隨著製造商在邊緣產生大量高速工業資料，快速發現見解（使用低佔地面積的硬體）並在低延遲反應時間將其應用於控制系統的挑戰變得越來越重要。與此同時，依靠集中的資料科學或 IT 分析功能可能需要幾天或幾個月的時間才能在工廠進行整備。
為了打破這種僵局，OT 專業人員需要能夠輕鬆地瀏覽資料挑戰，並部署機器學習應用程式，以便直接從控制應用程式（高速和大量工業資料的來源）應用串流資料。他們應該能夠將模型輸出應用到 Rockwell Automation 控制系統層和其他現成硬體。有了這些強大的功能，OT 專業人員可以提高製造產量、提高整體設備效率，以及其他與關鍵業務成果相關的關鍵績效指標。
FactoryTalk® Analytics™ Edge ML 使工廠的 OT 專業人員能夠利用機器學習和視覺化資料管路的能力，同時其深厚的離散或製程製造專業知識充分應用於他們的優勢。FactoryTalk Analytics Edge ML 提供了連接資料來源、資料管路的易用性，以及將您自己的模型應用到工業邊緣的彈性。因此，OT 專業人員可以透過部署模型來持續地改善營運，這些模型有助於在包裝前偵測異常，並透過事件型控制器回授在廠房以低延遲的方式最佳化流程或生產參數。所有這些都是透過使用計算模組、閘道和無頭工業個人電腦等低佔地面積的硬體來達成的。
現在，您可以在工廠的低佔地面積硬體（如計算模組、資訊閘道、無頭工業個人電腦）上執行機器學習模型，並立即將見解即時應用到您的控制層。
OT 人員可以協作的方式視覺化地構建複雜的資料管路，或者從 IT 中引入預先建立的機器學習模型進行評分。這些可以在工廠內跨生產線重複使用和部署內部部署，進而減少部署的時間和成本。
FactoryTalk Analytics Edge ML 提供內建轉接器，用於從 Rockwell Automation 控制器資料擷取，以便您能夠快速組裝和組織工廠資料進行分析。資料可以在邊緣進行預先處理，以建立高效率的資料流，這不僅減少了控制器的負載，而且使消費者能夠快速做出決策。最後，在邊緣分析的資料可以匯出到持久性資料存放區（內部部署或雲端）、訊息佇列或資料視覺化工具。
引入您自己預先建立的機器學習或分析模型，並調用與 Python 或 PMML 相容的預先建立的開放原始碼 ML 資料庫來擴展構建分析應用程式並加快創新步伐。
為您推薦
