Le RMG/941 dispose d'un logiciel qui rend son champ d'application très polyvalent.
Il convient à l'accès VPN, aux applications IoT de toutes sortes, aux mises à jour logicielles de haute sécurité à partir de n'importe quel endroit jusqu'aux applications de pointe complexes d'apprentissage automatique embarqué.
De plus, le logiciel système Linux embarqué rend possible l'installation de logiciels supplémentaires.
Points forts
Avec modem LTE ou NB-IoT
Librement programmable
Composants d'apprentissage automatique étendus
Programmation du flux de données avec Node-RED
Améliorations fonctionnelles via l'application
Histoire de l'utilisateur eML
Nous utilisons des capteurs d'accélération triaxiaux bon marché pour la surveillance de l'état de nos éléments d'entraînement. L'analyse des données en temps réel pour la détection des conditions ne fonctionne avec suffisamment de précision que grâce à l'apprentissage automatique.
apprentissage automatique intégré
Le flux de travail d'une application de maintenance conditionnelle basée sur l'apprentissage automatique se compose de deux phases. Dans une phase de formation, les données historiques avec les vecteurs de caractéristiques sont d'abord collectées à partir des capteurs appartenant à une application spécifique dans un fichier texte (fichier CSV), puis utilisées pour modéliser un algorithme d'apprentissage automatique approprié.
Schéma de l'apprentissage automatique intégré Zoom sur l'image
Dans la phase d'inférence qui suit, un vecteur de caractéristiques unique avec des données de capteurs en temps réel est ensuite analysé à l'aide du modèle mathématique au moyen de l'apprentissage supervisé et l'état de fonctionnement respectif est classé.
Le RMG/941 est livré avec un environnement d'exécution Python3 comprenant de nombreuses bibliothèques de science des données offrant diverses fonctions d'apprentissage automatique allant jusqu'aux réseaux neuronaux.
PyDSlog est également un logiciel préconfiguré pour l'acquisition de données, qui peut être utilisé pour générer facilement les vecteurs de caractéristiques pour la modélisation.
---