Início / Noticias / SSV Software Systems / Bloques Data Science para datos de máquina

Bloques Data Science para datos de máquina

SSV ha desarrollado un módulo de adquisición de datos para sensores de máquinas y software que simplifica el uso de la IA en máquinas, plantas y procesos industriales

Bloques Data Science  para datos de máquina

El objetivo de Data Science es mejorar la toma de decisiones extrayendo información de grandes cantidades de datos y usándolos como conocimiento adicional para la toma de decisiones. Para esto, se utilizan algoritmos del campo de la inteligencia artificial (IA).

En automatización, proporcionar los datos correctos es el mayor desafío antes de que pueda ocurrir el despliegue del algoritmo AI. El conjunto IO / 5640-DS y la biblioteca de software Python PyDSlog se han desarrollado para resolver esta subtarea específica.

En el lado de entrada, un IO / 5640-DS tiene ocho canales analógicos para la digitalización de datos de sensores, que se combinan en un flujo de datos constante. Los datos sin procesar del sensor se transfieren a través de una conexión de alta velocidad de 2 hilos a través de un adaptador USB a una PC o directamente a una puerta de enlace Edge. La cantidad de canales, las tasas de muestreo de hasta 435 microsegundos (2,3 kHz) a una resolución de 12 bits y los tamaños de bloque de comunicación se pueden ajustar a los requisitos individuales.

La biblioteca PyDSlog permite la recopilación de los llamados "datos de entrenamiento etiquetados", a partir de los cuales se pueden generar los modelos necesarios para la aplicación práctica de algoritmos de aprendizaje automático y redes neuronales artificiales. En el lado de entrada hay varios datos del sensor, tales. Como corriente, voltaje, vibración, nivel de micrófono, etc. es posible. En el lado de salida, se crea un archivo CSV, que es adecuado para entrenar los algoritmos respectivos o para el análisis manual de datos en Python, R o Matlab.

Además, SSV ofrecerá un seminario web a todos los usuarios de IO / 5640-DS y PyDSlog con el siguiente contenido:

- Principios básicos y terminología del aprendizaje automático.
- Un proceso completo de aprendizaje automático, que incluye la adquisición de datos de sensores, la preparación de datos, el modelado y la evaluación de modelos.
- Determine la precisión del modelo y ajuste los hiperparámetros.
- Conecte la salida de un algoritmo de aprendizaje automático a otros sistemas.

Más información

/noticias/marcas/488-ssv-software-systems