随着制造商生成大量边缘高速工业数据，使用低空间容量的硬件快速发现洞察信息，并将其以较低的延迟响应时间应用至控制系统，这变得越来越重要。同时，如依靠集中的数据科学或信息分析功能，可能需要几天或几个月的时间才能在工厂车间进行周转。
为了打破这种僵局，运行技术专业人员需要能够轻松应对数据挑战并部署机器学习应用程序，以直接从控制应用程序（高速和大量工业数据的来源）中应用流数据。他们应该能够将模型输出应用至 Rockwell Automation 控制系统层和其他现货供应的硬件。借助这些强大的功能，运行技术专业人员可以提高生产产量，提高整体设备效率以及其他对其关键业务成果至关重要的关键绩效指标。
FactoryTalk® Analytics™ Edge ML 帮助工厂车间的运行技术专业人员利用机器学习和可视化数据管道的能力，同时充分利用其深厚的离散技术或过程制造专业知识发挥自己的优势。FactoryTalk Analytics Edge ML 可轻松连接数据源、数据管道，并将您自己的模型灵活置于工业边缘。因此，运行专业人员可以通过部署模型帮助在包装之前检测缺陷，并通过基于事件的控制器反馈（以低延迟）在工厂车间优化工艺或生产参数，从而持续改进运营。所有这些都是通过使用小外形尺寸硬件（例如计算模块、网关和无外设工业个人计算机）实现。
现在您可在工厂车间的小外形尺寸硬件上运行机器学习模型（如计算模块、信息网关、无外设工业个人计算机），并实时将洞察应用至您的控制层。
运行技术员工可以协作的方式直观地构建复杂的数据管道，也可以通过信息技术引入预先构建的机器学习模型进行评分。这些可以在工厂生产线中重复使用和部署，从而减少了部署时间和成本。
FactoryTalk Analytics Edge ML 提供了内置适配器，用于从 Rockwell Automation 控制器提取数据，因此您可以快速组装和组织车间数据以进行分析。可以在边缘对数据进行预处理以创建有效的数据流，这不仅减少了控制器上的负载，而且还使用户可以快速决策。最后，可以将在边缘进行分析的数据发送至持久性数据存储（本地或云）、消息队列或数据可视化工具。
使用自带的预制机器学习或分析模型，调用与 Python 或 PMML 兼容的预构建开源 ML 库，以扩展建筑分析应用程序并加快创新步伐。
内容推荐
