Insights Hub Predict - AI với IIoT sẽ đơn giản hơn rất nhiều

Insights Hub, bộ ứng dụng IoT công nghiệp là cốt lõi của danh mục Industrial Operations X technology của Siemens để cải thiện khả năng ra quyết định, giờ đây cho phép người dùng tận dụng chức năng AI, cho phép các nhà khoa học dữ liệu phổ thông tận dụng dữ liệu chuỗi thời gian từ IoT - kết nối tài sản dây chuyền máy móc và tạo dự báo.

Khi các công ty kết nối hệ thống máy móc của họ với Internet of Things (IoT) và bắt đầu nhận và trực quan hóa dữ liệu, nhu cầu mới sẽ xuất hiện. Họ có thể muốn nghiên cứu dữ liệu và triển khai học máy (ML) và trí tuệ nhân tạo (AI) để nhận các phân tích dự đoán tốt hơn. Nhưng các nhà nghiên cứu dữ liệu (data scientists) đang thiếu rất nhiều về nguồn nhân lực và các công ty cần những cách mới, tốt hơn để chạy các mô hình.

Insights Hub Predict làm việc như thế nào.

Insights Hub Predict bắt đầu bằng việc thu thập dữ liệu chuỗi thời gian, chẳng hạn như chỉ số nhiệt độ và độ rung. Sau khi thu thập đủ dữ liệu, khả năng AI và máy học sẽ cho phép bạn đưa ra dự báo – thường dự báo sẽ chạy trong một phút hoặc ít hơn.

Những dự báo này giúp người dùng đưa ra quyết định sáng suốt về các hành động trong tương lai, chẳng hạn như lập kế hoạch bảo trì dự đoán, phát hiện sớm và lập kế hoạch tài nguyên. Theo thời gian, bạn thậm chí có thể lập trình các cảnh báo sẽ kích hoạt nếu dự báo hiển thị thông tin nằm ngoài những gì được coi là bình thường.

Điều gì sẽ xảy ra nếu công ty của bạn có thể nhận được những phân tích này mà không cần các nhà khoa học dữ liệu?

Siemens Industrial IoT hiện cho phép người dùng tận dụng chức năng AI mới - Insights Hub Predict - cho phép các nhà khoa học dữ liệu phổ thông tận dụng dữ liệu chuỗi thời gian (timeseries) từ các tài sản được kết nối IoT và tạo dự báo. Giải pháp tích hợp các thành phần AI từ Tangent Works với Insights Hub.

Ai được hưởng lợi từ Dự đoán của Insights Hub Predict

Các công ty nhỏ, vừa và lớn có thể triển khai khả năng dự đoán và xây dựng các mô hình phân tích. Thông qua IoT công nghiệp, tất cả các công ty đều có thể tiếp cận AI – có và không có nhân viên có chuyên môn về AI hoặc máy học. Để tận dụng được khả năng này, bạn cần phải có Insights Hub.

Insights Hub là bộ ứng dụng IoT công nghiệp cốt lõi của danh mục Industrial Operations X để cải thiện khả năng ra quyết định. Nó trao quyền cho hoạt động sản xuất thông minh để tạo ra những hiểu biết sâu sắc có thể hành động từ tài sản và dữ liệu vận hành, đồng thời thúc đẩy hoạt động sản xuất xuất sắc cũng như cải thiện hiệu quả và chất lượng hoạt động. Công nghệ Industrial Operations X bao gồm Industrial IoT, Industrial Edge và Industrial Low Code, cho phép Siemens, khách hàng và đối tác trên hệ sinh thái Siemens Xcelerator xây dựng các ứng dụng dành riêng cho ngành. Các công cụ này có sẵn ngay lập tức cho mọi cấp độ triển khai, ngay cả khi bạn đang sử dụng tài khoản dùng thử miễn phí Insights Hub Start.

Chúng ta có cần một nhà nghiên cứu dữ liệu để sử dụng Predict của Insights Hub không?

