제조업체가 엣지에서 대량의 고속 산업 데이터를 생성함에 따라, 설치 공간이 적은 하드웨어를 사용하여 통찰 정보를 빠르게 발견하고 지연 시간을 최소화하여 제어 시스템에 적용하는 문제가 중요해졌습니다. 동시에 중앙 집중식 데이터 과학 또는 IT 분석 기능에 의존하면 생산 현장에서 처리가 이루어지기까지 며칠 또는 몇 달이 걸릴 수 있습니다.
이러한 교착 상태를 극복하기 위해 OT 전문가는 데이터 문제를 쉽게 탐색하고 고속의 방대한 산업 데이터 소스인 제어 어플리케이션에서 직접 스트리밍 데이터를 적용하기 위한 기계 학습 어플리케이션을 배포할 수 있는 능력이 필요합니다. 이러한 전문가들은 모델 출력을 Rockwell Automation 제어 시스템 레이어와 기타 기성 하드웨어 모두에 적용할 수 있어야합니다. 이러한 강력한 기능을 통해 OT 전문가는 제조 작업량을 개선하고 전반적인 장비 효율성 및 주요 비즈니스 성과에 중요한 기타 KPI를 개선할 수 있습니다.
FactoryTalk® Analytics™ Edge ML은 공장 현장의 OT 전문가가 머신 러닝 및 시각적 데이터 파이프 라인의 능력을 활용하는 동시에 심층적인 개별 또는 프로세스 제조 전문 지식을 완전히 적용할 수 있도록 지원합니다. FactoryTalk Analytics Edge ML은 데이터 소스, 데이터 파이프 라인을 연결하는 데 사용하기 쉬우며, 산업 엣지에서 바로 자신의 모델을 가져올 수 있는 유연성을 제공합니다. 결과적으로 OT 전문가는 패키징 전에 결함을 감지하고 낮은 대기 시간에서 이벤트 기반 컨트롤러 피드백을 통해 공장에서 공정 또는 생산 파라미터를 최적화하는 데 도움이 되는 모델을 배포하여 오퍼레이션을 지속적으로 개선할 수 있습니다. 이 모든 것은 컴퓨팅 모듈, 게이트웨이 및 헤드리스 산업용 PC와 같은 설치 공간이 적은 하드웨어를 사용하여 달성됩니다.
이제 컴퓨팅 모듈, 정보 게이트웨이, 헤드리스 산업용 PC와 같은 설치 공간이 적은 하드웨어에서 생산 현상의 기계 학습 모델을 실행하고 실시간으로 제어 계층에 즉시 통찰력을 적용할 수 있습니다.
OT 직원은 협업 방식으로 복잡한 데이터 파이프 라인을 시각적으로 구축하거나 스코어링을 위해 IT에서 미리 구축된 기계 학습 모델을 가져올 수 있습니다. 이를 재사용하여 공장에서 여러 라인에 걸쳐 온프레미스로 배포할 수 있으므로 배포 시간과 비용을 줄일 수 있습니다.
FactoryTalk Analytics Edge ML은 Rockwell Automation 컨트롤러에서 데이터 수집을 위한 내장 어댑터를 제공하므로 분석을 위해 공장 현장 데이터를 신속하게 어셈블리하고 구성할 수 있습니다. 데이터는 엣지에서 사전 처리되어 효율적인 데이터 흐름을 생성할 수 있으며, 이는 컨트롤러의 부하를 줄일 뿐만 아니라 소비자와 가까운 곳에서 신속한 결정을 내릴 수 있습니다. 마지막으로 엣지에서 분석된 데이터는 영구 데이터 저장소(온프레미스 또는 클라우드), 메시지 대기열 또는 데이터 시각화 도구로 출력될 수 있습니다.
자체 사전 구축된 기계 학습 또는 분석 모델을 가져오고 Python 또는 PMML과 호환되는 사전 구축된 오픈 소스 ML 라이브러리를 호출하여 건물 분석 어플리케이션을 확장하고 혁신 속도를 높입니다.
