Download Video: MP4, WebM, Ogg

Maschinelles Lernen für alle Bereiche der Automatisierung

Beckhoff bietet eine in TwinCAT 3 nahtlos integrierte Lösung für Maschinelles Lernen (ML). Dabei sind die von PC-based Control gewohnten Vorteile der Systemoffenheit durch die Nutzung etablierter Standards auch für ML-Anwendungen gegeben. Zudem wird die Ausführung der Machine-Learning-Modelle in Echtzeit realisiert, sodass sich die TwinCAT-Lösung z. B. auch für den anspruchsvollen Motion-Bereich eignet. Auf diese Weise erhält der Maschinenbauer die optimale Grundlage zur Steigerung der Maschinenperformance.

Grundidee des Maschinellen Lernens ist, Lösungen für bestimmte Aufgaben nicht mehr durch klassisches Engineering zu erarbeiten und in einen Algorithmus zu überführen. Vielmehr soll der gewünschte Algorithmus anhand von Prozessdaten erlernt werden. Beckhoff bietet für den gesamten Kreislauf von Daten und datenbasierten Algorithmen und Deployment einen geschlossenen Workflow.

Workflow von der Datenaufnahme über das Training bis hin zur Integration des trainierten ML-Modells in die TwinCAT 3 Runtime (XAR)

Workflow von der Datenaufnahme über das Training bis hin zur Integration des trainierten ML-Modells in die TwinCAT 3 Runtime (XAR)

Echtzeitfähige Inferenz von ML-Modellen als Standardmodul in TwinCAT 3

Echtzeitfähige Inferenz von ML-Modellen als Standardmodul in TwinCAT 3: Es wird keine separate Hardware benötigt und die Funktionalität ist rein in Software auf der gleichen Plattform wie die übrige Steuerungsapplikation realisiert.

Jede Applikation setzt unterschiedliche Ansprüche an die Art zur Archivierung von Maschinendaten: SQL oder noSQL, Datei-basiert, Cloud-basierter Datalake, … Für alle diese Szenarien steht eine Vielzahl etablierter TwinCAT-Produkte zur Verfügung, wie der TC3 Database Server TF6420, der TC3 Scope Server TF3300 oder der TwinCAT IoT Data Agent TF6720. Das Training erfolgt in etablierten Frameworks wie PyTorch, TensorFlow, SciKit-Learn, MATLAB® usw. Damit ist maximale Flexibilität gewährleistet und es sind keine Grenzen gesetzt bei einem interdisziplinären Projekt zwischen Automatisierungs-Ingenieuren und Data Scientists – weder Unternehmens-intern noch über Unternehmensgrenzen hinweg. Das gelernte Modell kann einfach in einem standardisierten Format (ONNX) exportiert und dem TwinCAT-Programmierer übergeben werden.

Das Deployment erfolgt über das TwinCAT-Engineering direkt in die TwinCAT-XAR, sodass die Ausführung des gelernten Modells (Inferenz) direkt in der harten Echtzeit auf der Maschinensteuerung erfolgt und damit synchron zu allen anderen Objekten der Steuerung ist.

Für die Automatisierungstechnik erschließt dies neue Möglichkeiten und Optimierungspotenziale, beispielsweise in den Bereichen prädiktive Wartung und Prozesssteuerung, Anomaliedetektion, kollaborative Roboter, automatisierte Qualitätskontrolle und Maschinenoptimierung.

Produkte

TF3800 | TwinCAT Machine Learning Inference Engine

TF3800 | TwinCAT Machine Learning Inference Engine: Ausführungsmodul von trainierten klassischen Machine-Learning-Algorithmen

TF3810 | TwinCAT Neural Network Inference Engine

TF3810 | TwinCAT Neural Network Inference Engine: Ausführungsmodul von trainierten neuronalen Netzen