Không. Bất kỳ ai cũng có thể trở thành nhà nghiên cứu dữ liệu phổ thông và thực hiện dự báo.

Người dùng Insights Hub được kết nối với sản phẩm (bao gồm cả người quản lý dịch vụ) hoặc được kết nối với phân xưởng (bao gồm kỹ sư bảo trì, kỹ sư vận hành và quản lý nhà máy) có thể chọn các thông số máy để tạo dự báo mà họ cần để thực hiện công việc của mình. Bằng cách tận dụng công nghệ Tangent Works (Tangent Works cung cấp khả năng dự báo và phát hiện bất thường cho dữ liệu chuỗi thời gian một cách nhanh chóng, chính xác và dễ giải thích. Điều này cho phép người dùng thúc đẩy giá trị kinh doanh từ các phân tích dự đoán, trao quyền cho họ đưa ra quyết định sáng suốt và giúp họ cải thiện quy trình.), kiến thức chuyên môn về AI được tích hợp sẵn và sẵn sàng cho tất cả mọi người sử dụng.

Cấu trúc Insights Hub Predict

Insights Hub Predict cung cấp cho bạn một hành trình vượt trội để tạo các mô hình dự đoán nhằm dự báo và phát hiện bất thường, nhanh hơn và tốt hơn trên dữ liệu TimeSeries bằng cách sử dụng công nghệ máy học (ML) và trí tuệ nhân tạo (AI) tiên tiến.

Insights Hub Predict sử dụng dữ liệu chuỗi thời gian từ nội dung dưới dạng tập dữ liệu và thực hiện cấu hình dễ dàng để xây dựng mô hình dự báo (forecast mode) và bất thường (anomaly mode), lên lịch, thực thi, lưu trữ và trực quan hóa những hiểu biết tức thì.

Đồ họa bên dưới mô tả quy trình làm việc của Dự đoán:

Màn hình chính của Insights Hub Predict:

Use Cases

Insights Hub Predict cho phép bạn tạo các trường hợp được sử dụng để theo dõi và quản lý cả công việc Dự báo và Phát hiện bất thường cũng như liên kết tập dữ liệu.

TimePicker

Biểu đồ hiển thị khoảng thời gian đã đặt trong bảng chọn Thời gian.

Bảng chọn thời gian cho phép bạn chọn phạm vi thời gian cần thiết theo các cách sau:

• Absolute: Cho phép bạn chọn khoảng thời gian giữa ngày "Từ" đến ngày "Tới".

• Quickrange: Cho phép bạn chọn phạm vi thời gian nhanh được xác định trước.

• Time Zone: Cho phép bạn chọn phạm vi thời gian nhanh được xác định trước.

Production models (mô hình sản xuất)

Insights Hub Predict cho phép bạn theo dõi và quản lý cả công việc Dự báo và Phát hiện bất thường, những công việc này được thực hiện và đánh giá liên tục theo các công việc đã lên lịch.

Bằng cách sử dụng Mô hình sản xuất, người dùng theo dõi và giám sát các báo cáo dự báo và bất thường đối với các mô hình thường xuyên được thực hiện theo lịch trình.

ForeCast (Dự báo)

Tiện ích mở rộng “ForeCast” đang giới thiệu khả năng dự báo như một phần của dịch vụ Predict, cung cấp công cụ xây dựng mô hình sẵn dùng để dự báo các giá trị dữ liệu chuỗi thời gian trong tương lai bằng cách sử dụng trí tuệ nhân tạo và công nghệ máy học tiên tiến.

Tiện ích mở rộng “ForeCast” sử dụng dữ liệu chuỗi thời gian TimeSeries từ nội dung dưới dạng tập dữ liệu và thực hiện cấu hình dễ dàng để xây dựng và thực hiện mô hình dự báo.

Tiện ích mở rộng " ForeCast " trực quan hóa các kết quả dự báo có thể được sử dụng nhiều hơn cho các trường hợp sử dụng được nhắm mục tiêu của bạn như so sánh với giá trị ngưỡng, xem xét các bản ghi dự báo lịch sử để lựa chọn mô hình.

