Machine Learning
Trainieren statt programmieren
Viele Embedded-Systeme nutzen eine Firmware für die Beziehung von Ein- und Ausgängen. In Sensorikanwendungen beispielsweise verarbeitet die Firmware Sensorrohdaten und liefert digitale Ausgangssignale.
Firmware-Entwicklungen sind aufwendig. SSV geht hier einen neuen Weg: Zwischen Ein- und Ausgang wird ein Machine-Learning(ML)-Algorithmus geschaltet und trainiert. Dieses ML-Modell ist durch erneutes Training jederzeit änderbar.
SSV zeigt auf der Embedded World mit dem DNP/AISS1 ein Starterkit mit Sensoren und vorinstallierten ML-Algorithmen. Dies erlaubt die Gewinnung werthaltiger Informationen aus Sensordaten. Ein Docker-Container enthält alle nötigen Werkzeuge. Des Weiteren demonstriert das Unternehmen in einem Webinar Machine-Learning-Beispiele mit Sensorrohdaten für Predictive-Maintenance-Anwendungen.
Embedded World, Halle 3, Stand 439