Suchen

Datenaufbereitung

Data-Science-Bausteine für Maschinendaten

| Redakteur: Rebecca Näther

SSV hat eine Datenerfassungsbaugruppe für Maschinensensoren plus Software entwickelt, um den KI-Einsatz in Maschinen, Anlagen und Industrieprozessen zu vereinfachen.

Firma zum Thema

Mit Hilfe geeigneter Algorithmen aus dem Umfeld der Künstlichen Intelligenz (KI) lässt sich die Entscheidungsfindung in der Automatisierung verbessern, um z.B. über Effizienz- oder Serviceoptimierungen Kosteneinsparungen zu realisieren. Eine der größten Herausforderung ist allerdings das Bereitstellen geeigneter Sensordaten, die zur Modellbildung der KI-Algorithmen als gelabelte Trainingsdaten benötigt werden. Mit der IO/5640-DS und der Softwarebibliothek PyD-Slog hat SSV nun zwei Bausteine für die Datenaufbereitung in KI-Projekten entwickelt.
Mit Hilfe geeigneter Algorithmen aus dem Umfeld der Künstlichen Intelligenz (KI) lässt sich die Entscheidungsfindung in der Automatisierung verbessern, um z.B. über Effizienz- oder Serviceoptimierungen Kosteneinsparungen zu realisieren. Eine der größten Herausforderung ist allerdings das Bereitstellen geeigneter Sensordaten, die zur Modellbildung der KI-Algorithmen als gelabelte Trainingsdaten benötigt werden. Mit der IO/5640-DS und der Softwarebibliothek PyD-Slog hat SSV nun zwei Bausteine für die Datenaufbereitung in KI-Projekten entwickelt.
( Bild: SSV Software Systems )

Data Science verfolgt das Ziel, die Entscheidungsfindung zu verbessern, indem Erkenntnisse aus großen Datenmengen extrahiert und als zusätzliches Wissen für Entscheidungen genutzt werden. Dafür kommen Algorithmen aus dem Umfeld der Künstlichen Intelligenz (KI) zum Einsatz. In der Automatisierung ist das Bereitstellen geeigneter Daten eine der größten Herausforderungen, bevor der KI-Algorithmen-Einsatz überhaupt erfolgen kann. Die Baugruppe IO/5640-DS und die Python-Softwarebibliothek PyD-Slog wurden zur Lösung dieser speziellen Teilaufgabe entwickelt.

Die Datenerfassungsbaugruppe für Maschinensensoren

Eingangsseitig besitzt ein Gerät der Baugruppe acht analoge Kanäle zur Digitalisierung von Sensordaten, die in einem konstanten Datenstrom zusammengefasst werden. Die Sensorrohdaten werden per 2-Draht-High-Speed-Verbindung entweder mittels USB-Adapter an einen PC oder direkt an ein Edge-Gateway übergeben. Kanalanzahl, Abtastraten bis zu 435 Mikrosekunden (2,3 kHz) bei 12 Bit-Auflösung sowie Kommunikationsblockgrößen lassen sich hinsichtlich der individuellen Anforderungen einstellen.

Python-Softwarebibliothek erfasst „gelabelte Trainingsdaten“

Die Softwarebibliothek ermöglicht die Erfassung sogenannter „gelabelter Trainingsdaten“, aus denen sich die erforderlichen Modelle für den Praxiseinsatz von Machine-Learning-Algorithmen und künstlichen neuronalen Netzen erzeugen lassen. Eingangsseitig sind verschiedene Sensordaten, wie z. B. Strom, Spannung, Vibration, Mikrofonpegel usw. möglich. Ausgangsseitig entsteht eine CSV-Datei, die sich direkt zum Training der jeweiligen Algorithmen oder für manuelle Datenanalysen unter Python, R oder Matlab eignet.

Webinar Für Nutzer der Datenerfassungsbaugruppe und Software

Des Weiteren bietet das Unternehmen allen IO/5640-DS- und PyD-Slog-Nutzern ein Webinar mit folgenden Inhalten: 1. Grundlegende Prinzipien und Terminologie des maschinellen Lernens. 2. Ein vollständiger Machine-Learning-Prozess, einschließlich Sensordatenerfassung, Datenaufbereitung, Modellierung und Modellbewertung. 3. Bestimmen der Modellgenauigkeit und Anpassen der Hyperparameter. 4. Den Ausgang eines Machine-Learning-Algorithmus mit anderen Systemen verbinden.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 46087012)