Lernen für alle Bereiche

Maschinelles Lernen für alle Bereiche

Beckhoff bietet eine in Twincat 3 nahtlos integrierte Lösung für Maschinelles Lernen (ML). Dabei sind die von PC-based Control gewohnten Vorteile der Systemoffenheit durch die Nutzung etablierter Standards auch für ML-Anwendungen gegeben.

Mit TwinCAT 3 stehen dem Automatisierer die neuen Möglichkeiten von Machine und Deep Learning in seiner gewohnten Steuerungswelt zur Verfügung. © Beckhoff

Zudem wird das ML in Echtzeit realisiert, sodass sich die Twincat-Lösung zum Beispiel auch für den anspruchsvollen Motion-Bereich eignet. Auf diese Weise erhält der Maschinenbauer eine Grundlage zur Steigerung der Maschinenperformance, etwa durch Prescriptive Maintenance, Selbstoptimierung von Prozessabläufen oder eigenständige Erkennung von Prozessanomalien. Grundidee des ML ist es, Lösungen für bestimmte Aufgaben nicht mehr durch klassisches Engineering zu erarbeiten und in einen Algorithmus zu überführen. Vielmehr soll der gewünschte Algorithmus anhand beispielhafter Prozessdaten erlernt werden. Auf diese Weise lassen sich leistungsfähige Modelle trainieren und damit performantere Lösungen erzielen. Durch die nahtlose Integration in die Steuerungstechnik steht die Multicore-Unterstützung von Twincat auch für ML offen. So kann aus unterschiedlichen Task-Kontexten auf die jeweilige Twincat3 Inference Engine zugegriffen werden, ohne dass sich dies gegenseitig begrenzend auswirkt. Weiterhin ist der volle Zugriff auf alle Feldbusschnittstellen und Daten in Twincat gegeben. Damit lässt sich für die ML-Lösung einerseits eine große Datenfülle zum Beispiel für komplexe Sensordatenfusion (Datenverknüpfung) nutzen. Andererseits stehen echtzeitfähige Schnittstellen zu Aktoren unter anderem für Optimal Control zur Verfügung. pb

Anzeige
Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige