A ventilátorral beszélő személy

Adatnyelv és MI – Az digitalizáció közvetítői

A digitális átalakulás nem csak a ChatGPT óta jelentkezik, hanem már a mesterséges intelligencia is része ennek. A rá osztott feladatok között szerepelnek ismétlődő és rendkívül összetett tevékenységek egyaránt. A generatív MI képes emberi beviteli adatokból szövegeket és képeket alkotni, leíró MI pedig felismeri a bonyolult mintázatokat és leírja a valós állapotokat. A MI alkalmazások megtalálhatók mind a szolgáltatásokban, mind a gyártásban.

A digitális átalakulás magában foglalja a kommunikációt is. Ennek eszköze többek között a digitális korszak pénzneme, az adatok, nemcsak személyes adatok. Minden gép, például a szellőztető berendezés esetében minden ventilátor folyamatosan kommunikál az üzem közben keletkező adatok révén. Az adatok helyes használata egyfajta interakciót jelent különböző fajok között – ember és gép –, ezáltal mélyebb megértést tesz lehetővé. Mert minden adat valamit elárul a gépről és az állapotáról.

A kihívás az, hogy halljuk és megértsük a ventilátor nyelvét. A Ziehl-Abegg ebben az irányban lép fel, mesterséges intelligenciát alkalmazva az értékeléshez, így fordítóvá válik a ventilátor adatokon alapuló beszédéhez.

Hagyományos karbantartás – Kevés mozgástér

A ventilátor teljes megértése különösen fontos lehet, ha potenciális meghibásodásokról vagy karbantartási szükségletekről van szó. A hagyományos módszer addig vár, amíg a komponensek nem működőképesek. Ez általában nem tervezett, néha kedvezőtlen időpontokban bekövetkező kieséseket jelent. Emellett károk keletkezhetnek a szomszédos alkatrészeken is. Hasznos lehet a meghatározott időközönként végzett beavatkozás, amikor a leállási időket meg lehet tervezni. Azonban előfordulhat, hogy például teljesen működőképes részeket is cserélnek. Továbbá a tapasztalati értékek vagy a működési időre vonatkozó adatok nem védenek meg a nem tervezett, „kívül eső” alkatrészek meghibásodásától. Minden termék más, különböző folyamatok nem adnak száz százalékos képet az állapotról. Ez azt jelenti, hogy erőforrásokat, például pótalkatrészeket bármikor rendelkezésre kell tartani, és a szervizeseknek rövid határidőn belül elérhetőnek kell lenniük.

Szinte lehetetlen megtalálni a megfelelő pillanatot a beavatkozásra a működés közben karbantartási célból. Ritkán történik hirtelen meghibásodás, inkább előre jelezhető a probléma. De ha nem látjuk a csendes figyelmeztetéseket, és kívülről nem észlelhető, hogy egy alkatrész már nem működik optimálisan, akkor csak találgatásra alapozva lehet lépni. Ha azonban a ventilátor bármikor tájékoztatást adhatna saját állapotáról és működéséről, akkor az ember mindig jól informált lenne. A ventilátor nyelvének adat-alapú megértése azt jelenti, pontosan tudni, hogyan állnak a gép és alkatrészei éppen. Egy közelgő zavar jelentősen pontosabban jósolható meg.

Beágyazott szenzorok – Az adatok gyűjtése

Ezen az úton a Ziehl-Abegg már több mérföldkőnek számító lépést tett meg a múltban. A kihívás elsősorban az adatok gyűjtése volt. A ventilátorokat tökéletesen az adott szellőztetési technológia igényeihez igazított szenzorokkal tették beszélővé. A ventilátormotorban már meglévő szenzorok segítségével helyben mérhetők rezgés- és telemetriai adatok, például tengelyrezgés, fordulatszám, hőmérséklet és felvett áram.

Átvitel a felhőbe – Az adatok historizálása

A gyűjtött adatokat ezután a ZAbluegalaxy felhőmegoldásba küldve vizualizálták. Így a ventilátor nyelve láthatóvá vált. Ez lehetővé tette a mérési adatok megfigyelését, naplózását és történeti nyilvántartását. Az ebből származó elemzések már első következtetéseket tettek lehetővé a ventilátor állapotáról, például figyelmeztető üzeneteket is ki lehetett adni ezen az alapon.

Beágyazott MI – Az adatok valós idejű értelmezése

A kihívás, hogy a nyelvet is megértsük, és ennek megfelelően tudjunk cselekedni, már megoldódott. Azonban több tényező szinte lehetetlenné teszi az emberi szakemberek számára, hogy az adatokat időben olvassák, értékeljék és értelmezzék. Ide tartozik különösen a mennyiségük, valamint az a tény, hogy egyes működési állapotokat nem lehet kizárólag egyes adatokból megállapítani, hanem csak azok kombinációjából. Az emberi oldalról folyamatos felügyelet és elemzés nem kivitelezhető. És ha csak egy kis része kerülne feldolgozásra, az már nem lenne aktuális. Az adatok valós idejű felhasználása így nem lehetséges. Egy hibánál a megfelelő időben történő beavatkozás csúcspontja akár el is maradhat.

