Nové řešení strojového učení edgeML firmy Weidmüller funguje nezávisle na přístupu ke cloudu a internetu. Učící se algoritmy nyní mohou běžet přímo na okraji sítě – ať už ve formě PLC nebo IPC. Kromě toho je software k dispozici jako Docker kontejner. To znamená, že edgeML je nezávislý na výrobci a lze jej použít na všech standardních průmyslových řadičích, které podporují spouštění kontejnerů Docker. edgeML může provádět různé modely strojového učení a je vhodný pro automatizační inženýry. Přístup společnosti Weidmüller bez kódu umožňuje nasazovat modely ML na kontrolér bez znalosti jazyka Python nebo datové vědy.
Vytváření přidané hodnoty pomocí edgeML
Strojové učení přímo v systému nabízí řadu výhod. Jednou z nejdůležitějších výhod je lokální sběr, ukládání a zpracování dat. Na rozdíl od cloudových řešení ML nemusí stroj nebo řídicí jednotka přenášet data do cloudu. Místo toho se zpracovávají lokálně. Operátoři tak mohou zajistit, aby citlivá data neodešla z firmy. Nové řešení ML navíc přináší také rychlost: nesrovnalosti ve výrobním procesu jsou rozpoznány přímo na stroji. To urychluje odstraňování závad, zabraňuje delším prostojům a snižuje výrobu zmetků. EdgeML zároveň snižuje náklady, protože eliminuje potřebu cloudových licencí a poplatků za přenos a ukládání dat. Výrobní linky se stroji a systémy, které nelze z bezpečnostních důvodů připojit k internetu, také těží ze strojového učení s edgeML.
Snadná tvorba a přizpůsobení modelu
Cesta k modelu strojového učení v edge aplikaci začíná shromažďováním dat v systému. Automatizační inženýři nebo odborníci na doménu je importují do nástroje ModelBuilder, kde nyní mohou na základě dat vytvářet modely ML. V posledním kroku jsou tyto modely přeneseny do edgeML.
Vzhledem k tomu, že edgeML podporuje standardní formát ONNX, mají uživatelé kromě ModelBuilderu další možnosti vytváření modelů, jako je Python. To umožňuje uživatelům implementovat strojové učení ve známém prostředí. edgeML také umožňuje opakované použití stávajících modelů ONNX.
