Koidra 结合了机器学习、物联网、数学和物理，以实现操作精度的自动化
原创文章于 自动化世界网站
从文章中选择摘录
Tran 多年来一直担任微软机器学习算法的首席研究工程师，他表示，存在一个影响运营效率的基本问题。它源于机器控制器（几十年来一直以相同方式运行的 PLC），它遵循自动化工程师在项目开发期间实施的静态、硬编码指令。更新执行程序的PLC梯形逻辑是很困难的。
然而，与此同时，根据操作机器的人、收集的数据以及环境条件，机器的运行方式有所不同。这种缺乏一致性的情况很难克服。
当 Tran 在其家族位于越南的生物质生产设施中工作时，他清楚地认识到了这一点，该设施采用传统 PLC、HMI 和 SCADA 技术建造。例如，烘干机运行效率不高，当他询问操作员原因时，他们给出了不同的答案。他自己也无法弄清楚，因为 PLC 没有能力接收来自不同来源的数据，因此无法以可理解的格式呈现正在发生的情况的全局视图。
因此，Tran 的使命是改进流程，同时避免陷入复杂且昂贵的编程困境。相反，他将 PLC 源数据提取到运行人工智能物联网软件的边缘计算机，该软件添加了传感器数据和操作参数。无需深入了解梯形逻辑，他们就能够应用低代码语言来改进控制逻辑和算法以优化操作。
Koidra 决策智能平台解决了梯形逻辑程序中静态的过时工业自动化以及机器控制系统之间缺乏互操作性的数据孤岛相关的问题。它还为非熟练工人创建了可扩展性和简单的操作界面。
