El nuevo módulo FactoryTalk Analytics LogixAI, anteriormente conocido como Project Sherlock, trabaja con inteligencia artificial (IA) para detectar anomalías en la producción y alertar a los trabajadores a fin de que investiguen o intervengan si se presenta un inconveniente. El nuevo módulo de IA brinda análisis predictivo sin la necesidad de que un científico de datos intervenga, facilitando así la toma de decisiones.
Jonathan Wise, gerente de productos de Rockwell Automation, explicó que el módulo FactoryTalk Analytics LogixAI permite que el análisis sea más accesible para que más trabajadores tomen mejores decisiones de producción. También informó, que el módulo reconoce su aplicación de ControlLogix y envía alertas a los operadores y técnicos cuando ocurren cambios inesperados. De esta manera, pueden prever inconvenientes en la calidad del producto y proteger la integridad del proceso.
El módulo FactoryTalk Analytics LogixAI es la última incorporación a la familia de FactoryTalk Analytics de Rockwell Automation. Esta familia incluye FactoryTalk Analytics for Devices, que identifica la estructura de los sistemas de automatización a fin de alertar a los trabajadores sobre problemas con dispositivos individuales. El módulo LogixAI ofrece aún más, ya que aprende la aplicación del sistema de automatización y ayuda a identificar anomalías gracias a esta función general.
Ambos productos trabajan de forma individual, pero se beneficiarán mutuamente en versiones futuras. En la plataforma FactoryTalk Analytics se añaden múltiples fuentes de datos a fin de que los trabajadores puedan descubrir nuevas perspectivas. Tanto FactoryTalk Analytics for Devices como el módulo LogixAI serán las fuentes de datos para la plataforma a futuro.
Por ejemplo, a través del módulo, los operadores pueden detectar desviaciones en el funcionamiento de equipos, como las mezcladoras, que podrían afectar la calidad del producto o resultar en tiempo improductivo. También puede usarse como sensor virtual. El módulo elimina la necesidad de que los trabajadores realicen lecturas, tales como la humedad de un producto alimenticio envasado, ya que puede analizar variables desde los activos de línea, tales como los pulverizadores, secadores y quemadores, a fin de predecir una medición de forma virtual.
