KI2Plc / KNNP (Video)

 

KNNP                             

                    Dipl.-Ing. Johannes Hofer

Künstlicher, Neuronaler Netzwerkplan, Teil-2

Im nachfolgenden Video wird ein Basis-Modell des KNNP vorgestellt. 

Dies erlaubt das Training direkt am Gerät bzw. an der Anlage und speichert das trainierte Ergebnis als Workflow in die SPS. Damit kann das neue Produkt sofort getestet werden. 

Bildquelle: https://store.arduino.cc/collections/opta-family


Später erfolgt dann die Übernahme in das Flash der SPS und wird dort dann als Netzwerkplan bearbeitet. Dabei handelt es sich um eine Byte-Struktur, welche mit einer Netzwerkprogrammierung wie z. B. AWL vergleichbar ist. Dieser Code kann dann wieder in den Workflow zurückgeladen werden, um Änderungen vorzunehmen oder neu zu trainieren.


Das Basismodell als Info-Video ohne Vertonung

Das Video zeigt das erste zu trainierende Signal, welches als Trigger bezeichnet wird. Der IPL (Inputlayer) bildet sich aus dem ersten Byte der SPS und hat somit 256 Neuronen, welche alle betrachtet werden können. 

Das Training bezieht sich vorerst auf die bekannten Vorgänge der Maschine/Anlage und erzeugt automatisch die Hiddenlayer, welche durch die Signalfolgen entstehen. Dieser Prozess wird im Detail in den weiteren Videos gezeigt und erklärt somit, warum diese Vorgehensweise eine völlig neue Art und Weise darstellt, SPS'en quasi zu programmieren.

Die so gelernten Programm-Netzwerke werden überwacht und melden sofort eine Liste, bestehend aus nicht gelernten Prozeßzuständen, und alarmieren so den Anlagenbetreiber über mangelhaftes Training.

Das stellt einen enormen Vorteil dar und unterscheidet sich vom üblichen Geschehen der KI, welche nach dem Training nicht mehr nachvollziehbar sind. Hier jedoch besteht der Vorteil, dass die Gewichtung automatisch vorgegeben ist und nur richtig zugeordnet werden muss. 

Deswegen auch der neue, von mir erfundene Begriff KNNP. 

Der Elektriker kann das Training sofort auch als Stromlaufplan betrachten, welches nun Licht in das automatische Training bringt und so dadurch verständlich und nachvollziehbar wird.


Nächster Teil in Kürze 🙋






Kommentare

Beliebte Posts aus diesem Blog

KI2Plc / KNNP (Einleitung)