Pontosan ebben az esetben lép be a mesterséges intelligencia egy ideghálózat formájában. Az ideghálózatok, melyek több rétegben összekapcsolt mesterséges neuronokból állnak, mesterek az adatok fogadásában és elemzésében. A bemeneti szinten az adatok bemeneti vektorként érkeznek, és egy vagy több rejtett rétegen keresztül haladnak a kimeneti rétegig. Minden szinten adatfeldolgozás történik. A kimeneti rétegen a számított értékek, mint például egy százalékos érték, ember számára olvasható formára transzformálódnak, például egy komponens állapotáról adnak tájékoztatást. Ha egy adott károsodási valószínűség fennáll, figyelmeztető vagy hibajelzés jelenik meg.
Az értékelések alapján az MI képes szükség esetén javaslatokat tenni a további lépésekre. Az ideghálózat segíthet a problémák vagy meghibásodások diagnosztizálásában is, az üzemadatok alapján az esetleges okokat azonosítva. A mesterséges intelligencia így egy olyan munkatársként működik, aki folyamatosan figyeli a ventilátor kommunikációját, megérti a szavait, értelmezi azokat, és javaslatokat tesz a cselekvésre. A korábban gyűjtött adatok most már értelmesen feldolgozhatók.

A MI bevezetése – Az adatok feldolgozása

De ahogyan minden munkatársnak, a MI-nek is be kell tanulnia. A Ziehl-Abegg nagy erőfeszítésekkel tréningezte: milliónyi adatpontot gyűjtöttek, rögzítettek és rendelték hozzájuk a működési állapotokat. Ez döntéseket tett szükségessé arról, mely adatok és jellemzők fontosak bizonyos állapotok elemzéséhez, és ezeket megfelelően súlyozni kell. A zavarokat és károkat szimulálták, így a MI ismerte a normál viselkedést, és az apró eltéréseket azonnal észrevette. Ezzel párhuzamosan a hatalmas adatmennyiséget feature engineering segítségével készítették elő, azaz standardizálták és transzformálták. Az adatoknak nemcsak minőségileg magas színvonalúnak kell lenniük, hanem egységes formában is, hogy összehasonlíthatók legyenek. A MI számára így egy iránymutatót adtak, amelyhez igazodhat.

Különösen, hogy a számításokat a komponensen belül is el tudja végezni, szükséges az adatok levezetése, ami a leegyszerűsítés és a lehető legnagyobb pontosság közötti egyensúly megtalálását teszi szükségessé. Az összegzés ugyan növeli a hatékonyságot – túl sok adat és túl sok jellemző megnehezítené a pontos elemzést. A kiképzett MI most már tesztelhető validációs adatokon is.

Tökéletes egyezés – Szakértői tudás és MI

Az adatok és a MI tehát először felkészülnek a feladatra. Még ezután is a MI fontos szerepet tölt be, de nem válik kizárólagos döntéshozóvá. A lenyűgöző elemzési képességeivel fordítja le a ventilátor nyelvét az emberi szakértő számára, és ad ajánlásokat. A döntés arról, hogyan kezeljük az ajánlásokat, azonban az emberi szakértelem felülvizsgálata után, a tájékoztatás értékelése és a további tényezők figyelembevételével történik. Az embernek továbbra is rendelkeznie kell szakmai és kontextuális tudással, a MI nem tud önállóan cselekedni. Lehetséges például, hogy a ventilátort úgy állítják be, hogy hibajelzés esetén azonnal kikapcsoljon – de ezt a funkciót aktívan kérni kell, nem alapértelmezett beállítás.

Összességében a mesterséges és az emberi intelligencia szorosan együttműködik. A valós idejű felügyelet és a közvetlenül az alkatrészen ülő MI elemzőképessége tökéletes összhangot eredményez a szakértelemmel rendelkező, döntésképes és jogosult emberrel.

A forradalmi karbantartás – Cselekvési jogkör MI-vel

Kiderül, hogy az ember még több cselekvési lehetőséggel rendelkezik, mint korábban. Mert az együttműködés a MI-vel egy modern karbantartási rendszert eredményez, amely több szempontból is kiemelkedő. Akár időben előre látható, akár váratlanul jelentkező károsodásról van szó, minden meghibásodás és potenciális kiesés bejelentésre kerül, így időt adva a reagálásra. Ezáltal az emberi tevékenység inkább az aktív beavatkozás felé tolódik el, mint a puszta megelőző vagy vészhelyzeti reakció. A tervezhetőség a kulcsszó. Még a váratlan meghibásodások is jelezhetnek, és nem szükséges többé az esetlegesen hosszabb ideig tartó, eredetileg jó állapotú alkatrészek cseréje. Egy alkatrész élettartama a maximumig kihasználható, és a meghibásodás által okozott láncreakció enyhíthető.

