Maschinelles Lernen

Andreas Mühlbauer,

Echtzeit-ML in der Steuerungstechnik

Beckhoff bietet eine in TwinCAT 3 integrierte Lösung für Maschinelles Lernen (ML).

Beckhoff bietet eine in TwinCAT 3 integrierte Lösung für Maschinelles Lernen (ML). © Beckhoff

Dabei sind die Vorteile der Systemoffenheit durch die Nutzung etablierter Standards auch für ML-Anwendungen gegeben. Die Inferenz, also die Ausführung eines trainierten ML-Modells, ist als TwinCAT-TcCOM-Objekt direkt in Echtzeit möglich, und zwar bei kleinen Netzen mit einer Reaktionszeit des Systems von unter 100 µs. Aufrufbar sind die Modelle sowohl über die PLC, C/C++-TcCOM-Interfaces als auch über eine zyklische Task.

Durch die Integration in die Steuerungstechnik steht die Multicore-Unterstützung von TwinCAT auch für das ML offen. So lässt sich aus unterschiedlichen Task-Kontexten auf die jeweilige TwinCAT 3 Inference Engine zugreifen. Weiterhin ist der Zugriff auf alle Feldbusschnittstellen und Daten in TwinCAT gegeben.

Anzeige
Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige

Künstliche Intelligenz

Von Daten zu kognitivem Wissen

Digitalisierung beeinflusst den Erfolg von Unternehmungen. Sie ist an disruptive Konzepte wie IoT, Deep Learning/Machine Learning, Datenanalyse, Big Data, Cloud- und Edge-Computing und damit an die alles vereinigende, künstliche Intelligenz (KI,...

mehr...
Anzeige
Anzeige
Anzeige

Cloud Computing

Edge Computing goes Machine Learning

Neue „Ready to Go“-Cloud-Box-Lösungen ermöglichen es den Unternehmen, die Macht über ihre Daten wieder zurückzubekommen, indem sie unter anderem mithilfe von Machine-Learning-Algorithmen direkt an der Produktionsstraße, sprich: im Edge Device,...

mehr...