Lernen Sie eine Support Vector Machine an, um die Qualität Ihrer Produktionsprozesse vorherzusagen
Das Feld des maschinellen Lernens wird in der industriellen Automatisierung immer wichtiger. Die von der Steuerung zur Verfügung gestellten Sensor- und Aktuatordaten sowie alle internen Größen der Steuerung, können jetzt direkt in TwinCAT 3 von einem SVM-Algorithmus verarbeitet werden. Dadurch können Sie beispielweise die Qualität eines Produktionsprozesses voraussagen oder den Zustand der Maschine selbst klassifizieren und in Echtzeit aus der Steuerung darauf reagieren. Gesammelte Daten vergangener Prozesse werden dazu genutzt, den Algorithmus zu trainieren. Das dabei entstandene Model wird in der Steuerung ausgeführt. Durch diese Erweiterung in TwinCAT 3 wachsen die industrielle Automatisierung und das Feld des maschinellen Lernens zusammen.