L'RMG/941 dispone di un software che rende il suo campo di applicazione molto versatile.
È adatto per l'accesso VPN, applicazioni IoT di tutti i tipi, aggiornamenti software ad alta sicurezza da qualsiasi luogo fino a complesse applicazioni embedded di machine learning edge.
Inoltre, il software di sistema Linux incorporato rende possibile l'installazione di software aggiuntivo.
Caratteristiche principali
Con modem LTE o NB-IoT
Liberamente programmabile
Ampi componenti di apprendimento automatico
Programmazione del flusso di dati con Node-RED
Miglioramenti funzionali tramite App
Storia utente eML
Utilizziamo sensori di accelerazione triassiali a basso costo per il monitoraggio delle condizioni dei nostri elementi di azionamento. L'analisi dei dati in tempo reale per il rilevamento delle condizioni funziona in modo sufficientemente preciso solo grazie all'apprendimento automatico.
apprendimento automatico incorporato
Il flusso di lavoro di un'applicazione di monitoraggio delle condizioni basata sull'apprendimento automatico (ML) consiste in due fasi. In una fase di addestramento, i dati storici con vettori di caratteristiche vengono prima raccolti dai sensori appartenenti a un'applicazione specifica in un file di testo (file CSV) e poi utilizzati per modellare un algoritmo di ML adatto.
Schema incorporato di apprendimento automatico Zoom immagine
Nella successiva fase di inferenza, un singolo vettore di caratteristiche con i dati dei sensori in tempo reale viene analizzato utilizzando il modello matematico per mezzo dell'apprendimento supervisionato e viene classificato il rispettivo stato operativo.
L'RMG/941 viene fornito con un ambiente runtime Python3 con numerose librerie di data science che offrono varie funzioni di ML fino alle reti neurali.
PyDSlog è anche un software preconfigurato per l'acquisizione dei dati, che può essere utilizzato per generare facilmente i vettori di caratteristiche per la modellazione.
---