Nowy moduł FactoryTalk Analytics LogixAI do sterowników ControlLogix, znany także pod nazwą projekt Sherlock wykrywa nieprawidłowości w procesie produkcyjnym w oparciu o algorytmy wykorzystywane w sztucznej inteligencji.
Projekt Sherlock wykorzystuje nowatorskie algorytmy uczenia w aplikacjach zarządzanych przez kontroler Logix. Moduł montowany jest bezpośrednio w kasecie sterownika, dzięki czemu nie powoduje zwiększenia ruchu sieciowego oraz obciążenia procesora. W celu identyfikacji zadań algorytm przeszukuje zmienne sterownika lub daje użytkownikowi możliwość wyboru obiektu do modelowania poprzez wybór danych wejściowych i wyjściowych instrukcji Add-On. Algorytm w ciągu zaledwie kilku minut tworzy modele predykcyjne w oparciu o strumień danych przepływający przez kasetę sterownika. Po zbudowaniu modelu moduł FactoryTalk Analytics LogixAI w sposób ciągły monitoruje działanie, wyszukując anomalii względem jej zidentyfikowanego, zasadniczego przebiegu. Po wykryciu problemu układ generuje alarm który może być wyświetlany na ekranie panelu operatorskiego lub komputera. Jedną z wielu zalet rozwiązania projektu Sherlock jest brak konieczności posiadania ogromnej ilości danych historycznych oraz udostępniania danych poza warstwę automatyki.
Diagnostyka modułu FactoryTalk Analytics LogixAI charakteryzuje się znacząco zredukowaną liczbą fałszywych alarmów w porównaniu do innych rozwiązań opartych na sztucznej inteligencji. Na przykład, sztuczna inteligencja modułu Project Sherlock potrafi wykrywać, czy uchyb temperatury w kotle jest wynikiem niewielkiej zmiany w operacjach realizowanych we wcześniejszych odcinkach linii procesowej czy nieprawidłowością, która wymaga korekty.
Moduł zawiera gotowe wzorcowe modele dla działania kotłów, pomp i agregatów chłodniczych. Idealnie nadające się do zastosowań procesowych lub hybrydowych. Użytkownicy mogą tworzyć modele dla dodatkowych zastosowań przy użyciu kreatora konfiguracji. Możliwe jest również wykorzystanie modułu jako wirtualnego czujnika. Zamiast wykonywania odczytów, na przykład wilgotności pakowanych produktów spożywczych, moduł może analizować zmienne z urządzeń linii produkcyjnej, na przykład urządzeń do natryskiwania, osuszania i palników w celu wirtualnego przewidywania wyniku pomiaru.
