Coca-Cola、機械学習を使用した仮想圧力センサーの開発により飲料ディスペンサーの診断を改善
MathWorks の協力を得て、チームはこのコードのフットプリントを削減し、ARM-Cortex M マイクロプロセッサにうまく適合させることができました。これにより、流量制御モジュールをスマート コンポーネントに転換しました。
主な成果
- 標準的な流量制御モジュールを診断可能なスマート コンポーネントに転換
- 何千台もの既存ディスペンサーに対し高価なセンサーの後付けが不要に
- 圧力予測で最大 91% の精度を達成
Coca-Cola の Freestyle 飲料ディスペンサーは、消費者がタッチスクリーン型のインターフェイスを操作して数百種類もの飲料を選ぶことができます。ディスペンサーの中でも重要なコンポーネントは、水流を調整するソレノイド作動バルブが含まれる流量制御モジュール (FCM) です。ディスペンサーの送水管に圧力計測用の物理センサーがなかったため、現場技術者が FCM の故障と上流の圧力損失を区別できず、故障していない FCM を交換することがよくありました。
そこで Coca-Cola のエンジニアは、フィールド診断を改善するために、MATLAB® と Simulink® を使用して機械学習ベースの仮想センサーを開発し、リソースに制約のあるディスペンサーのマイクロプロセッサに展開しました。
チームはまず、ハードウェアインザループのテストプロセスを通じて FCM からデータを収集しました。Simulink を使用して単純なコントローラーのモデル化とコード生成を行い、それをバルブ圧力と電流の測定値を取得するディスペンサーの制御ボードにダウンロードしました。次に、MATLAB を使用して、収集したデータを基に特徴抽出と多変量回帰を実行する関数を開発しました。これらの関数は、バルブ電流を基にバルブ圧力を予測する Simulink モデルに組み込まれました。また、チームは MathWorks のエンジニアと協力して、FCM の ARM Cortex-M マイクロプロセッサ用のコードを生成する前に、モデルのフットプリントを削減しました。
チームは、この仮想センサーを現場に展開する前に、10 台の異なる FCM で 2 種類の制御ボードを使用して 3,000 回以上のテストを行い、そのデータを収集および分析することでセンサーの精度を検証しました。
