TwinCAT Machine Learning：
具有可扩展性、开放性及实时性
人工智能（AI）可以模仿人类的认知能力，因此能够成功地自动化工作流程。实现人工智能的方法有很多，但近年来最成功的方法之一应该就是机器学习（ML），它基于大量样本数据集的处理。机器学习的基本概念是用泛化学习针对特定任务具有代表性的实例数据的解决方法。
倍福作为基于 PC 的控制技术专家，将此技术集成到了 TwinCAT 3 控制软件中，并认识到对流程自动化的深度理解也是控制设备的非常重要的一部分。因此，倍福提供了一系列可以将 AI 模型直接集成到 PLC 中的模块化硬件和软件产品。
请参阅下文，了解 AI 技术在工业自动化领域中的应用，探索倍福可为此提供哪些产品和工作流程，以便让不具备任何 AI 专业知识的广大用户都能够成功使用 AI 应用 — 而不仅仅是 AI 专家。
AI 技术在工业自动化领域的应用
人工智能技术尤其适用于输入数据的差异难以预测的应用。例如，如果需要对木板或农产品/生物制品的质量进行视觉评估，就必须将这些天然产品的巨大差异纳入评估范围。AI 技术的应用范围非常广泛，因此具有广阔的发展前景。其理念是泛化学习针对特定任务的解决方法，而不是将静态算法序列应用于先前设计好的解决方案。
图像处理领域的应用实例往往容易理解， 而这种方法也可用于时间序列等数据。如果产品是由机器生产的，AI 就可以用来处理所有测量和记录的数据点，这些数据点通过具有代表性的方式（类似于产品的指纹图谱）描述产品的特征。然后，这些数据可以用于预测估值或分类。
AI 技术的潜在应用领域极其广泛，在此无法一一详述。麦肯锡市场研究机构挑选出来的下列应用，都是人工智能在工业领域中的顶级应用：
- 机器集成的质量检查
- 减少废品数量
- 基于情境感知的协作机器人
- 机器优化
- 预测性维护
从数据到应用
倍福可以提供一个开放式系统工作流程，从数据采集、模型训练到在生产环境中执行训练好的模型的整个工作流程都会使用开放的格式、流程。借助其开放式系统，倍福可以灵活使用 TwinCAT 模块化系统中的软件包和功能块满足特定的应用需求。这也适用于现有的不基于倍福产品的系统基础架构。
请参阅下文，了解倍福可按照右侧列出的工作流程为您提供的更多可能性。
人工智能在控制系统中的应用举例
在金属制件的离散制造中，几何形状往往对成品质量产生重要的影响。除了采用公制测量法对工件进行定量评估以外，定性描述（例如，按照传统分类方法，将工件分为“合格”和“不合格”）通常就足够了。
使用 TwinCAT Vision 功能库记录并保存 200 个代表性的图像数据集 数据被标注为“合格”和“不合格”，其中各种不同的错误模式均被归纳为“不合格”。通过 TE3850 TwinCAT 3 Machine Learning Creator，可以根据该数据集训练出一个图像分类模型，该模型预测工件合格/不合格的准确率超过了 95% ，用户无需具备任何 AI 专业知识。
食品生产流程的自动化有助于提高食品生产效率，减少资源浪费。其中一项挑战是食品的自动化分拣，因为与人工制造出来的产品相比，食品有着很大的天然差异。以鸡蛋为例，鸡蛋应自动分为“合格”、“脏污”、和“破损”三个等级。为此，我们根据这三个等级拍摄了 200 张图像并进行了标注。通过 TE3850 TwinCAT 3 Machine Learning Creator 可以创建一个 AI 模型，该模型分类鸡蛋的准确率超过了 90%。通过使用产品中包含的 AI 模型的可解释性方法，我们不难发现，尤其是在从“合格”到“脏污”的边缘区域出现了分类错误。这让我们明白了需要采取哪些措施来改进模型：要么在“合格”和“脏污”之间的边缘区域提供更多的样本数据，要么通过修改现有标注来更加清晰地定义边缘。
风力发电机组是实现全球向可再生能源平稳过渡的关键部件， 它们可将风的动能转为清洁的电力。了解风向和风速对于系统的发电效率具有重要意义。当风向发生变化时，机舱上安装的转子会自动调整迎风方向。至于转子叶片的倾角，则根据风速进行调整，使风力发电机组尽可能在额定输出功率下持续运行。
风向跟踪和桨距调节的速度相对较慢，因此必须对风向和风速进行估算，才能预测性地将风力发电机组运转至最佳方位。
根据从风力发电机组收集到的实时风力数据创建了一个 AI 模型，该模型能够在可接受的误差范围内估算出未来 10 到20 秒内的风向和风速值。估算完全基于过去的风力值。创建的模型可以通过 TF3810 TwinCAT 3 Neural Network Inference Engine 轻松集成到 TwinCAT 中。
机械地脚螺栓一般由螺栓、垫圈、六角螺母和金属套筒组成。套筒和钻孔壁之间的摩擦力确保了在使用时有足够的附着力。用金属螺栓的锥形头分开套筒与钻孔，以便给钻孔施加附着力所需的正向力。
该项目由研发工程师 Robin Vetsch 负责，作为瑞士东部应用科技大学系统科技学士学位课程的一部分，重点关注预成型冲孔套筒封闭连接地脚螺栓锥颈的密封过程。质检程序仅使用现有的设备数据源，即无需安装额外的传感器。
在开展这个项目之前，操作人员基本都是使用量具手动检查螺栓套筒的密封质量。现在表明，根据质量规范，所有外壳都可以分为三个不同的等级（闭合过松，正好，闭合过紧）。此外，需要使用回归分析法预测包围套筒关键的几何数据（套筒宽度、高度和开口）。对密封过程进行 100% 检验可以在早期阶段检测出异常趋势或偏差。
在中国任意规模的食品商店和超市中，几乎都可以看到方便面的身影。国内某大型方便面制造商为了减少带有封包瑕疵的产品流入市场，降低其客户对包装瑕疵的投诉率，决定使用包括 TwinCAT Machine Learning 产品在内的倍福控制技术， 使其方便面外包装质量可以得到实时的智能化检测。
首先，使用倍福的 EL1xxx 或 EL3xxx EtherCAT 数字量和模拟量输入端子模块结合 TE1300 TwinCAT 3 Scope View Professional 采集传感器数据。然后使用开源的学习框架 Scikit-learn 训练机器学习模型，并生成模型描述文件。控制系统中的 TF3600 TwinCAT 3 Condition Monitoring 可以预处理传感器数据。然后再转换成加密的 BML 文件，最后将该文件部署到一台 CX51xx 嵌入式控制器上运行，借助 TF3800 TwinCAT 3 Machine Learning Inference Engine 实时运行 AI 模型，然后通过 EL2xxx 系列 EtherCAT 数字量输出端子模块输出推理结果，实时剔除瑕疵品。倍福控制技术具备系统开放性优势，可以非常轻松地与生产线上现有的第三方主控系统集成。
产品
新产品
TE3850 | TwinCAT 3 Machine Learning Creator
