاری در شکل موج جریان را که ناشی از سایش میکروسکوپی بلبرینگ است، ماه ها قبل از خرابی تشخیص می دهند.
استانداردهای بین المللی نیز لزوم این تغییر رویه را در کارخانجات مدرن تایید می کنند:
“تجهیزات سیستم های درایو الکتریکی با سرعت متغیر و سیستم های کنترل صنعتی، در عصر انقلاب صنعتی چهارم باید با معماری های باز و الگوریتم های مبتنی بر داده یکپارچه شوند تا استانداردهای ایمنی و پایداری شبکه در محیط های هوشمند حفظ گردد.” International Electrotechnical Commission (IEC)
تئوری های جذاب هوش مصنوعی امروزه در کف کارخانجات (Shop Floor) به واقعیت های پول ساز تبدیل شده اند. کاربردهای کلیدی هوش مصنوعی در صنعت را می توان در محورهای زیر بررسی کرد:
بزرگترین کابوس یک مدیر کارخانه، توقف برنامه ریزی نشده خط تولید است. خرابی یک بلبرینگ ساده در یک اکسترودر پلاستیک می تواند صدها میلیون تومان مواد اولیه را به ضایعات تبدیل کند. کاربرد نگهداری پیش بینانه، ارزشمندترین دستاورد هوش مصنوعی است. سنسورهای ارتعاش سنج، صوتی و حرارتی، هزاران داده در ثانیه تولید می کنند. شبکه های عصبی این داده ها را تحلیل کرده و “امضای سلامت” (Health Signature) هر دستگاه را مدل سازی می کنند. به محض اینکه رفتار دستگاه حتی یک درصد از امضای سلامت خود فاصله بگیرد، هوش مصنوعی هشدار می دهد که مثلاً روان کار دستگاه در حال از دست دادن خاصیت خود است.
در خطوط تولید قطعات حساس خودرو یا صنایع دارویی، بازرسی چشمی توسط انسان به شدت خطاپذیر و خسته کننده است. سیستم های بینایی ماشین که به الگوریتم های یادگیری عمیق (Deep Learning) مجهز شده اند، می توانند با سرعت هزاران فریم در دقیقه از محصولات عکس برداری کرده و میکروسکوپی ترین ترک ها، ناخالصی ها یا عیوب مونتاژ را با دقتی نزدیک به صد در صد تشخیص دهند. برخلاف سیستم های بینایی قدیمی که نیازمند نورپردازی خاص و تنظیمات پیکسل به پیکسل بودند، مدل های هوش مصنوعی می توانند با دیدن چند صد نمونه از قطعات سالم و معیوب، خودشان ویژگی های یک قطعه خراب را یاد بگیرند (Training Phase).
الکتروموتورها بیش از شصت درصد برق صنایع را مصرف می کنند. سیستم های کنترل تهویه مطبوع (HVAC) در کارخانجات، کوره های ذوب و سیستم های پمپاژ سیالات، همگی نیازمند کنترل دقیق هستند. الگوریتم های هوش مصنوعی می توانند با جایگزینی کنترلرهای سنتی تناسبی-انتگرالی-مشتقی (PID Controllers) با کنترل کننده های پیش بین مبتنی بر مدل (MPC)، رفتار سیستم را در آینده شبیه سازی کرده و دقیق ترین ولتاژ و فرکانس را به درایوها اعمال کنند تا مصرف کیلووات ساعت به حداقل ممکن برسد.
یک مغز پردازشی هرچقدر هم که قدرتمند باشد، بدون داشتن حواس پنج گانه برای درک محیط، کاملاً بی مصرف است. در دنیای صنعت، نقش حواس پنج گانه را اینترنت اشیا صنعتی (IIoT) بازی می کند. ارتباط تنگاتنگ هوش مصنوعی و اینترنت اشیا در اتوماسیون صنعتی، پایه گذار پدیده ای به نام هوش مصنوعی اشیا (AIoT) شده است.
الگوریتم های یادگیری ماشین به شدت “داده محور” (Data-hungry) هستند. آن ها برای کشف الگوها به میلیون ها رکورد تاریخی نیاز دارند. سنسورهای هوشمند، ترانسمیترها، اینورترها و پی ال سی ها که از طریق پروتکل های قدرتمند اینترنت اشیا نظیر MQTT یا OPC UA به یکدیگر متصل شده اند، این خوراک اطلاعاتی را در لحظه فراهم می کنند. بدون استقرار شبکه های پایدار اینترنت اشیا در اتوماسیون صنعتی، عملاً داده ای با ساختار منسجم برای پردازش وجود نخواهد داشت و پروژه های هوشمندسازی در همان گام اول با شکست مواجه می شوند.
