MLnext Creation支持创建神经网络并设置其参数。应用程序运行基于配置文件，因此用户无需具备编程知识。自动日志记录将单独记录所有处理步骤并生成标准化报告。软件提供数个可供快速比对的模型，以便用户为应用选出理想的神经网络。配置文件则可根据报告进行个性化设置。
通过MLnext实现基于人工智能的生产优化 智能数据评估成就高效的资源节约型生产过程
人工智能助力生产
数据是数字化的基础，但随着网络规模的扩大和日益提高的安全要求，数据的使用和评估也变得愈发复杂。生产系统的数据驱动型分析为生产管理和维护作业提供了灵活且可扩展的支持。例如，为及时检测出工厂中的异常状况，MLnext解决方案使用机器学习评估数据，并快速、轻松、准确地实施优化。
生产数据随时都可以一目了然
智能数据评估，生产过程更可持续 基于人工智能的建议措施，可用于智能生产过程设计
如今，生产设施中的机器和系统会生成大量数据。这为各类数字化解决方案的实施奠定了基础。在评估时，数据可提供（压缩）空气和水等各类资源的消耗情况。相较于手动数据分析，基于机器学习的数据分析具有多种优势。除自动数据评估外，该方法适用范围可扩展至整个生产过程，优势明显。除了更快速的自动数据评估之外，该方法的适用范围可以扩展到单个机器、整个系统乃至整个生产过程，优势明显。
菲尼克斯电气的MLnext智能解决方案可轻松创建和部署生产用机器学习模型。例如，神经网络可用于自动检测生产过程中的问题，并提供建议采取的措施。依托基于MLnext的解决方案，菲尼克斯电气PLCnext Factory在短时间内将生产率提高了10%。MLnext还助力缩短了新解决方案的实施周期，实现快速投资回报 (ROI)。
优势 为用例和应用量身定制
MLnext具备以下多种优势：
- 立等可用 —— 自动创建神经网络，无需事先掌握专业知识
- 简便 —— 使用参数设置替代编程，快速、无误地完成解决方案调整
- 透明 —— 自动记录模型的创建和执行信息，并将其可视化
- 优化 —— 通过全面、直观的模型对比，可快速选定理想模型
MLnext成就高度灵活应用 从控制器到云端应用
模型基于过去消耗行为学习可以使用哪些优化措施。诸如系统中环境温度的下降等当前变化均会自动纳入评估。
MLnext解决方案的实践应用十分广泛。潜在应用领域包括工厂的预防性维护或过程优化。
菲尼克斯电气电子产品生产方案PLCnext Factory率先通过MLnext解决方案，实现了基于机器的全面人工智能应用。自此便可轻松记录机器内部组件的状态。在此基础上，未来可以通过深度数据分析来实施基于状态的维护（预防性维护）。
基于MLnext的多种人工智能应用
MLnext Execution是独立于平台的神经网络执行软件解决方案。无论是在控制层、本地IT服务器还是云端，解决方案均可灵活运用。开发的解决方案可在首选环境中进行测试、改进和比较。此时可通过配置文件创建必要的数据流。
默认情况下，配置包括数据加载、预处理、执行机器学习模型、后处理和存储新信息。请求可循环重复，也可通过REST接口按需设置。
此外，用户还可在同一平台上轻松开发新解决方案，而不会中断已集成的过程。用户、服务合作伙伴或菲尼克斯电气专家均可灵活进行更改。
数据流支持在运行期间扩展，用户使用更灵活。
MLnext Framework支持高级编程语言，以便快速查看数据概况。Python库提供各种用于生产数据预处理和可视化的函数。使用评估函数还可对不同模型进行比较。
编程库也在不断发展，旨在采用前沿研究方法。这意味着开发人员可以利用各种先进技术来分析生产中的时序数据，并将其想法付诸实践。
发掘工厂潜能 即刻智能优化生产过程
无论是检测异常、定位漏洞还是优化流程，MLnext都可提供简便而有针对性的潜能发掘方案。查看资讯文档了解更多信息。
