TOP
SSV Software Systems Registrieren  Registrieren
Einloggen, um private Nachrichten zu lesen  Einloggen, um private Nachrichten zu lesen
Startseite FAQ Suchen Mitglieder Profil  Login 
SSV Support-Forum
KI-basierter Sensor mit DNP/9535 ...

 
Neues Thema eröffnen   Neue Antwort erstellen    SSV-Forum Foren-Übersicht >>> DNP/9535
<<< Vorheriges Thema - Nächstes Thema >>>  
Beiträge der letzten Zeit anzeigen:   
Autor Nachricht
kdw



Anmeldedatum: 05.05.2006
Beiträge: 1204

BeitragVerfasst am: 28.08.2018, 15:10    Titel: KI-basierter Sensor mit DNP/9535 ... Antworten mit Zitat

Hallo Forum.

Auf der SPS IPC Drives 2018 stellen wir den AISS (Artificial Intelligence Smart Sensor) vor, das erste intelligente Sensorkonzept mit einem voll ausgestatteten Embedded-Machine-Learning-Technologie-Stack für industrielle Anwendungen. Als erstes verfügbares Produkt wird gerade der DNP/AISS1 entwickelt, ein Evaluierungsboard mit DNP/9535, drei Bosch-Sensorelementen und einer Ethernet-basierten Kommunikationsschnittstelle für Modbus-, Profinet-, MQTT-, REST- und OPC UA-Verbindungen zu anderen Systemen.



Zusammen mit dem DNP/AISS1 erhält der Kunde einen Webinar-Zugangscode für ein AISS-Starterlabor mit folgenden Themen:

1. Verfolgen und verstehen Sie einen vollständigen End-to-End-Machine-Learning-Prozess mit einer AISS-Device, einschließlich Sensordatenerfassung, Datenaufbereitung, Modellierung und Modellbewertung.

2. Entwickeln Sie ein grundlegendes Verständnis der Prinzipien des maschinellen Lernens und der damit verbundenen Terminologie.

3. Verstehen Sie den grundlegenden Prozess zur Bewertung von maschinellen Lernmodellen.

4. Verbinden Sie den Ausgang eines AISS-Machine-Learning-Algorithmus über Ethernet mit einem SPS-System oder einer Cloud.

VG KDW
Nach oben
Benutzer-Profile anzeigen Private Nachricht senden
kdw



Anmeldedatum: 05.05.2006
Beiträge: 1204

BeitragVerfasst am: 30.08.2018, 06:50    Titel: Wofür kann man das gebrauchen? Antworten mit Zitat

Hallo Forum.

Diesmal ist die Antwort wirklich ganz einfach: Sie können damit jede an sich „dumme“ SPS nachträglich mit künstlicher Intelligenz aufrüsten.

Stellen Sie sich einfach mal folgenden Anwendungsfall vor: Sie steuern mit einer SPS einen 3-Achs-Roboter mit Greifarm, um Bauteile von Position A nach Position B zu transportieren. Ihre SPS ist in der Regel nicht in der Lage eine mechanisch bedingte Anomalie an dem Robotergreifarm rechtzeitig zu erkennen und würde solange weitermachen, bis aus der Anomalie ein Schaden entsteht und es „knackt“. Da hilft es auch nicht, dass man die erforderlichen Sensorelemente (3D-Beschleunigungssensor, 3D-Bewegungssensor, 3D-Gyrosensor usw.) relativ einfach am Roboterarm nachrüsten könnte. Schaltet man einen AISS zwischen diese Sensoren und SPS, sieht die Situation völlig anders aus: Der AISS verknüpft die 3D-Sensordaten zyklisch und klassifiziert per vortrainiertem Machine Learning-Algorithmus den Zustand des Roboters. Dabei entsteht jeweils ein diskreter Ausgangswert, der per Profinet an die SPS weitergegeben wird. An Hand dieses Wertes (der jeweils mit Hilfe intelligenter Algorithmen entsteht) kann die SPS nun eine Anomalie erkennen und eine Störung anzeigen.

Fazit: Durch die künstliche Intelligenz, wie sie zum Beispiel in Form des maschinellen Lernens zur Verfügung steht, lässt sich jede Steuerungsanwendung mit intelligenzbasierten Funktionalitäten aufrüsten (KI- oder ML-Retrofit per DNP/AISS1). Dadurch wird eine SPS anpassungsfähiger und kann in Grenzbereichen auf Situationen reagieren (z. B. Auftreten einer Anomalie), die bei der Entwicklung der Steuerung nicht vorgesehen bzw. vorprogrammiert wurden. Damit lassen sich Servicearbeiten zielgenauer planen und die Verfügbarkeit einer Maschine oder Anlage verbessern.

VG KDW
Nach oben
Benutzer-Profile anzeigen Private Nachricht senden
kdw



Anmeldedatum: 05.05.2006
Beiträge: 1204

BeitragVerfasst am: 12.09.2018, 13:15    Titel: Sensoren des DNP/AISS1 … Antworten mit Zitat

Hallo Forum.

