Siemens lanceert een nieuwe module voor de Simatic S7-1500 controller en het ET 200MP I / O-systeem met een chip met kunstmatige intelligentie (AI): de S7-1500 TM NPU (neurale verwerkingseenheid) is uitgerust met de Intel Movidius Myriad X Vision-verwerkingseenheid, waardoor de efficiënte verwerking van neurale netwerken mogelijk wordt. De module krijgt zijn functie door het aanbieden van een getraind neuraal systeem op een SD-kaart en is uitgerust met de USB 3.1-interfaces en een Gigabit Ethernet-poort. Op basis van het neurale netwerk kunnen gegevens van een aangesloten sensorsysteem of van het CPU-programma worden verwerkt. Door gebruik te maken van algoritmes voor het leren van machines kunnen bijvoorbeeld visuele kwaliteitscontroles in productie-installaties of beeldgestuurde robotsystemen efficiënt worden gerealiseerd. Dit maakt een aanzienlijk efficiënter en menselijker gedrag mogelijk. Met deze module zet Siemens een nieuwe stap in de richting van de integratie van toekomstige technologieën in industriële toepassingen.
De geïnstalleerde VPU, Intel’s nieuwe Myriad X VPU-chip, is de eerste in zijn klasse met een speciale hardwareversneller voor diepe neurale netwerkstructuren. De geïntegreerde beeldverwerkingseenheid samen met de rekeneenheid voor neurale netwerken maakt de Myriad X de wegbereider voor computervisie-applicaties. De geïntegreerde Intel-chip vergemakkelijkt nieuwe toepassingen in industriële automatisering door het versnellen van de beeldverwerkingsprocessen en snelle lokale gegevensevaluatie door middel van de opgeleide modellen.
Gebruikers kunnen compatibele sensoren zoals camera’s of microfoons aansluiten op de geïntegreerde interfaces van de nieuw ontwikkelde S7-1500 TM NPU-module. De gegevens van de aangesloten sensorsystemen, evenals informatie uit het CPU-programma zelf, kunnen worden verwerkt met behulp van neurale netwerken. Het resultaat van de verwerking wordt vervolgens geëvalueerd in het CPU-programma. Waar de gegevens van elk werkstuk het meest nauwkeurig moeten worden geconfigureerd voor de herkenning van werkstukken met behulp van conventionele beeldverwerking, kan dit proces met aanzienlijk meer flexibiliteit worden gestructureerd door leerprocedures toe te passen op geïdentificeerde beeldgegevens. Open AI-raamwerken zoals Tensorflow worden voor dit doel gebruikt.
Het voordeel hiervan blijkt bijvoorbeeld tijdens pick-and-place-toepassingen, waarbij een mobiele robot componenten die willekeurig in een krat liggen, moet herkennen, uitzoeken en plaatsen. Toegevoegde waarde kan dus ook worden bereikt tijdens kwaliteitscontroles: menselijke expertkennis met betrekking tot parameters zoals consistentie, kleur of kwaliteit van een product of een proces kan direct naar de module worden overgebracht door de continue training van een neuraal netwerk met toegewezen (beeld) gegevens , bijv door middel van een aangesloten camera.