در گذشته، تمامی داده های سنسورها باید از طریق اینترنت به سرورهای ابری (Cloud Servers) ارسال می شد تا هوش مصنوعی آن ها را تحلیل کند. این کار دو چالش بزرگ داشت: تاخیر در پاسخ گویی (Latency) و خطرات امنیت سایبری. در فرآیندی که برش یک قطعه فلزی نیازمند تصمیم گیری در ۵ میلی ثانیه است، ارسال داده به سرور ابری و بازگشت آن غیرممکن است.
امروزه با مفهوم “پردازش لبه”، الگوریتم های هوش مصنوعی به صورت مستقیم در داخل تجهیزات نصب شده روی تابلو برق کارخانه اجرا می شوند. این پردازنده های محلی داده ها را در کسری از ثانیه فیلتر و تحلیل کرده و تنها نتایج کلی یا آلارم های مهم را برای مدیران به سرور ابری ارسال می کنند.
پیاده سازی هوش مصنوعی نیازمند بستر سخت افزاری مناسب است. پردازنده های سنتی پی ال سی برای اجرای منطق ترتیبی (Sequential Logic) عالی هستند اما برای انجام میلیون ها محاسبه ماتریسی که لازمه شبکه های عصبی است، طراحی نشده اند. به همین دلیل نسل جدیدی از تجهیزات وارد بازار شده اند:
کامپیوترهای صنعتی نقش استراتژیکی در استقرار هوش مصنوعی در سطح کارگاه دارند. این دستگاه ها با بهره گیری از پردازنده های چند هسته ای قدرتمند، قابلیت پردازش موازی و نصب کارت های گرافیک صنعتی (GPU) را دارا هستند. آن ها در برابر لرزش های شدید، دمای بالای تابلو برق و نویزهای الکترومغناطیسی کاملاً ایزوله شده اند. محصولاتی نظیر کامپیوتر صنعتی 15 اینچ سایمون – CM-NP15-A با طراحی بدون فن (Fanless) و بدنه آلومینیومی دایکاست، بهترین سخت افزار برای نصب در خشن ترین محیط ها و اجرای الگوریتم های مانیتورینگ و هوش مصنوعی هستند.
اینورترها یا درایوهای کنترل دور (VFD)، دیگر تنها نقش تغییر فرکانس موتور را بازی نمی کنند. نسل جدید این تجهیزات دارای میکروپروسسورهایی هستند که می توانند پارامترهای موتور را به صورت پیوسته پایش کنند. یک درایو هوشمند می تواند تفاوت بین اضافه باری که ناشی از گیر کردن موقت قطعه است و اضافه باری که ناشی از گیرپاژ کامل گیربکس است را تشخیص دهد و رفتار متفاوتی بروز دهد. شرکت مبین نیرو به عنوان نمایندگی اینورتر تکو، پیشرفته ترین درایوهای سنگین کار تایوانی را که قابلیت های شبکه و تبادل داده عالی برای سیستم های مبتنی بر اینترنت اشیا دارند، به صنایع کشور ارائه می دهد.
شرکت های پیشرو نظیر زیمنس و اشنایدر، ماژول های سخت افزاری مستقلی را تولید کرده اند که مستقیماً در کنار سی پی یو اصلی پی ال سی نصب می شوند. این ماژول ها که دارای چیپ های مخصوص هوش مصنوعی (NPU یا TPU) هستند، وظیفه اجرای شبکه های عصبی را بر عهده می گیرند تا بار پردازشی از دوش پی ال سی برداشته شود و فرآیند کنترل زمان حقیقی (Real-time) دستگاه با تاخیر مواجه نگردد.
با بررسی روند تکنولوژی، آینده اتوماسیون صنعتی به سمت مفاهیمی بسیار عمیق تر از کنترلرهای برنامه پذیر پیش می رود. دو مفهوم بنیادین، شکل دهنده کارخانجات در دهه آینده خواهند بود:
همزاد دیجیتال، یک کپی نرم افزاری کاملاً دقیق و سه بعدی از یک ماشین فیزیکی، یک خط تولید یا حتی کل یک کارخانه است. این مدل دیجیتالی از طریق سنسورهای اینترنت اشیا به همتای فیزیکی خود متصل است و در لحظه تمام شرایط آن را شبیه سازی می کند.