Auf dem DNP/AISS1 befinden sich drei Bosch-Sensoren, die eine Reihe unterschiedlicher Werte liefern. Die Sensoren im Einzelnen sind:

1x BMM150 Geomagnetic Sensor. Weitere Details siehe: https://www.bosch-sensortec.com/bst/products/all_products/bmm150

1x BMI160 6-Axis Inertial Measurement Unit. Weitere Details siehe: https://www.bosch-sensortec.com/bst/products/all_products/bmi160

1x BME280 Integrated Environment Unit. Weitere Details siehe:https://www.bosch-sensortec.com/bst/products/all_products/bme280

VG KDW
Nach oben
Benutzer-Profile anzeigen Private Nachricht senden
kdw



Anmeldedatum: 05.05.2006
Beiträge: 1204

BeitragVerfasst am: 20.09.2018, 10:52    Titel: AISS-Familie ... Antworten mit Zitat

Hallo Forum.

AISS (Artificial Intelligence Smart Sensor) ist eine neue SSV-Produktfamilie mit intelligenten Sensorbaugruppen, die mit Hilfe eines Baukastenkonzepts aufgabenspezifisch entwickelt werden. Insgesamt besteht der Baukasten aus Sensing Toolbox (Sensorelemente), Data Science Toolbox (intelligente Algorithmen zur Datenanalyse), C/S Toolbox (Komponenten für Kommunikation und Security) und P/PM/C Toolbox (Bausteine zur Spannungsversorgung, Power Management und das finale Produktgehäuse).



Die für eine Produktentwicklung jeweils benutzen Sensorelemente stammen aus einer Sensing Toolbox. Sie werden mit den jeweils passenden Data Science-Algorithmen kombiniert, um aus den Sensoren die zu einer bestimmten Frage- bzw. Aufgabenstellung passenden Informationen zu gewinnen.

VG KDW
Nach oben
Benutzer-Profile anzeigen Private Nachricht senden
kdw



Anmeldedatum: 05.05.2006
Beiträge: 1204

BeitragVerfasst am: 21.09.2018, 06:41    Titel: Wie einsteht ein AISS-Sensor? Antworten mit Zitat

Hallo Forum.

Eine AISS-Baugruppe wird immer aufgabenspezifisch entwickelt und danach als Serienprodukt ab „Stückzahl=1“ produziert. Jedes einzelne AISS-Entwicklungsvorhaben lässt sich grob in drei Teilbereiche untergliedern:

1. Klären der Fragestellung (Questioning): Welche Fragen sollen mit den Daten und Informationen am Sensorausgang beantwortet werden?

2. Modell erstellen (Modeling): Auswahl einer geeigneten Sensorkombinationen, des Machine Learning-Algorithmus bzw. neuronalen Netzes (KI-Algorithmen) sowie der Kommunikations- und Sicherheitsbausteine. Entwicklung eines Machine Learning-Modells, Training des neuronalen Netzes usw.

3. Validierung (Validation): Liefern die Sensoren intern die gewünschten Daten an den Machine Learning-Algorithmus bzw. das neuronale Netz? Lassen sich mit den Ausgangsdaten der AISS-Baugruppe die jeweiligen Fragen beantworten? Welche Fehlerquote hat der zum Einsatz kommende Algorithmus?

Der zweite und dritte Teilbereich wird im Rahmen eines AISS-Entwicklungsvorhabens in der Regel mehrfach iterativ durchlaufen, bis ein zufriedenstellendes Ergebnis vorliegt. Für die ersten Runden wird in der Regel eine prototypische Lösung aus Sensorelementen und KI-Algorithmen genutzt. Dabei kann sich auch herausstellen, dass die Rohdaten aus den Sensorelementen nicht ausreichen, um eine bestimmte Frage zu beantworten und das darüber hinaus Daten aus externen Quellen, zum Beispiel der jeweilige Wetterbericht, benötigt werden.

VG KDW
Nach oben
Benutzer-Profile anzeigen Private Nachricht senden
Beiträge der letzten Zeit anzeigen:   
Neues Thema eröffnen   Neue Antwort erstellen    SSV-Forum Foren-Übersicht >>> DNP/9535 Alle Zeiten sind GMT + 1 Stunde
Seite 1 von 1

 
Gehe zu:  
Sie können keine Beiträge in dieses Forum schreiben.
Sie können auf Beiträge in diesem Forum nicht antworten.
Sie können Ihre Beiträge in diesem Forum nicht bearbeiten.
Sie können Ihre Beiträge in diesem Forum nicht löschen.
Sie können an Umfragen in diesem Forum nicht teilnehmen.

SSV Software Systems GmbH

Dünenweg 5
30419 Hannover

Fon: +49(0)511 / 40 000-0
Fax: +49(0)511 / 40 000-40

sales@ssv-embedded.de

 

Impressum    ·    Datenschutz    ·    AGB

© 2018 SSV Software Systems GmbH. Alle Rechte vorbehalten.

ISO 9001:2015