TF3800

Функция TwinCAT 3 TF3800 — это высокопроизводительный модуль выполнения (механизм вывода) для обученных классических алгоритмов машинного обучения.

Beckhoff предлагает решение машинного обучения (ML), легко интегрированное в TwinCAT 3. Обычные преимущества открытости системы благодаря управлению на базе ПК также доступны для приложений ML благодаря использованию установленных стандартов. Кроме того, модели машинного обучения выполняются в режиме реального времени. Таким образом, производитель станка получает оптимальную основу для повышения производительности станка.

Алгоритмы обучаются в установленных средах, таких как: SciKit-Learn, libSVM, XGBoots и многие другие. м. Созданная модель ИИ экспортируется из среды обучения в виде файла ONNX. ONNX (Open Neural Network Exchange) зарекомендовал себя как открытый стандарт совместимости в машинном обучении и обеспечивает абстракцию между средой обучения и средой выполнения изученных моделей.

Файл ONNX может быть прочитан в TwinCAT 3 и дополнен метаинформацией, специфичной для приложения - например, названием модели, версией модели, кратким описанием и т. д. ПЛК TwinCAT 3 предлагает функциональный блок, который, с одной стороны, загружает файл описания модели AI, а с другой стороны, выполняет его синхронно с циклом. Загрузка и выполнение реализованы как методы функционального блока. Это обеспечивает глубокую интеграцию модели ИИ в машинное приложение.

Продукт поддерживает выполнение множества различных типов моделей: от k-средних, SVM и PCA до деревьев решений и ансамблевых деревьев, таких как Random Forest, XGBoost или LightGBM.

Спектр применения классических алгоритмов машинного обучения широк. Они часто используются в задачах классификации, таких как контроль качества, мониторинг процессов или обнаружение аномалий.