Die Machine-Learning-Lösung edgeML ist unabhängig von Cloud- und Internetzugang. Lernalgorithmen können direkt an der Edge laufen – sei es in Form einer SPS oder eines IPCs. Dabei steht die Software als Docker-Container zur Verfügung. Somit ist edgeML herstellerunabhängig und kann auf allen gängigen industriellen Steuerungen verwendet werden, die eine Ausführung von Docker-Containern unterstützen. edgeML kann verschiedene Modelle zu maschinellem Lernen ausführen und eignet sich für Automatisierungsingenieure. Der No-Code-Ansatz macht es möglich, auch ohne Kenntnisse in Python oder Data Science ML-Modelle auf eine Steuerung deployen zu können.

Wie funktioniert das?

• Der Weg zu einem Machine-Learning-Modell auf der Edge beginnt mit der Datensammlung an der Anlage. Diese kommen in den ModelBuilder.
• Dort werden auf Basis der Daten ML-Modelle erstellt und auf edgeML übertragen.
• Da edgeML das Standardformat ONNX unterstützt, haben Anwender zusätzlich zum ModelBuilder weitere Möglichkeiten: Modelle lassen sich beispielsweise auch in Python erstellen. So können sie maschinelles Lernen in ihrem gewohnten Umfeld verwirklichen. Existierende ONNX-Modelle lassen sich ebenfalls mit edgeML wiederverwenden.
• Modelle lassen sich ersetzen, ohne dass die Kommunikationseinstellungen angepasst werden müssen.
• Geplant ist zukünftig auch die Kalibrierung von erstellten Modellen. Diese Funktion ist bereits in ModelRuntime verfügbar.

Einsatzgebiete

Über RestAPI können auch Nutzer, die bereits eine HMI oder ein MS-System integriert haben, edgeML anwenden. Für den nächsten Entwicklungsschritt ist geplant, die Zugänglichkeit des Produkts zu erweitern. Ein Connector wird die Grenzen von Feldbussen und Protokollen überwinden, sodass edgeML übergreifend einsetzbar wird.