应用案例丨揭秘人工智能与自动化技术的实用对接，IO-Link 前来助阵！

车用尿素罐由塑料制成，其加注口使用超声波焊接到罐体上。不同型号组件的形状各不相同，焊接工艺的参数也因部件形状和尺寸的不同而异。针对每个零件进行调整、检查和记录是一项非常复杂的工作，其复杂性随着因素的增加而呈指数型增长。

传统的自动化系统迟早会达到其处理能力的极限，打破现有流程的变化和调整难以避免！人工智能和机器学习为管理复杂性提供了新的方法，让自动化更加智能。

倍加福新业务开发部门 Daniel Möst 强调说：“使用人工智能处理复杂流程是非常具有价值性的。反过来，人工智能只有在获得大量详细信息时才能发挥其全部潜力。所以传感器在获取生产过程的信息方面起着至关重要的作用。传感器通信问题也愈发重要。” 几十年来，这家总部位于曼海姆的自动化技术公司一直专长于这个复杂的领域。

人工智能领域由硅谷巨头和初创公司主导，比如德累斯顿市的 Symate 公司。“到目前为止，这两个领域之间几乎没有任何联系，” Symate 公司 David Haferkorn 解释说。“我们与倍加福共同合作，希望提供以应用为导向的、务实的 AI 解决方案，用较低的入门成本创造可衡量的附加价值。”借助于 Detact 系统，Symate 提供了灵活的人工智能基础设施，用于收集、分析以及处理生产数据和质量数据。这个网页版系统可以使用物联网应用程序系统性地监控和优化流程。

在这一点上，现场级与物联网系统的连接——这在目前仍然相当罕见——开始发挥作用。在倍加福，这方面所需的技术是多年来一直研发的重点，其中非常重要的一项是 IO-Link 技术。

作为一款全球通用的开放性标准，IO-Link 支持现场设备与物联网结构和工业 4.0 环境的双向连接。基于现有的点对点连接和三线标准布线，这些设备可以独立集成到任何现场总线网络。倍加福带有 OPC UA 接口的 IO-Link 主站，基于标准协议，为不同数据层级之间的无缝传输奠定了基础。

OPC UA 让机器间的通信简单化；网页级的标准协议 MQTT 也随时可用。主站对 IO-Link 数据进行释义和传输。PROFINET 和 EtherNet/IP 实时传输过程和测量数据，而 OPC UA 和 MQTT 则传输状态信息和诊断数据，这些信息是控制器以外的其他系统所需要的。这些数据可立即用于外包软件的处理，比如 Detact。

“我们的系统将数据可视化，并识别过程中的交互作用，” David Haferkorn 解释说。“我们可以访问历史数据并进行复杂的评估。经验表明，干扰可以从许多不同的参数中累积发现，而不会超过定义的极限值。我们可以在早期阶段识别这种不良发展，那过程工程师能够在适当的时间收到需要的信息，根据这些信息他们可以采取预防性措施，而不是在情况发生后再采用措施。”

AI系统可以记录和分析各种参数，但它依赖可靠传感器提供的详细信息和连续数据流。尽管 Detact 可以处理几乎所有的数据源，但所发送的数据质量必须适合全面的自动 AI 分析。“通过与倍加福合作，我们就有了理想的自动化技术专家，” David Haferkorn 说。“现在我们可以为用户提供从伊始就与我们的软件相配合的硬件组件。”

点击此处跳转优酷视频，了解更多！

两家公司的专家在德累斯顿市的 Symate 公司办公室配备了一台全自动咖啡机，并通过 AI 和众多传感器相连接，作为一个连接现场层和 AI 世界的实用模型。第一步是记录明显的参数，比如水箱、咖啡盒和杯子的料位，以及对杯子的识别。传感器数据在 Detact 系统中进行合并和处理，用来记录单人咖啡消耗量、杯子液位的波动变化，以及冲泡过程的变化，并预测未来的消耗量，以及水箱和咖啡盒的再次填充。

该模型可以应用到工业实践中，例如尿素罐的两个注塑成型部件的材料连接：交付零件的托盘配备有 RFID 标签。带有 IO-Link 接口的 RFID 读写头确保对零件的明确识别和前道工序参数的传输。标记颜色传感器会立即进行质量检查，检测注塑过程中的变色或烧伤痕迹。自动检测质量偏差；焊接工艺根据各个零件的参数进行调整。

完成的容器被分类到适当的托盘中。传感器通过 OPC UA 接口连接到 IO-Link 主站。Detact 可以从提供的信号中得出初步分析：将不同工序链的数据进行合并和同步。通过自动 AI 分析获得超声波焊接系统的自适应流程设置，比如接触压力、焊接时间和所需能量。

倍加福和 Symate 提供的这个概念，其中一个关键优势是进入门槛低。IO-Link 传感器易于集成，且广泛使用。倍加福带有 OPC UA 接口的 IO-Link 主站为无阻碍的数据流奠定了基础，不会干扰现有的流程控制。

倍加福产品经理 Lukas Pogoda 强调说：“在此基础上，我们可以毫不费力地执行 Detact 试点项目。” David Haferkorn 补充道：“无需试图以抽象的方式掌握流程的复杂性。在迭代流程中，人工智能可以从一开始就找到合适的解决方案。”