مهندسان با استفاده از همزاد دیجیتال و هوش مصنوعی، می توانند تغییرات در فرآیند تولید یا برنامه نویسی را ماه ها قبل از پیاده سازی واقعی، در دنیای نرم افزار تست کنند. اگر قرار است سرعت یک کانوایر را افزایش دهیم، هوش مصنوعی روی همزاد دیجیتال شبیه سازی می کند که این افزایش سرعت چه تاثیری روی استهلاک موتورها و کیفیت محصول خواهد گذاشت. این تکنولوژی باعث کاهش چشمگیر زمان راه اندازی (Commissioning) و کاهش خطرات خرابی در سایت واقعی می شود.
در حالی که انقلاب صنعتی چهارم بر اتصال ماشین ها و حذف انسان تمرکز داشت، صنعت ۵.۰ بر همکاری نزدیک انسان و ماشین (Human-Machine Collaboration) تمرکز دارد. ربات های مشارکتی (Cobots) که مجهز به هوش مصنوعی هستند، دیگر در قفس های شیشه ای محبوس نمی شوند؛ آن ها در کنار کارگران انسانی کار می کنند، از حرکات انسان یاد می گیرند و وظایف سنگین یا خطرناک را بر عهده می گیرند در حالی که انسان تمرکز خود را بر خلاقیت و مدیریت قرار می دهد.
ورود به حوزه هوشمندسازی در کارخانجات کشور، علیرغم مزایای شگفت انگیز، با چالش های فنی و مدیریتی خاصی روبرو است که باید با دیدی مهندسی برای آن ها راهکار اندیشید:
برای مدیران کارخانجات و مهندسانی که قصد دارند هوش مصنوعی در اتوماسیون صنعتی را به سازمان خود وارد کنند، اتخاذ یک رویکرد قدم به قدم و مهندسی شده ضروری است:
در اتوماسیون سنتی (مانند برنامه نویسی معمولی PLC)، ماشین تنها دستورات از پیش تعیین شده و قطعی انسان را مو به مو اجرا می کند. اما در اتوماسیون مبتنی بر هوش مصنوعی، ماشین با تحلیل حجم عظیمی از داده های سنسورها، می تواند الگوهای پنهان را کشف کرده، خرابی ها را پیش بینی نماید و به صورت خودکار پارامترهای کارکرد خود را برای افزایش راندمان تغییر دهد.
خیر. هوش مصنوعی وظایف تکراری، خسته کننده و تحلیل های بسیار پیچیده داده را بر عهده می گیرد. این فناوری باعث ارتقای سطح شغلی پرسنل می شود. مهندسان به جای اینکه زمان خود را صرف پیدا کردن یک سیم قطعی یا رفع خطاهای ساده کنند، زمان خود را صرف تحلیل گزارشات هوش مصنوعی، بهینه سازی پروسه ها و مدیریت یکپارچه سیستم خواهند کرد.
اینترنت اشیا (IIoT) به عنوان شبکه عصبی و حواس پنج گانه کارخانه عمل می کند. سنسورها و تجهیزات متصل به شبکه IIoT، داده های فیزیکی مانند دما، لرزش و فشار را در لحظه جمع آوری کرده و برای پردازش به مغز سیستم (که همان الگوریتم های هوش مصنوعی است) ارسال می کنند. بدون اینترنت اشیا، داده ای برای یادگیری ماشین وجود نخواهد داشت.
خیر. در بسیاری از موارد نیاز به تعویض مکانیک ماشین آلات نیست. شما می توانید با استفاده از رویکرد Retrofitting، سنسورهای بی سیم اینترنت اشیا را روی دستگاه های قدیمی نصب کرده و تابلو فرمان آن ها را با پی ال سی ها و کامپیوترهای صنعتی جدید (مانند محصولات برند سایمون) ارتقا دهید تا ماشین قدیمی شما هوشمند شود.
به جای اینکه تمام داده های سنسورها برای تحلیل به سرورهای راه دور (Cloud) در اینترنت فرستاده شوند، الگوریتم های هوش مصنوعی مستقیماً روی کامپیوترهای صنعتی یا کنترلرهای لبه (Edge Controllers) که داخل تابلو برق همان دستگاه نصب شده اند، اجرا می شوند. این کار باعث می شود تصمیم گیری در کسری از ثانیه (بدون تاخیر اینترنت) انجام شود و امنیت سایبری افزایش یابد.
