ইন্টারনেট অফ থিংস (আইওটি), অগমেন্টেড রিয়েলিটি (এআর) এবং ক্লাউড কম্পিউটিংয়ের মতো প্রযুক্তির পরিপক্কতার ফলাফলগুলির মধ্যে একটি স্মার্ট কারখানার উত্থান। স্মার্ট কারখানায় ক্রমবর্ধমান পরিচিত দৃশ্য হ'ল সহযোগী রোবট। সহযোগী রোবটগুলি ইতিমধ্যে স্মার্ট উত্পাদন ক্ষেত্রে গুরুত্বপূর্ণ ভূমিকা পালন করে এবং আরও কার্যকারিতা গ্রহণ করবে এবং সময়ের সাথে সাথে কারখানায় আরও বেশি মূল্য সরবরাহ করবে।
যেহেতু স্মার্ট কারখানাগুলি ক্রমবর্ধমান সহযোগী রোবটগুলির উপর তাদের প্রয়োজনীয় কাজগুলি পূরণ করার জন্য নির্ভর করে, এটি আরও গুরুত্বপূর্ণ হয়ে ওঠে যে তারা নির্ভরযোগ্যভাবে এবং অপরিকল্পিত ডাউনটাইম ছাড়াই কাজ করে। এটি সহযোগী রোবট নির্মাতাদের তাদের পণ্যগুলিতে ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ সক্ষম করতে উত্সাহিত করেছে: ব্যর্থতার ক্ষেত্রে ব্যবহারকারীদের জন্য প্রাথমিক সতর্কতা যা তাদের সহযোগী রোবটগুলির অপারেশনকে শেষ পর্যন্ত বিপদে ফেলতে পারে। এটি অপ্রত্যাশিত মেশিন ব্যর্থতার কারণে বিঘ্ন ছাড়াই পরিকল্পিত রক্ষণাবেক্ষণের সময়গুলির মধ্যে ত্রুটিগুলি সমাধান করার সুযোগ দেয়।
সহযোগী রোবটগুলিতে, ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ সিস্টেমগুলি সেন্সরগুলির উপর নির্ভর করে যা অঙ্গ এবং জয়েন্টগুলির চলাচলে ছোট ছোট অসঙ্গতিগুলি সনাক্ত করে, সেইসাথে মোটরগুলিতে তাদের চালিত করে:
- অ্যাক্সিলোমিটার এবং ইনটারিয়াল পরিমাপ ইউনিট (আইএমইউ) এর মতো সেন্সরগুলি বহনকারী পরিধান ইত্যাদি দ্বারা সৃষ্ট কম্পনগুলি সনাক্ত করতে পারে etc.
- অতিস্বনক সেন্সরগুলি অতিরিক্ত ঘর্ষণ সনাক্ত করতে অনন্য অ্যাকোস্টিক স্বাক্ষরগুলি বেছে নেয়।
মেশিন লার্নিং টেকনিকস, কৃত্রিম বুদ্ধিমত্তার একটি শাখা (এআই), সহযোগী রোবটগুলিকে একটি রেফারেন্স পয়েন্ট থেকে কম্পন এবং শব্দ নিদর্শনগুলির মধ্যে পার্থক্য সনাক্ত করতে সক্ষম করার জন্য ব্যবহৃত হয় যখন সহযোগী রোবটটি একেবারে নতুন বা পরিচিত অবিচ্ছিন্ন অবস্থায় থাকে। অস্বাভাবিক নিদর্শনগুলির বিশ্লেষণ সিস্টেমটিকে উদ্ভিদ পরিচালন ব্যবস্থায় পরিকল্পিত মেরামত ও রক্ষণাবেক্ষণের জন্য প্রাথমিক ব্যর্থতা এবং ট্রিগার অনুরোধগুলি নির্ণয় করতে দেয়।
মেশিন লার্নিংয়ের প্রাথমিক বাস্তবায়নে, সেন্সর সিগন্যালগুলিতে নিদর্শনগুলি স্বীকৃতি দেওয়ার জন্য জটিল নিউরাল নেটওয়ার্ক অ্যালগরিদমগুলি সাধারণত শক্তিশালী মাইক্রোপ্রসেসর-ভিত্তিক এম্বেডড কম্পিউটিং সিস্টেমগুলিতে দূর থেকে চলে।