Hình dưới đây hiển thị màn hình " ForeCast ":

1. Dataset information

2. Use case details of the forecast.

3. Forecast Configuration settings.

Mô hình dự báo (ForeCast Mode)

Mô hình dự báo được tạo có thể được sử dụng để dự đoán dữ liệu trong tương lai cho các biến đã chọn của Assets.

1. Forecast Models

2. Model information

3. Forecast report.

4. Predictor importance indicators

Lập kế hoạch mô hình dự báo cho sản xuất

Giờ đây, bạn có thể lập kế hoạch và lên lịch xuất bản mô hình dự báo, mô hình này có thể được thực hiện và đánh giá với các khoảng thời gian thường xuyên theo phạm vi thời gian ưa thích.

Báo cáo dự báo

Sau khi dự báo được lên kế hoạch xuất bản, các báo cáo dự báo sẽ được tạo theo lịch trình. Báo cáo dự báo đã tạo có thể được sử dụng để dự đoán dữ liệu trong tương lai cho các biến đã chọn của Assets. Để xem báo cáo dự báo, hãy nhấp vào "Production Forecasts" và chọn báo cáo ưu tiên từ trình đơn thả xuống "kết quả chi tiết để thực hiện dự báo".

Validate the Forecast Report

Tiện ích mở rộng dự báo cho phép bạn so sánh và xác thực dữ liệu tài sản thực tế với các báo cáo dự báo.

Lưu báo cáo Forecasts trong IoT Store

Sau khi báo cáo dự báo được tạo theo lịch trình, thì tổng hợp (trung bình, tối thiểu và tối đa) sẽ được tính toán dựa trên kết quả dự đoán dự báo. Báo cáo chứa dữ liệu tổng hợp này sẽ được chèn lại vào IoT Store của Insights Hub. Công cụ Rules có thể được định cấu hình để tạo sự kiện dựa gửi Alarm & Warning messages đến người sử dụng trên kết quả dự đoán Dự báo.

So sánh báo cáo Dự báo

Tiện ích mở rộng "Dự báo" cho phép bạn dự đoán dữ liệu trong tương lai với nhiều trường hợp và so sánh chúng để phân tích. Việc so sánh các hồ sơ dự báo lịch sử này hỗ trợ việc lựa chọn mô hình tốt hơn.

Sau khi báo cáo dự báo được tạo, hãy thực hiện các thay đổi bắt buộc trong "ForeCast Config" và nhấp vào "Tạo lại dự báo" rồi so sánh hai báo cáo.

Để so sánh các báo cáo dự báo, hãy chọn các báo cáo dự báo khác nhau và nhấp vào "So sánh".

Anomaly Detection

Tiện ích mở rộng Anomaly Detection như một phần của dịch vụ Insights Hub Predict, cung cấp khả năng xây dựng mô hình sẵn và phát hiện các biến thể trong giá trị dữ liệu chuỗi thời gian Timeseries bằng cách sử dụng trí tuệ nhân tạo và công nghệ máy học tiên tiến.

Tính năng phát hiện bất thường sử dụng dữ liệu chuỗi thời gian từ nội dung dưới dạng tập dữ liệu và thực hiện cấu hình dễ dàng để xây dựng mô hình và phát hiện các điểm bất thường.

Báo cáo Anomaly Detection trực quan hóa các điểm bất thường, chỉ báo, có thể được sử dụng thêm cho các mục tiêu của bạn như so sánh với giá trị ngưỡng, xem lại hồ sơ lịch sử.

Giao diện người dùng của tính năng Anomaly Detection

1. Dataset information

2. Details of the Anomaly detection

3. Data visualization area

4. Anomaly detection configuration settings

Xây dựng mô hình Anomaly detection Model

Để xây dựng mô hình phát hiện bất thường, hãy tiến hành các bước sau:

1. Mở " Predict " trong tab " Analyze ".

2. Chọn " Use Casevà nhấp vào " Anomaly detection ".

3. Trong cài đặt cấu hình " In-sample Period ", chọn khoảng thời gian cần thiết cho tập dữ liệu huấn luyện để xây dựng mô hình.