بله. اینورترهای پیشرفته تکو (TECO) که توسط شرکت مبین نیرو تامین می شوند، دارای پورت های ارتباطی قدرتمند شبکه (نظیر RS485 با پروتکل مدباس) هستند که به راحتی به شبکه های مانیتورینگ متصل شده و ده ها پارامتر کلیدی موتور را برای تحلیل های هوش مصنوعی به کامپیوترهای مرکزی ارسال می کنند.
همزاد دیجیتال یک شبیه ساز سه بعدی و نرم افزاری کاملاً دقیق از ماشین آلات فیزیکی است. مدیران می توانند قبل از اینکه تغییراتی در خط تولید واقعی ایجاد کنند (مثلاً تغییر نوع محصول یا افزایش سرعت نقاله ها)، این تغییرات را روی همزاد دیجیتال تست کنند تا از بروز مشکلات کیفی یا تصادفات مکانیکی در دنیای واقعی جلوگیری شود.
هزینه پیاده سازی ارتباط مستقیمی با مقیاس پروژه و زیرساخت های فعلی کارخانه دارد. اما نکته مهم این است که استقرار هوش مصنوعی (به ویژه در بخش نگهداری پیش بینانه و بهینه سازی مصرف انرژی) بازگشت سرمایه (ROI) بسیار سریعی دارد. پولی که برای هوشمندسازی خرج می شود، در کمتر از یک الی دو سال از طریق کاهش توقفات خط تولید و کاهش قبض برق به کارخانه باز می گردد.
بزرگترین چالش، وجود “جزایر داده” است. یعنی دستگاه های مختلف از برندهای متفاوت در کارخانه وجود دارند که نمی توانند با یکدیگر ارتباط شبکه ای برقرار کنند. همچنین نبود کابل کشی های استاندارد شیلددار باعث ایجاد نویز در داده های سنسورها می شود که الگوریتم های هوش مصنوعی را به اشتباه می اندازد.
کامپیوترهای صنعتی پنل لس یا نمایشگردار (مانند کامپیوتر صنعتی 15 اینچ سایمون – CM-NP15-A) که قابلیت نصب در محیط های خشن صنعتی با لرزش و دمای بالا را دارند و می توانند پردازش های سنگین داده را به صورت محلی انجام دهند، بهترین انتخاب سخت افزاری برای استقرار الگوریتم های هوشمند در کف کارگاه هستند.
گذار از عصر سیستم های واکنشی و رله های مکانیکی پردردسر به سمت کارخانجات هوشمند، دیگر یک انتخاب فانتزی نیست؛ بلکه تنها راه بقا در بازار رقابتی و پرشتاب امروز است. ادغام هوش مصنوعی در اتوماسیون صنعتی به همراه استقرار قدرتمند شبکه های اینترنت اشیا، ماشین آلات خاموش کارخانجات را به موجوداتی زنده و خودآگاه تبدیل می کند که قادرند خرابی های خود را پیش بینی کرده، کیفیت را به طور مستمر بازرسی نمایند و مصرف انرژی را به بهینه ترین حالت ممکن برسانند
در قلب هر خط تولید مدرن، شبکه ای پیچیده و هماهنگ از سنسورها، کنترلرها و عملگرها در حال تبادل داده های میلی ثانیه ای هستند تا کیفیت، سرعت و ایمنی محصول نهایی را تضمین کنند. توقف های ناگهانی ماشین آلات (Downtime)، استهلاک بالای قطعات فیزیکی، خطاهای انسانی غیرقابل جبران و مصرف سرسام آور انرژی، همگی ریشه در فرسودگی یا انتخاب نادرست زیرساخت های الکتریکی دارند.
برای عبور از مرزهای اتوماسیون سنتی و ارزیابی امکان پذیری هوشمندسازی در خطوط تولید خود، همین امروز با تیم متخصصین ما در ارتباط باشید:
آدرس دفتر مرکزی: تهران ، خیابان قائم مقام فراهانی ، کوچه بیستم ، پلاک 7 ، واحد 5
تلفن تماس مستقیم دپارتمان مهندسی و اتوماسیون: 02188842616
