„In Modernisierungsprojekten werden Teams oft erst spät im Prozess von mühsamen und unvorhergesehenen Arbeiten und Fehlern durch manuelle Konvertierung überrascht“, sagte Claudio Fayad, Vice President of Technology für den Bereich Prozesssysteme und -lösungen von Emerson. „Emersons REVAMP hilft den Projektierungsteams, ihre Systeme einfacher, frist- und budgetgerecht zu modernisieren und gleichzeitig Fehler und Unterbrechungen in der Produktion zu minimieren.“
Unternehmen, die ihre Leit- und Sicherheitssysteme modernisieren wollen, beginnen oft mit einem jahrzehntealtem Code, der auf aktuelle Software umgestellt werden muss. Das manuelle Konvertieren und Dokumentieren dieses Codes ist ein mühsames Verfahren, das den Zeitaufwand und Kapitalbedarf für solche Projekte drastisch erhöht.
Die fortschrittliche Software REVAMP von Emerson kombiniert eine umfangreiche Wissensbasis aus ähnlichen Modernisierungsprojekten mit der Erfahrungsbibliothek von Emerson, um kontinuierlich aktualisierte KI-Modelle zu entwickeln. Für die REVAMP Software bedeutet jedes modernisierte Leitsystem Input, der Lernalgorithmen erzeugt, die bei der Umwandlung von älterem Code immer intelligenter und schneller werden.
Projektteams werden bereits vor Beginn von Migrationsprojekten von der in REVAMP eingesetzten KI über die technischen Anforderungen informiert. Das erleichtert die Planung. Die KI-Engine analysiert native Dateien von bestehenden dezentralen Prozessleitsystemen, sicherheitsgerichteter Systeminstrumentierung oder Backups von PLC-Steuerungen und nutzt dabei eine globale Bibliothek mit Tausenden von erfolgreichen Projekten, um technische Aufgaben zu sortieren, auszuwählen und zu automatisieren. Das Modernisierungsprojekt wird automatisch vollständig dokumentiert, und wesentliche Teile können im DeltaV Leitsystem generiert werden, so dass die neuesten Funktionen zur Verfügung stehen und moderne Standards Anwendung finden.
Projektteams von Emerson haben weltweit Zugriff auf die neuesten Funktionen und Bibliotheken dieses sicheren, cloud-nativen Tools. Und mit eingebettetem maschinellem Lernen wachsen die Bibliotheken und verbessern sich, da die Projekte im Laufe der Zeit immer effizienter werden.