Maschinelles Lernen
Echtzeit-ML in der Steuerungstechnik
Beckhoff bietet eine in TwinCAT 3 integrierte Lösung für Maschinelles Lernen (ML).
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.
Das könnte Sie auch interessieren
Analyse und Erfassung von Daten
Datenerfassung in heterogener Umgebung
In Zeiten von I4.0 ist eine durchgängige Datenerfassung in heterogenen Systemumgebungen einer Maschine von großer Bedeutung. Beckhoff hat ein System entwickelt, das den Anwender dabei unterstützt: TwinCAT Scope.
mehr...Schwebende Mover mit sechs Freiheitsgraden
XPlanar von Beckhoff ermöglicht neue Wege in der Anlagenkonstruktion. Grundlage sind über beliebig angeordneten Planarkacheln frei schwebende Planarmover. Damit lässt sich eine flexible, exakte und hochdynamische Positionierung erreichen.
mehr...Imitation Learning in der Robotik
Flexible Automatisierung durch menschliche Demonstration
Imitation Learning ermöglicht, was klassische Robotik bislang nicht leisten konnte: schnelles Anlernen neuer Abläufe auch ohne Robotikfachkenntnisse und verbesserte Robustheit gegenüber Prozessvarianzen.
mehr...ZDIN: Transferprojekt VisionAdapt
KI erkennt kritische Späne
Im Transferprojekt VisionAdapt erforschen Wissenschaftler, wie Kamerasysteme und Maschinelles Lernen die spanende Fertigung effizienter, sicherer und autonomer machen. Ziel ist es, kritische Späne automatisch zu erkennen und Bearbeitungsprozesse in...
mehr...Innovative Methode in der Qualitätssicherung
Federated Learning hat sich als innovative Methode im Bereich der Qualitätssicherung etabliert, insbesondere in Szenarien, in denen Unternehmen sensible Produktionsdaten schützen möchten, aber dennoch von kollaborativen Modellen profitieren wollen.
mehr...Zuverlässige Roboter, Cobots und FTS mit Embedded-KI
Geht man von einem durchschnittlichen Maschinenstundensatz von 2.500 Euro aus, dann ist der Ausfall eines Industrieroboters mit hohen Kosten verbunden. Erstmals wird es mit lokaler KI möglich, sowohl Predictive Maintenance von Getriebe bis zum...
mehr...KI-Vision bringt zusätzliche Möglichkeiten
Die nahtlose Integration von KI in den Consumer-Bereich hat dazu beigetragen, unsere Lebensqualität zu verbessern und Interaktionen mit Technologie effizienter zu gestalten. In der Industrie eröffnet KI-Vision mit maschinellem Lernen neue...
mehr...Klassifizierung von Bauteilposen
Machine Learning in der Zuführtechnik
Das Institut für Montagetechnik der Leibniz Universität Hannover entwickelt ein Machine Learning Framework zur Klassifizierung von Bauteilposen in einer aerodynamischen Zuführanlage.
mehr...KI-Trends für Ingenieure: Wohin geht die Reise?
Laut Gartner haben Unternehmen, die KI-Engineering-Praktiken eingeführt haben, einen Wettbewerbsvorteil: Bis 2026 könnten sie ihre Konkurrenten in Bezug auf die Anzahl und den Zeitaufwand für die Operationalisierung von KI-Modellen um rund 25...
mehr...