যাইহোক, এই জাতীয় কেন্দ্রীভূত সিস্টেমগুলি বিপুল সংখ্যক সহযোগী রোবট থেকে ইনপুটগুলি নিয়ে কাজ করার সময় প্রক্রিয়াজাতকরণ সরঞ্জামগুলিতে একটি ভারী বোঝা চাপিয়ে দেয়, ফলে উচ্চ বিদ্যুৎ খরচ হয় এবং কেন্দ্রীয় নিয়ন্ত্রণ ব্যবস্থায় সহযোগী রোবটগুলিকে সংযুক্ত করে নেটওয়ার্কে উল্লেখযোগ্য পরিমাণে ব্যান্ডউইথ গ্রহণ করে।
এম্বেড থাকা এআই ক্ষমতা সহ একটি নতুন প্রজন্মের সেন্সরগুলির আবির্ভাব এখন স্থানীয় মেশিন লার্নিং সক্ষম করার জন্য সহযোগী রোবট নির্মাতাদের একটি নতুন উপায় সরবরাহ করে। মেশিন লার্নিং সেন্সরগুলির বিকাশের একজন অগ্রগামী স্টেমিক্রোইলেক্ট্রনিক্স থেকে সরঞ্জাম এবং সফ্টওয়্যার ব্যবহার করে, সহযোগী রোবট ডিজাইন ইঞ্জিনিয়াররা তাদের পণ্যগুলিতে ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ ক্ষমতা তৈরি করার জন্য একটি নতুন, সহজ উপায়ের সুবিধা নিতে পারে।
কম্পন এবং অতিস্বনক পরিমাপের জন্য এমইএমএস সেন্সরগুলির বিস্তৃত পরিসীমা
এসটি অ্যাক্সিলোমিটার, আইএমইউ, চাপ সেন্সর এবং মাইক্রোফোন সহ এমইএমএস সেন্সরগুলির শিল্পের বৃহত্তম পোর্টফোলিওগুলির একটি সরবরাহ করে। সেন্সিং উপাদানগুলি বিশেষায়িত মাইক্রোমাচাইনিং প্রক্রিয়াগুলি ব্যবহার করে তৈরি করা হয়, অন্যদিকে আইসি ইন্টারফেসগুলি বিশেষায়িত সিএমওএস প্রযুক্তি ব্যবহার করে তৈরি করা হয়। এটি সেন্সিং উপাদানটির বৈশিষ্ট্যগুলির সাথে মেলে এমন বিশেষায়িত সার্কিটগুলির নকশা সক্ষম করে।
এই প্রযুক্তিটি আইআইএস 3 ডিডাব্লুবি এর উচ্চ কার্যকারিতাটিকে অন্তর্ভুক্ত করে, উদাহরণস্বরূপ, ত্রি-অক্ষের অতি-প্রশস্ত ব্যান্ডউইথ এমইএমএস অ্যাক্সিলোমিটার, যা ত্রুটিযুক্ত মেশিনগুলির দ্বারা উত্পাদিত কম্পনগুলি সনাক্ত করার জন্য আদর্শ। এসটি এর এমইএমএস সেন্সর আইসিগুলির উপর ভিত্তি করে মোশন সেন্সর মডিউলগুলিও সরবরাহ করে: আইএসএম 33 0 ডিএইচসিএক্স, উদাহরণস্বরূপ, একটি সিস্টেম-ইন-প্যাকেজ পণ্য যা উচ্চ-পারফরম্যান্স 3 ডি ডিজিটাল অ্যাক্সিলোমিটার এবং 3 ডি ডিজিটাল জাইরোস্কোপগুলি শিল্প 4.0 অ্যাপ্লিকেশনগুলির জন্য তৈরি করে।
সিদ্ধান্ত ট্রি লজিকের ভিত্তিতে মেশিন লার্নিং
আইএসএম 330 ডিএইচসিএক্স হ'ল এসটি এর এমইএমএস সেন্সর অফারগুলির মধ্যে একটি যা একটি মেশিন লার্নিং কোর (এমএলসি) আকারে এম্বেডেড এআই কার্যকারিতা অন্তর্ভুক্ত করে। এই মেশিন লার্নিং ক্ষমতা সিস্টেম অপারেটরদের কেন্দ্রীয় অ্যাপ্লিকেশন প্রসেসর থেকে সেন্সরে কিছু ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ অ্যালগরিদম স্থানান্তর করতে সক্ষম করে, ডেডিকেটেড এমএলসি খুব কম শক্তি গ্রহণ করে।
সুতরাং কীভাবে সেন্সরের ছোট, নিম্ন-শক্তি প্রক্রিয়াকরণ লজিক ব্লকটি মেশিন লার্নিং ক্ষমতা সরবরাহ করতে পারে যা সাধারণত একটি বৃহত, বিদ্যুৎ-ক্ষুধার্ত অ্যাপ্লিকেশন প্রসেসরের প্রয়োজন হয়?
