[Beckhoff 제품소개] TwinCAT 3: 모든 자동화 분야에 대한 머신러닝

4월 24, 2019

제어 시스템을 위해 완벽하게 통합된 개방형 실시간 머신러닝

Beckhoff는 TwinCAT 3 소프트웨어에 완벽하게 통합된 머신러닝(ML) 솔루션을 제공한다. TwinCAT 3 머신러닝은 기존 표준을 기반으로 하여 PC 기반 제어에서 친숙한 시스템 개방성의 이점을 ML 어플리케이션에 제공한다. 또한 TwinCAT 솔루션은 머신러닝을 실시간으로 지원하므로 모션 제어와 같이 까다로운 작업도 처리할 수 있다. 이러한 기능을 통해 기계 제작자와 제조업체는 규정된 유지 보수, 프로세스 자체 최적화 및 프로세스 이상 징후의 자동 감지 등을 통해 기계 성능을 향상시키는 최적의 토대를 마련할 수 있다.

머신러닝의 기본 개념은 특정 작업을 위한 솔루션을 설계하고 이러한 솔루션을 알고리즘으로 전환하는 고전적인 엔지니어링 경로를 더 이상 따르지 않으며, 모범 프로세스 데이터로부터 원하는 알고리즘을 배우는 것이다. 이러한 대체 접근 방식을 통해 강력한 ML 모델을 훈련시킨 다음 우수하거나 더 나은 성능의 솔루션을 제공하는 데 사용할 수 있다. 자동화 기술에서는 예측 유지 보수 및 프로세스 제어, 이상 감지, 협업 로봇, 자동화된 품질 관리 및 기계 최적화를 포함한 많은 분야에서 새로운 가능성과 최적화 가능성을 열어준다.

학습할 모델은 MATLAB® 또는 TensorFlow와 같은 ML 프레임 워크에서 학습한 다음 훈련된 모델을 설명하는데 사용되는 표준화된 데이터 교환 형식인 ONNX (Open Neural Network Exchange Format)를 통해 TwinCAT 런타임으로 가져온다. TwinCAT 런타임은 이러한 목적을 위해 다음과 같은 새로운 기능을 통합한다:

– SVM (Support Vector Machine) 및 PCA (Principal Component Analysis)와 같은 고전적인 ML 알고리즘을 위한 TwinCAT 3 머신러닝 추론엔진

– MLPs (multilayer perceptrons) 및 CNNs (convolutional neural networks) 같은 딥러닝 및 신경 네트워크 용 TwinCAT 3 뉴럴 네트워크 추론엔진

모델 결과는 실시간으로 직접 실행 가능

추론, 즉 훈련된 ML 모델의 실행은 TwinCAT TcCOM 객체를 사용하여 실시간으로 직접 수행할 수 있다. 소규모 네트워크의 경우 TwinCAT 사이클 타임 50 µs 에 해당하는 100 µs 이하의 시스템 응답 시간이 지원된다. 모델은 PLC, C/C++ TcCOM 인터페이스 또는 순환 작업을 통해 호출할 수 있다.

제어 기술과의 완벽한 통합을 통해 TwinCAT 3에서 제공하는 멀티코어 지원을 머신러닝 어플리케이션에서도 사용할 수 있다. 이것은 서로 다른 작업 컨텍스트가 서로 제한하지 않고 특정 TwinCAT 3 추론엔진에 접근할 수 있다는 것을 의미한다. TwinCAT에서 사용할 수 있는 모든 필드버스 인터페이스와 데이터도 모두 접근할 수 있다. 이를 통해 ML 솔루션은 복잡한 센서 데이터 통합 (데이터 병합)과 같이 방대한 양의 데이터를 사용할 수 있으며, 또한 액추에이터에 대한 실시간 인터페이스를 통해 최적의 제어가 가능하다는 것을 의미한다.

▶Machine Learning

보도자료 그림