Sensor mit künstlicher Intelligenz
Bild: SSV Software Systems GmbHSSV stellt mit dem DNP/AISS1 ein kompaktes Evaluierungsboard samt Sensoren, Embedded System, Connectivity und AI-Software vor. Das DNP/AISS1 ist mit drei Bosch-Sensorelementen ausgestattet: ein Sensor für Luftfeuchtigkeit, Temperatur und Luftdruck, ein 3-Achsen-Beschleunigungssensor sowie ein 3-Achsen-Magnetometer. Diese Messgrößen erlauben bspw. die Evaluierung von Predictive-Maintenance-Anwendungen und Anomalieerkennungen. Die Connectivity-Komponente bildet eine Ethernet-Schnittstelle, die per Modbus, Profinet, MQTT, REST und OPC UA mit anderen Systemen kommunizieren kann. Gesteuert wird das ganze vom DNP/9535. Dieses Embedded System enthält auch die Softwarebausteine für die künstliche Intelligenz. So können auf dem DNP/9535 direkt vor Ort und in Echtzeit die Sensordaten miteinander verknüpft und per Klassifizierung oder Regression in Informationen für eine SPS umgewandelt werden. Um den Anwender bei seinen ersten Schritten zu unterstützen, gehört zum Lieferumfang des DNP/AISS1 auch ein Webinar mit folgenden Inhalten: Grundlegende Prinzipien und Terminologie des maschinellen Lernens, ein vollständiger Machine-Learning-Prozess, einschließlich Sensordatenerfassung, Datenaufbereitung, Modellierung und Modellbewertung, Bewertung und Anpassung von maschinellen Lernmodellen, den Ausgang eines AISS-Machine-Learning-Algorithmus mit einer SPS oder Cloud verbinden. Damit erhält der Anwender nicht nur die Hard- und Software, sondern auch das nötige Grundwissen, um eigenständig Machine-Learning-Anwendungen zu entwickeln und damit jede SPS-Anwendung nachträglich mit künstlicher Intelligenz aufzurüsten. @print Kontakt News:SSV Software Systems GmbH @print Kontakt News:Halle 6, Stand 150X
Bild: SSV Software Systems GmbHSSV stellt mit dem DNP/AISS1 ein kompaktes Evaluierungsboard samt Sensoren, Embedded System, Connectivity und AI-Software vor. Das DNP/AISS1 ist mit drei Bosch-Sensorelementen ausgestattet: ein Sensor für Luftfeuchtigkeit, Temperatur und Luftdruck, ein 3-Achsen-Beschleunigungssensor sowie ein 3-Achsen-Magnetometer. Diese Messgrößen erlauben bspw. die Evaluierung von Predictive-Maintenance-Anwendungen und Anomalieerkennungen. Die Connectivity-Komponente bildet eine Ethernet-Schnittstelle, die per Modbus, Profinet, MQTT, REST und OPC UA mit anderen Systemen kommunizieren kann. Gesteuert wird das ganze vom DNP/9535. Dieses Embedded System enthält auch die Softwarebausteine für die künstliche Intelligenz. So können auf dem DNP/9535 direkt vor Ort und in Echtzeit die Sensordaten miteinander verknüpft und per Klassifizierung oder Regression in Informationen für eine SPS umgewandelt werden. Um den Anwender bei seinen ersten Schritten zu unterstützen, gehört zum Lieferumfang des DNP/AISS1 auch ein Webinar mit folgenden Inhalten: Grundlegende Prinzipien und Terminologie des maschinellen Lernens, ein vollständiger Machine-Learning-Prozess, einschließlich Sensordatenerfassung, Datenaufbereitung, Modellierung und Modellbewertung, Bewertung und Anpassung von maschinellen Lernmodellen, den Ausgang eines AISS-Machine-Learning-Algorithmus mit einer SPS oder Cloud verbinden. Damit erhält der Anwender nicht nur die Hard- und Software, sondern auch das nötige Grundwissen, um eigenständig Machine-Learning-Anwendungen zu entwickeln und damit jede SPS-Anwendung nachträglich mit künstlicher Intelligenz aufzurüsten. @print Kontakt News:SSV Software Systems GmbH @print Kontakt News:Halle 6, Stand 150X
SSV Software Systems GmbH
Dieser Artikel erschien in 23 (zur SPS IPC Drives) 2018 - 01.11.18.Für weitere Artikel besuchen Sie