উত্তরটি তার স্মার্ট সেন্সরগুলিতে এম্বেড করে এমন সিদ্ধান্ত গাছের যুক্তিতে রয়েছে: এসটি-সক্ষম সিদ্ধান্ত ট্রি অ্যালগরিদমগুলি traditional তিহ্যবাহী নিউরাল নেটওয়ার্ক অ্যালগরিদমের চেয়ে সহজ, এবং তাই আরও কম নির্দেশিকা চক্র এবং শক্তি গ্রহণ করে।
একটি সিদ্ধান্ত গাছ হ'ল একটি গাণিতিক সরঞ্জাম যা কনফিগারযোগ্য নোডগুলির একটি সিরিজ সমন্বিত। প্রতিটি নোড একটি "আইএফ-তবে-ইলেস" শর্ত উপস্থাপন করে যা একটি ইনপুট সিগন্যাল (অর্থাত্ কাঁচা সেন্সর ডেটা থেকে গণনা করা একটি পরিমাণগত মান) একটি প্রান্তিক মানের সাথে তুলনা করে।
আইএসএম 330 ডিএইচসিএক্স একই সাথে এবং স্বাধীনভাবে আটটি সিদ্ধান্ত গাছ চালানোর জন্য কনফিগার করা যেতে পারে। সিদ্ধান্ত গাছগুলি ডিভাইসে সংরক্ষণ করা হয় এবং ফলাফলগুলি ডেডিকেটেড আউটপুট রেজিস্টারে উত্পন্ন হয়। হোস্ট মাইক্রোকন্ট্রোলার বা অ্যাপ্লিকেশন প্রসেসর যে কোনও সময় সিদ্ধান্ত গাছের ফলাফলগুলি পড়তে পারে। সেন্সর সিদ্ধান্ত গাছ দ্বারা উত্পাদিত ফলাফলের প্রতিটি পরিবর্তনের জন্য বাধা তৈরি করতে পারে।
সিদ্ধান্ত ট্রি লজিক কীভাবে কাজ করে
সিদ্ধান্ত গাছের জন্য ভবিষ্যদ্বাণীমূলক মডেলটি প্রশিক্ষণের ডেটাগুলির একটি সেট থেকে তৈরি করা হয় এবং আইএসএম 330 ডিএইচসিএক্সে সংরক্ষণ করা হয়। প্রশিক্ষণের ডেটা সহযোগী রোবট পরিচালনার সময় তার কাঙ্ক্ষিত অবস্থায় (অর্থাত্ ভাল অবস্থায়, ত্রুটিমুক্ত) রেকর্ড করা হয়।
একটি সিদ্ধান্ত গাছ এমন একটি পদ্ধতি যার মাধ্যমে এমএলসি কাঁচা সেন্সর ডেটাতে সাধারণ বৈশিষ্ট্যগুলি বিশ্লেষণ করে। এই সাধারণ বৈশিষ্ট্যগুলি একটি "মডেল" এর ভিত্তি তৈরি করবে যা সেন্সরগুলি সহযোগী রোবটের ক্রিয়াকলাপের তুলনা করতে ব্যবহার করবে। যদি সেন্সর আউটপুটটি মডেলটির সাথে অত্যন্ত মেলে তবে সহযোগী রোবটটি ত্রুটিমুক্ত। যদি সেন্সরটি তার রিয়েল-টাইম পরিমাপের সাথে মডেলের সাথে মেলে না, তবে একটি সম্ভাব্য ত্রুটি নির্দেশিত হয় এবং মেশিন অপারেটরে একটি অ্যালার্ম প্রেরণ করা হয়।
সিদ্ধান্ত গাছের প্রতিটি নোডে একটি শর্ত থাকে যার অধীনে বৈশিষ্ট্যগুলি একটি নির্দিষ্ট প্রান্তিকের সাথে তুলনা করা হয়। যদি শর্তটি সত্য হয় তবে সত্য পথের পরবর্তী নোডটি মূল্যায়ন করা হয়। যদি শর্তটি মিথ্যা হয়, তবে মিথ্যা পথের পরবর্তী নোডটি মূল্যায়ন করা হয়, যেমন চিত্র 1 -এ দেখানো হয়েছে। সিদ্ধান্ত গাছের অবস্থা ফলাফল না পাওয়া পর্যন্ত নোড দ্বারা নোডের বিকশিত হবে। সিদ্ধান্ত গাছের ফলাফলটি একটি আচরণগত "বিভাগ" সংজ্ঞায়িত করে: ফিটনেস কব্জিটির ক্ষেত্রে এই জাতীয় বিভাগটি "হাঁটা" বা "জগিং" হতে পারে। সহযোগী রোবটগুলির জন্য ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ অ্যাপ্লিকেশনগুলিতে, সহযোগী রোবটগুলির বিভিন্ন কাজের চাপ বিভিন্ন বিভাগের সাথে মিলে যায়।
সিদ্ধান্ত গাছ একাধিক নোড নিয়ে গঠিত
সিদ্ধান্ত গাছ প্রতিটি সময় উইন্ডোর জন্য একটি নতুন ফলাফল উত্পন্ন করে, যার দৈর্ঘ্য ব্যবহারকারী দ্বারা প্রাসঙ্গিক ক্রিয়াকলাপ বিভাগের বৈশিষ্ট্যগুলি ক্যাপচার করতে সেট করা থাকে। ফলাফলটি "মেটা-ক্লাসিফায়ার" নামক একটি অতিরিক্ত al চ্ছিক ফিল্টার দ্বারাও সংশোধন করা যেতে পারে যা সিদ্ধান্ত গাছের আউটপুটে অভ্যন্তরীণ কাউন্টারগুলি প্রয়োগ করে।
এমএলসি দ্বারা স্বীকৃত ক্রিয়াকলাপ বিভাগগুলি (ফিল্টারযুক্ত বা অ-ফিল্টার করা সিদ্ধান্ত গাছের ফলাফলের আকারে) আইএসএম 330 ডিএইচসিএক্স মডিউলটির রেজিস্টারগুলির মাধ্যমে অ্যাক্সেস করা যেতে পারে।