O novo módulo FactoryTalk® Analytics LogixAI, anteriormente conhecido como Project Sherlock, trabalha com inteligência artificial (IA) para detectar anomalias na produção e alertar aos trabalhadores com o propósito de que investiguem ou intervenham se surgir algum inconveniente. O novo módulo de IA proporciona análise preditiva sem a necessidade de que um cientista de dados intervenha, facilitando assim a tomada de decisões.
Jonathan Wise, gerente de produtos da Rockwell Automation, explicou que o módulo FactoryTalk® Analytics LogixAI permite que a análise seja mais acessível para que mais trabalhadores tomem melhores decisões de produção. Também informou que o módulo reconhece sua aplicação de ControlLogix e envia alertas aos operadores e técnicos quando ocorrerem mudanças inesperadas. Dessa maneira, podem prever inconvenientes na qualidade do produto e proteger a integridade do processo.
O módulo FactoryTalk® Analytics LogixAI é a última incorporação à família do FactoryTalk® Analytics da Rockwell Automation. Essa família inclui o FactoryTalk® Analytics for Devices, que identifica a estrutura dos sistemas de automação com a finalidade de alertar aos trabalhadores sobre problemas com dispositivos individuais. O módulo LogixAI oferece ainda mais, pois engloba a aplicação do sistema de automação e ajuda a identificar anomalias graças a essa função geral.
Ambos os produtos trabalham de forma individual, mas se beneficiarão mutuamente em versões futuras. Na plataforma FactoryTalk® Analytics são adicionadas várias fontes de dados para que os trabalhadores possam descobrir novas perspectivas. Tanto o FactoryTalk® Analytics for Devices quanto o módulo LogixAI serão as fontes de dados para a plataforma no futuro.
Por exemplo, por meio do módulo, os operadores poderão detectar desvios no funcionamento de equipamentos, como as misturadoras, que poderiam afetar a qualidade do produto ou resultar em tempo de parada. Também é possível usá-lo como sensor virtual. O módulo elimina a necessidade de que os trabalhadores realizem leituras, como a de umidade de um produto alimentício embalado, pois consegue analisar variáveis desde os ativos de linha, como os pulverizadores, secadores e queimadores, com a finalidade de prever uma medição de forma virtual.