Rahman Jamal spricht von TSN, IIoT, AI und NI

Anbieter zum Thema

TURCK GmbH

dataTec AG

Schneider Electric GmbH

National Instruments Switzerland Corporation Austin

Welcher Trend außer dem IIoT zeichnet sich noch auf dem Markt ab?

Hier ist das Machine Learning zu nennen, das dem einen oder anderen sicherlich schon im Zusammenhang mit Artificial Intelligence (AI) oder Künstlicher Intelligenz begegnet ist. Machine Learning ermöglicht die automatisierte Umwandlung von Daten in wertvolle Erkenntnisse, anhand derer ein Unternehmen seine betrieblichen Prozesse verbessern kann. Es geht hier quasi um die künstliche Generierung von Wissen aus Erfahrung.

Warum betrifft das die Ingenieure und wo kommt Machine Learning zum Einsatz?

Nun, bei der Datenerfassung in industriellen Systemen wie Produktions- und Betriebsanlagen fallen teilweise Milliarden von Rohdaten pro Sekunde an. Bis zum Jahr 2020 sollen es industrielle Anlagen sogar auf 78 Exabytes schaffen. Diese Daten enthalten natürlich wertvolle Informationen – aber ihre Anzahl wächst derart schnell, dass sie sich nicht mehr mit heutigem Fachwissen und herkömmlichen Werkzeugen handhaben lässt. Einsatz findet Machine Learning etwa im Bereich der vorausschauenden Wartung oder in der Validierung. Der Prozess in einem Machine-Learning-System beginnt nämlich schon bei der Datenerfassung. Machine Learning unterstützt den Anwender dabei, zu identifizieren, welche Inhalte eines Datensatzes relevanter sind und sich für die Umwandlung in nützliche Informationen und letztendlich Modelle eignen.

Inwiefern kann NI diesen Bereich vorantreiben?

Die Offenheit von Labview ermöglicht es Entwicklern, ihre Daten mit jeglicher Art von Machine-Learning-Technologie zu verknüpfen. Zudem haben wir kürzlich das Labview Analytics and Machine Learning Toolkit vorgestellt, mit dem sich Machine Learning direkt am Edge von Zustandsüberwachungsanwendungen für die vorausschauende Wartung umsetzen lässt. Machine Learning nutzt heterogene Datenverarbeitung. Verarbeitet werden die Daten in verschiedensten Verarbeitungsblöcken wie CPUs, FPGAs und anwenderspezifischen neuralen Prozessoren. Die Daten müssen erfasst und in die neuralen Netzwerke eingespeist werden, damit die Maschinen trainiert werden können. Die Validierung ist dabei eine weitere Herausforderung – denn die Überprüfung eines Algorithmus auf Korrektheit ist nicht leicht. Sowohl das Erfassen der Sensordaten, die zum Trainieren der Maschine genutzt werden, als auch die Validierung lassen sich auf Basis der NI-Plattform realisieren.

(ID:45047575)