Machine Learning Starterkit ...

[kdw]

Hallo Forum.

Inzwischen ist auch ein Machine Learning Starterkit mit dem DNP/9535 lieferbar. Zu diesem Kit finden auch immer wieder Webinare statt, in den die Funktionen und Vorgehensweisen bei Machine Learning Projekten mit Embedded Systemen erläutert werden.



Unter dem folgenden Link findet man ein Handbuch mit den ersten Schritten zu dem Machine Learning Starterkit [Preview Version 0.4 (05.2019)]:

https://ssv-embedded.de/doks/manuals/AISS1-ML-SK.pdf

VG KDW

[kdw]

Hallo Forum.

Unter https://mewi.ssv-embedded.de/index.php?title=DNP/AISS1:_Erste_Schritte ist eine Beschreibung zur Inbetriebnahme des DNP/AISS1 zu finden.

Der Flyer zu diesem Machine-Learning-Starterkit steht unter https://www.ssv-embedded.de/doks/flyer/flyer_aiss.pdf zur Verfügung. Siehe hierzu auch https://www.ssv-embedded.de/aiss/.

Gruß KDW

[kdw]

Hallo Forum.

Nun gibt es auch ein Hardware Reference Manual zum Machine Learning Starterkit DNP/AISS1.



Das Handbuch enthält, neben den wichtigsten technischen Daten, die Pinbelegung aller Steckverbinder, die I2C-Adressen der Sensoren usw. Siehe

https://www.ssv-embedded.de/doks/manuals/hr_dnpaiss1_en.pdf

DNP/AISS1-Website: https://www.ssv-embedded.de/aiss/

DNP/AISS1-Wiki: https://mewi.ssv-embedded.de/

VG KDW

[kdw]

... siehe "Sensorintelligenz vor Ort" unter https://www.it-production.com/industrie-4-0-iot/sensor-to-information/

Der Autor geht von der Annahme aus, dass jede Maschine eine spezifische Schwingungs-, Strom- und Schallcharakteristik aufweist, die sich mit geeigneten Sensorelementen messen lässt. Aus den jeweiligen Messdaten lässt sich mit einem entsprechend trainierten Machine-Learning-Algorithmus in Echtzeit der aktuelle Betriebszustand bestimmen.

Siehe hierzu auch: https://www.ssv-embedded.de/doks/pm/pm_mls160.pdf

VG KDW

[kdw]

Hallo Forum.

Ab sofort können wir bei Bedarf das "On-Demand-Webinar AWS-IoT-Integration" für den DNP/AISS1 anbieten. In dem Event zeigen wir Ihnen, wie Sie einen DNP/AISS1 in der Amazon-AWS-IoT-Cloud registrieren und die dabei entstehenden Zugriffsberechtigungs- bzw. Schlüsseldateien (CA File, Client Certificate, Client Key) herunterladen und anschließend direkt zur DNP/AISS1-Konfiguration verwenden können. Sie lernen auch die Konfigurationsdetails einer TLS-gesicherten MQTT-Verbindung zum AWS-IoT-Hub kennen, um periodisch DNP/AISS1-Sensordaten als JSON-Objekte in die Cloud zu senden.



Um die DNP/AISS1-Sensordaten in Echtzeit zu visualisieren, nutzen wir in dem Webinar eine Webseite mit einer Landkarte, die auf einem PC lokal gespeichert ist und sich jederzeit mit einem Webbrowser betrachten lässt. Diese Webseite erhält jede DNP/AISS1-Sensordatenänderung per MQTT und JSON direkt aus der AWS-Cloud. In jedem JSON-Objekt ist eine Positionsangabe mit Breitengrad (Latitude) und Längengrad (Longitude) gespeichert. Diese Positionsparameter benutzt die Webseite zur Messwertdarstellung in der Landkarte.