Questa pagina è stata tradotta automaticamente.
Completa un sondaggio di 1 minuto sulla qualità di questa traduzione.
Krones applica le pipeline CI/CD al software di controllo dei processi basato sull’IA
I workflow con MATLAB e Simulink supportano la creazione, il test e il packaging ripetibili di controller IA specifici per il cliente
“La coerenza dei risultati è garantita dall’esecuzione sistematica degli stessi test, mentre l’integrazione continua ha migliorato notevolmente la tracciabilità.”
Risultati chiave
- Integrate alcune fasi dello sviluppo dei controller IA in workflow automatizzati di build e test
- Standardizzate le fasi di creazione e distribuzione dei container, riducendo la dipendenza dagli ambienti locali e dai passaggi manuali tra team
- Miglioramento della tracciabilità e della preparazione al release degli aggiornamenti del software di controllo basato sull’IA, personalizzato per ciascun cliente
Contiloop AI utilizza misurazioni in linea della trasmissione della luce per monitorare la qualità dei contenitori e, quando necessario, regolare nuovamente i parametri di riscaldamento e di stiro-soffiaggio.
Per i produttori di macchinari (OEM) che sviluppano software di controllo basato sull’IA su misura per i clienti, la preparazione alla release può dipendere tanto dalla ripetibilità di test, packaging e distribuzione quanto dallo sviluppo degli algoritmi di controllo. In Krones, gli ingegneri hanno affrontato questa sfida con Contiloop AI, un sistema intelligente di controllo del processo di stiro-soffiaggio del PET.
Contiloop AI misura in linea la qualità dei contenitori attraverso la trasmissione della luce e, quando necessario, regola nuovamente i parametri di riscaldamento e di stiro-soffiaggio. Durante la messa in servizio, una sessione di acquisizione della telemetria varia i parametri di processo e raccoglie misurazioni sulla qualità delle bottiglie, che vengono inviate alla piattaforma Krones per l’elaborazione tramite Machine Learning.
Poiché bottiglie, preforme, forni e macchine per lo stiro-soffiaggio variano da un cliente all’altro, Krones addestra un nuovo agente IA per ciascun cliente. Il workflow complessivo comprende la raccolta e la pre-elaborazione dei dati, l’addestramento del modello dell’ambiente e dell’agente IA, la generazione delle routine di controllo, la creazione di immagini Docker® e la distribuzione del controller su un dispositivo edge.
Per il team di ingegneria, la sfida principale per rendere il processo scalabile era garantire la ripetibilità del workflow software. I test manuali, la creazione locale delle immagini Docker, le differenze tra ambienti e versioni del software, la disponibilità limitata dei toolbox, le restrizioni sui permessi di accesso e i vincoli legati alle risorse locali e alla rete rendevano più complesso coordinare i release. Krones ha integrato pipeline CI/CD in alcune fasi del workflow per automatizzare i test, le build, la creazione dei container e le fasi di distribuzione.
All’interno di queste pipeline, Krones utilizza MATLAB® per addestrare i modelli di IA e Simulink® per integrarli nella logica di controllo e generare codice con interfacce definite per i sistemi embedded. Il team utilizza diverse modalità di packaging a seconda dell’attività: immagini Docker con MATLAB Runtime per le applicazioni standalone oppure immagini Docker con MATLAB quando il workflow richiede l’ambiente MATLAB completo e le funzionalità di generazione del codice.
I prodotti utilizzati
