Esta página fue traducida automáticamente.
Complete una encuesta de 1 minuto sobre la calidad de esta traducción.
Krones aplica CI/CD al software de control de procesos basado en IA.
Los flujos de trabajo de MATLAB y Simulink permiten la compilación, prueba y empaquetado repetibles de controladores de IA específicos para cada cliente.
“Se consigue consistencia porque siempre se ejecutan las mismas pruebas, y la trazabilidad ha mejorado considerablemente con la integración continua.”
Resultados principales
- Se incorporaron pasos seleccionados del desarrollo del controlador de IA a flujos de trabajo automatizados de compilación y prueba.
- Procesos estandarizados para la creación y entrega de contenedores, lo que reduce la dependencia de los entornos locales y las transferencias manuales.
- Mayor trazabilidad y preparación para el lanzamiento de actualizaciones de software de control de IA específicas para cada cliente.
Contiloop AI utiliza mediciones de transmisión de luz en línea para controlar la calidad de los envases y reajustar los parámetros de calentamiento y moldeo por soplado cuando sea necesario.
Para los fabricantes de equipos originales de maquinaria que desarrollan software de control de IA específico para cada cliente, la preparación para el lanzamiento puede depender tanto de las pruebas, el empaquetado y la entrega repetibles como del desarrollo del algoritmo de control. En Krones, los ingenieros abordaron ese desafío con Contiloop AI, un sistema inteligente de control de procesos para el moldeo por soplado y estirado de PET.
Contiloop AI mide la calidad de los envases en línea mediante la transmisión de luz y reajusta los parámetros de calentamiento y moldeo por soplado cuando es necesario. Durante la puesta en marcha, una prueba de telemetría varía los ajustes del proceso y recopila mediciones de la calidad de las botellas, que se envían a la plataforma de Krones para su procesamiento mediante Machine Learning.
Dado que las botellas, las preformas, los hornos y las máquinas de moldeo por soplado y estirado varían de un cliente a otro, Krones entrena un nuevo agente de IA para cada cliente. El flujo de trabajo más amplio abarca la recopilación de datos, el preprocesamiento, el entrenamiento del modelo de entorno, el entrenamiento del agente de IA, la generación de rutinas de control, creación de imágenes de Docker® y despliegue del controlador en un dispositivo periférico.
Para el equipo de ingeniería, el problema de escalabilidad consistía en garantizar la repetibilidad del flujo de trabajo del software. Las pruebas manuales, las imágenes de Docker creadas localmente, las diferencias entre entornos y versiones de software, la disponibilidad limitada de herramientas, las restricciones de permisos de acceso y las limitaciones de recursos y red locales dificultaron la coordinación de los lanzamientos. Krones integró flujos de CI/CD en partes seleccionadas del flujo de trabajo para automatizar las pruebas, las compilaciones, la creación de contenedores y los pasos de entrega.
Dentro de esos procesos, Krones utiliza MATLAB® para entrenar modelos de IA y Simulink® para integrar los modelos entrenados en la lógica de control y generar código con interfaces definidas para sistemas embebidos. El equipo utiliza diferentes enfoques de empaquetado según la tarea: Imágenes de Docker con MATLAB Runtime para aplicaciones independientes, o imágenes de Docker de MATLAB cuando el flujo de trabajo requiere el entorno completo de MATLAB y capacidades de generación de código.
