Künstliche Intelligenz im Edge-Gateway
Machine Learning im Schaltschrank
SSV zeigt auf der Hannover Messe mit dem IGW/941 ein kompaktes Edge-Gateway mit vorinstalliertem KI-Software-Stack. Dieser bietet neben zahlreichen mathematischen Funktionen auch verschiedene Machine-Learning-Algorithmen zur Klassifizierung und Regression. Damit lassen sich Anwendungen erstellen, in denen Sensordaten in Echtzeit direkt auf der Hutschiene mit Hilfe des maschinellen Lernens analysiert werden, um beispielsweise erforderliche Wartungstermine vorherzusagen oder Anomalien in den Zustandsdaten einer Maschine zu erkennen.
Daten sind der Rohstoff des 21. Jahrhunderts. Sie werden in jeder Maschine, jeder Anlage und jedem Prozess permanent erzeugt. Mit geeigneter Hard- und Software lässt sich dieser wertvolle Datenschatz heben und per Machine Learning (ML) in Informationen umwandeln. So sind vorausschauende Service- und Wartungskonzepte (Predictive Maintenance), Qualitätsverbesserungen (Predictive Quality), Produktivitätssteigerungen (Predictive Efficiency) oder ML-basierte Anomalie-Erkennungen möglich.
Im IIoT-Umfeld müssen brauchbare Daten zunächst durch spezielle Sensorik erzeugt, verknüpft und aufbereitet werden. Danach erfolgt die Informationsgewinnung mit entsprechenden ML-Algorithmen. Anschließend stehen die Informationen sowohl lokal (z. B. per OPC UA) als auch mit Hilfe einer Cloud zur weiteren Nutzung zur Verfügung.
SSV zeigt auf der Hannover Messe zu diesem Thema mit dem IGW/941 ein kompaktes Edge-Gateway mit vorinstallierten ML-Algorithmen und diversen Data-Science-Bausteinen für industrielle Applikationen. Damit lassen sich Anwendungen erstellen, die beispielsweise Sensordaten erfassen, per Klassifizierung oder Regression in Informationen umwandeln und das Ergebnis per OPC UA oder MQTT weitergeben.
Zum IGW/941 gehören vorkonfigurierte und sofort einsatzbereite Entwicklungswerkzeuge für die ML-Trainingsphase und Modellbildung. Des Weiteren bietet SSV allen IGW/941-Nutzern ein Webinar mit folgenden Inhalten: 1. Grundlegende Prinzipien und Terminologie des maschinellen Lernens. 2. Ein vollständiger Machine-Learning-Prozess, einschließlich Sensordatenerfassung, Datenaufbereitung, Modellierung und Modellbewertung. 3. Bestimmen der Modellgenauigkeit und Anpassen der Hyperparameter. 4. Den Ausgang eines Machine-Learning-Algorithmus mit anderen Systemen verbinden.
Hannover Messe, Halle 5, Stand D05
Das könnte Sie auch interessieren
Mobile Systeme machen Schule
Die Industrie 4.0 stellt die Automatisierungsbranche vor die Herausforderung, gut ausgebildeten Nachwuchs zu sichern, um die Innovationskraft des Wirtschaftsstandortes Deutschland zu erhöhen.
mehr...App sorgt für Sicherheit bei der Wartung
Die Anwendung „5i.Maintenance“ verbessert Transparenz und Arbeitssicherheit bei der Maschineninstandhaltung.
mehr...Neuer Mobilcomputer zur Datenerfassung
Mit dem Scoria M240 präsentiert Werock Technologies einen neuen vollrobusten Mobilcomputer mit starken Scan-Funktionen, nahtloser Konnektivität und ergonomischem Design.
mehr...Nachhaltigkeit aus eigener Erfahrung - Sven Hamann im Interview
Nachhaltigkeit, Mitarbeiterqualifizierung und der Return on Investment: Industrie 4.0 hat viele Facetten. Am Rande der Hannover Messe 2022 nahm sich Sven Hamann, Geschäftsführer von Bosch Connected Industry, Zeit, um mit Chefredakteur Daniel...
mehr...Rodriguez zeigt Lineartechnik, Präzisionslager und mehr
Rodriguez ist im Sommer auf insgesamt vier Messen vertreten. In München geht es um Lineartechnik und Präzisionslager.
mehr...Pneumatischer Cobot
Einen ungewöhnlichen Ansatz für Cobots präsentierte Festo auf der Hannover Messe. Auf den Markt kommt der mit Druckluft angetriebene Roboter 2023.
mehr...Revolutionäre Schaltschränke und kabellose Transportsysteme
Beckhoff war in Hannover mit einem großen Auftritt und zahlreichen Neuheiten dabei und auch die Zahlen stimmen weiterhin.
mehr...Preiswürdige Energiketten-Anwendungen
Igus zeichnete in Hannover die beeindruckendsten Anwendungen mit dem Vector Award 2022 aus.
mehr...