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
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。数据的正确处理是生产系统数字化转型的重要环节。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）。
MLnext Framework 轻松实施数据分析
MLnext Framework支持高级编程语言，以便快速查看数据概况。因此，用户亦可快速完成相关数据选择，优势众多。MLnext Framework遵照现行数据安全标准提供开源基础框架，可运行于PLCnext Technology或其他独立于硬件的平台上。
编程库不断从PLCnext Factory所用研究中实现各类（新）方法，已使生产力提高了10%。 由此即可缩短实现周期。所有研究结果均将整合到MLnext解决方案的后续设计中。
MLnext Execution 轻松导入和执行算法
MLnext Execution是独立于平台的神经网络执行软件平台。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。数据来源也随之定义，以便之后进行数据集的预处理、预测、后处理和存储。直观的网络界面可监控运行时行为，提供功能和执行时间的相关信息。
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 Creation 实现全自动深度学习
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后续调整。
智能优化生产
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。