The TwinCAT 3 Machine Learning Creator automatically creates AI models based on data sets. These AI models can be optimized in terms of their accuracy and latency to ensure they run efficiently on Beckhoff Industrial PCs with TwinCAT products. The generated models can also still be used as standardized ONNX models beyond the Beckhoff product range. For use with TwinCAT products, a PLCopen XML with IEC 61131-3 code is created in addition to the ONNX file, which describes the complete AI pipeline and can be imported seamlessly into TwinCAT.
TF3800 | TwinCAT 3 Machine Learning Inference Engine
The TF3800 TwinCAT 3 Function is a high-performance execution module (inference engine) for trained, conventional machine learning algorithms.
TF3810 | TwinCAT 3 Neural Network Inference Engine
The TF3810 TwinCAT 3 Function is a high-performance execution module (inference engine) for trained neural networks.
TF3820 | TwinCAT 3 Machine Learning Server
The TF3820 TwinCAT 3 Machine Learning Server is a high-performance service for executing trained AI models with the option of using hardware accelerators.
TF3830 | TwinCAT 3 Machine Learning Server Client
The TwinCAT 3 Machine Learning Server includes a connection to a local client as standard (local TwinCAT runtime). If (possibly further) TwinCAT runtimes need remote access to a TwinCAT 3 Machine Learning Server, these runtimes must each be equipped with a license for the TF3830 TwinCAT 3 Machine Learning Client.
TF7800 | TwinCAT 3 Vision Machine Learning
TwinCAT 3 Vision Machine Learning provides an integrated machine learning (ML) solution for vision-specific use cases. Both the training and the implementation of the machine learning models take place in real time, and they even help machines to learn sophisticated data analyses automatically. This can be used to replace complex, manually created program constructs.
TF7810 | TwinCAT 3 Vision Neural Network
TwinCAT 3 Vision Neural Network provides an integrated machine learning (ML) solution for vision-specific use cases. The implementation of the machine learning models takes place in real time. With the help of these models, complex data analyses can be learned automatically. This means that complex, manually created program constructs can be replaced.
C6043 | 超紧凑型工业 PC 采用 NVIDIA® GPU
C6043 是一款高性能设备，内置了用于插入高性能显卡的插槽，它的推出进一步完善了超紧凑型工业 PC 的产品范围。通过搭载新一代 Intel® Core™ 处理器与 NVIDIA® 并行计算显卡芯片，PC 成为适合用于超复杂应用的中央控制单元。这些应用包括对 3D 图形或深度集成的机器视觉和 AI 程序块有较高要求且周期时间极短的应用。倍福 TwinCAT 3 控制软件能够将其映射为一个全集成的解决方案，无需任何额外的软件或接口。通过增加可自由分配的 PCIe 紧凑型模块插槽，C6043 可以通过添加功能的方式灵活扩展。
C6675 | Control cabinet Industrial PC
The C6675 industrial PC is equipped with top-performance components with Intel® Celeron®, Pentium® or Core™ i3/i5/i7/i9 of the latest generation on an ATX motherboard.. The housing and cooling concept adopted from the C6670 also enables the use of a GPU accelerator card, among other things. A total of 300 W is available for full-length plug-in cards. Applications in the field of machine learning or vision can thus be realized in an industrial environment.