FactoryTalk Analytics Edge ML позволяет специалистам по операционным технологиям (OT) на производственной площадке использовать возможности машинного обучения и визуальных данных, одновременно применяя свои глубокие знания в области дискретного или процессного производства в свою пользу. FactoryTalk Analytics Edge ML обеспечивает простоту подключения источников данных, конвейеров данных и гибкость использования моделей собственной разработки. В результате специалисты OT могут постоянно улучшать производственные процессы, внедряя модели, обнаруживающие дефекты или оптимизирующие производственные параметры, использующие обратную связь через контроллер с минимальной задержкой. Все это достигается с использованием компактного оборудования, такого как вычислительные модули, шлюзы и безмониторные промышленные ПК.
Замкнутая обратная связь на компактном оборудовании Теперь вы можете запускать модели машинного обучения на производственной площадке на компактном оборудовании, таком как вычислительные модули, информационные шлюзы и безмониторные промышленные ПК, и немедленно применять полученные инсайты к уровню управления в реальном времени.
Надежное визуальное построение моделей и их повторное использование Сотрудники OT могут визуально создавать сложные конвейеры данных в совместной среде или использовать заранее созданные модели машинного обучения от IT для оценки. Эти модели можно повторно использовать и развертывать на месте в рамках завода, что сокращает время и затраты на внедрение.
Готовое подключение и предварительная обработка данных FactoryTalk Analytics Edge ML предлагает встроенные адаптеры для загрузки данных из контроллеров Rockwell Automation, что позволяет быстро собирать и организовывать данные с производственной площадки для анализа. Данные могут предварительно обрабатываться на месте для создания эффективного потока данных, что не только снижает нагрузку на контроллеры, но и позволяет принимать быстрые решения близко к потребителю. Наконец, данные, проанализированные на месте, могут передаваться в постоянные хранилища данных (локально или в облаке), очереди сообщений или инструменты визуализации данных.
Использование собственных моделей или готовых библиотек машинного обучения с открытым исходным кодом Используйте свои собственные заранее созданные модели машинного обучения или аналитические модели и привлекайте готовые библиотеки машинного обучения с открытым исходным кодом, совместимые с Python или PMML, чтобы масштабировать создание аналитических приложений и увеличивать скорость инноваций.