A bejelentés általában elegendő időt hagy a kedvező időpont kiválasztására a karbantartásra. A folyamatok optimalizálódnak, növelve a ventilátor megbízhatóságát. A leállási idők csak a tényleges karbantartási időt jelentik. A munkatársak már nem kell készenlétben álljanak, és a pótalkatrészek sem feltétlenül kell, hogy raktáron legyenek. Az idő és költség a karbantartásban minimálisra csökkenthető. A karbantartás nem válik többé kellemetlen, váratlan eseménnyé, amely megállítja a működést, hanem szinte beépül ebbe a folyamatba.

A karbantartás optimalizálásával járó előnyök mellett más is van. Idővel lehetőség nyílik bizonyos problémás területek azonosítására, például ismétlődő hasonló hibák esetén, vagy az első hibák megjelenéséig tartó idő meghatározására, akár környezeti tényezőktől függően is. A működési paraméterek könnyebben igazíthatók szükség szerint. A karbantartási tervek nem válnak feleslegessé, de tovább optimalizálhatók. Általánosságban elmondható, hogy a ventilátor és működése új szintre emelhető, ami teljesen új karbantartási stratégiák kialakítását teszi lehetővé.

A tér és idő jelentősége – A beágyazott rendszer

A mesterséges intelligencia általános alkalmazásán túl különösen kiemelkedő a beágyazott rendszer alkalmazása. Pontosabban fogalmazva, az „embedded system” kettős értelemben van jelen. A szenzorokat nem kell külön beszerezni, mert már a motorban megtalálhatók – a ventilátor igényeihez igazítva, míg a külső szenzorok esetleg nem tudják az összes releváns adatot rögzíteni.

A MI-t nem kell külön megvásárolni, mivel már a központi helyen van. Külön szoftver vagy egyéb infrastruktúra, például adatfeldolgozó platformok nem szükségesek.

Lehetséges a ventilátor összekapcsolása egy átjáróval (gateway) és az adatok küldése a felhőbe – ahol az adatokat aktívan kérik le a felhasználók –, de ez nem döntő szempont az értékelés szempontjából, különösen egyetlen eszköz esetében. A előnyök magukért beszélnek. Szinte nincs késleltetés, az elemzés valóban valós idejű lesz. Ha a vizualizáció vagy az adatok tárolása szükséges, vagy több eszköz hálózatba kötése, akkor a felhő veszi át a döntő szerepet. Az átvitt adatmennyiség így csökken, kevesebb hálózati terhelés keletkezik. Ez a kisebb adatátvitel előnyt jelent azok számára az adatok számára is, amelyek továbbításra kerülnek. A felhő láthatóvá teszi a MI munkáját, miközben a MI gondoskodik arról, hogy csak már feldolgozott, magasabb minőségű adatok kerüljenek továbbításra.

Összegzés

A Ziehl-Abegg folytatja az eddigi irányt, azaz az adott állapotot pontosan leíró adatok felhasználását. A mesterséges intelligencia nem csupán egy „jó ha van” dolog, hanem a következő lépés alapvető része. A MI-megoldással olyan eszközt hoztak létre, amely a szellőztetési technikában is forradalmasítja a karbantartást. A MI fordítja a ventilátor adat-alapú nyelvét, és „kommunikációs intelligenciává” válik. Az üzemállapotok leírásával előrejelzéseket lehet tenni a lehetséges meghibásodásokról, a leíró MI pedig prediktívvá válik.

Alapértelmezés szerint a jövőben minden ventilátorban lehet majd, így megnyitva az utat teljesen új munkamódszerek előtt. A felhasználó egy folyamatosan jelen lévő szervizmunkatársat kap, aki az adatokból a lehető legjobban értelmezve folyamatosan elemzi azokat, és következtetéseket von le. Paradox módon ez a plusz lépés növeli az autonómiát, mivel javítja a cselekvési lehetőségeket. Más szempontból ez a lépés elmarad: a beágyazott rendszer miatt nincs szükség folyamatos adatátvitelre. A legújabb digitalizációs eszköz, a MI, így nem igényli a folyamatos hálózati kapcsolatot, és közvetlenül optimalizálja a felhő használatát. A MI így önállóan is működik, ugyanakkor kiválóan illeszkedik egy hibrid rendszerbe, például a ZAbluegalaxy-val.