4. Chọn biến mục tiêu và biến đầu vào mà bạn chọn trong cài đặt Influencers.

5. Định cấu hình cài đặt Perspective và Sensitivity:

- Residual Sensivity: Phát hiện phần dư có cường độ cao hơn đáng kể so với cường độ được quan sát tại khoảng thời gian trong mẫu là bất thường.

- Residual change: Phát hiện những thay đổi cực đoan nhất so với mô hình hành vi bất thường có thể thấy trong khoảng thời gian trong mẫu.

- Fluctuation (Biến động): Mô hình hành vi bất thường phát hiện những bất thường nếu quan sát thấy những biến động khác với những biến động xuất hiện trong khoảng thời gian trong mẫu.

- Fluctuation Change (Biến động thay đổi): Quan điểm Fluctuation Change tập trung vào sự biến động của sản lượng dư tương tự như quan điểm biến động. Tuy nhiên, điểm khác biệt là quan điểm Fluctuation Change chỉ tìm kiếm sự thay đổi trong biến động.

- Imbalance Sensitivity (Độ nhạy mất cân bằng): Quan điểm mất cân bằng giúp phát hiện các bất thường kèm theo độ lệch của phần dư đầu ra so với 0 trong một khoảng thời gian dài hơn.

- Imbalance Change (Thay đổi mất cân bằng): Mô hình hành vi bất thường với quan điểm thay đổi mất cân bằng phù hợp để phát hiện những bất thường xảy ra khi quan sát thấy sự thay đổi mất cân bằng trong đầu ra phần dư.

6. Định cấu hình cài đặt Hành vi bình thường.

7. Định cấu hình cài đặt Nhập dữ liệu.

8. Nhấp vào "Xây dựng mô hình".

Anomaly Detections

Sau khi việc phát hiện sự bất thường được lên kế hoạch cho sản xuất, các điểm bất thường sẽ được tạo ra theo lịch trình. Các điểm bất thường được tạo ra có thể được sử dụng để phân tích dữ liệu cho các biến đã chọn của Assets. Để xem phát hiện bất thường, hãy nhấp vào "Phát hiện sản xuất" và chọn phát hiện bất thường ưu tiên từ trình đơn thả xuống "kết quả chi tiết để thực hiện dự báo".

Phát hiện sự bất thường

Sau khi xây dựng mô hình phát hiện bất thường, hãy định cấu hình cài đặt "Ngoài khoảng thời gian lấy mẫu", khoảng thời gian để thực hiện phát hiện bất thường. Nhấp vào "Phát hiện" để bắt đầu phát hiện các điểm bất thường cho tập dữ liệu đã chọn.

Sau khi quá trình phát hiện bất thường hoàn tất, các điểm bất thường sẽ được hiển thị như hình bên dưới:

1. Các biến được chọn và các bất thường

2. Các chỉ báo bất thường theo quan điểm

3. Cấu hình phát hiện bất thường

4. Dự đoán hàng đầu

Công ty A2S với hơn 10 năm kinh nghiệm trong lĩnh vực thiết kế, lắp đặt, lập trình và vận hành các hệ thống điều khiển, giám sát cam kết mang đến cho khách hàng những công nghệ mới, tiên tiến nhất. Chúng tôi hiểu hệ thống thiết bị và đưa cho người vận hành, người quản lý những công cụ thuận tiện, linh hoạt và tình trạng hoạt động thực tế của nhà máy.
A2S trở thành đối tác chính thức của Siemens Việt Nam mảng công nghiệp từ năm 2015. Từ đầu năm 2020 công ty A2S vinh dự trở thành đối tác chính thức mảng phần mềm PLM (Siemens Solution Software).