使用 MLnext Creation 建立神經網路並設定參數。由於該應用程式基於組態設定檔工作，操作人員無需具備程式設計知識。自動記錄功能會單獨記錄所有處理步驟，並產生標準化報告。支援快速比較多個模型，可針對具體應用選擇最合適的神經網路。之後根據報告客製化調整組態設定檔。
使用 MLnext 基於 AI 優化生產 透過智慧化資料分析，節約資源、提高生產效率
人工智慧：生產流程的加速器
資料是數位化的基礎，但不斷增長的網路和不斷提高的安全要求，讓資料的使用和評估變得越來越複雜。透過對生產系統進行資料分析，可為生產管理和維護提供可擴展、靈活的支援。使用 MLnext 解決方案，可透過機器學習評估資料，進而輕鬆、快速地發現生產過程中的異常並準確地進行優化。
時刻掌握生產資料
智慧化資料評估，實現永續生產 基於人工智慧的智慧化生產過程設計建議
當前的生產機器和設備會產生大量的資料。這些資料是實施所有數位化解決方案的基礎。進行評估時，資料能夠幫助我們瞭解各種資源的消耗情況，例如（壓縮）空氣或水。與手動分析資料相比，基於機器學習的資料評估具有多種優勢。除了自動評估資料外，該方法適用範圍可擴展至整個生產過程，優勢明顯。除了資料評估過程自動化並從而大幅提升速度外，該方法適用範圍可擴展至單個機器、整套設備甚至整個生產過程。
藉由菲尼克斯電氣的智慧解決方案 MLnext，可以輕鬆建立和使用生產領域的機器學習模型。例如，可以將神經網絡用於自動偵測生產過程中的問題，並將其與行動建議關聯起來。在菲尼克斯電氣開發的 PLCnext Factory 中，透過使用基於 MLnext 的解決方案，可在極短時間內將生產率提高 10 %。此外，還可縮短新解決方案的實施週期，從而更快地獲得投資報酬 (ROI)。
您的優勢 與您的應用情況和應用程序完美搭配
MLnext 可為您帶來諸多益處：
- 即裝即用 – 自動建立神經網路，無需預先瞭解相關知識
- 簡便易用 – 以參數化代替程式設計，可正確、快速地調整解決方案
- 透明 – 自動記錄模型的建立和執行情況，並將其視覺化
- 最佳化 – 整合有直覺的模型比較功能，可快速確定最佳模型
MLnext 帶來超高靈活性 從控制器，到雲端應用
模型根據過去的耗能活動，學習可以採用哪些優化措施。在此過程中，會自動考慮當前的變化（例如設備環境溫度的下降），並將其應用於評估中。
在實務中，MLnext 解決方案的應用不受限。例如可用於預測性維護或生產設備的過程優化。
菲尼克斯電氣的電子產品生產方案 PLCnext Factory 率先透過 MLnext 解決方案在機器附近實現人工智慧的全面應用。從而可以輕鬆偵測機器內部元件的狀態。然後將來以此結果為基礎，對基於狀態的維護（預測性維護）進行進一步的資料分析。
透過 MLnext 多樣化使用人工智慧
MLnext Execution 是一款獨立於平台的軟體，用於實施神經網路。該解決方案應用靈活，無論是在控制級別、本地 IT 伺服器，還是在雲端，均可使用。使用者可以在偏好的環境中，對開發出的解決方案進行測試、改進和比較。在此，使用組態設定檔建立必要的資料流。
默認情況下，組態包括載入資料、預處理、執行機器學習模型、後處理和儲存新資訊。使用者請求可以週期性重複，也可根據 REST 介面的要求設定。
此外，可以在同一平台上輕鬆開發新的解決方案，而不會中斷已經整合的過程。使用者、服務合作夥伴或菲尼克斯電氣的專家可以靈活地進行更改。
由於在運作期間能夠補充資料流，靈活性極高。
高階語言程式設計員可以藉由 MLnext Framework 輕鬆、快速地瀏覽所有資料。Python 庫中有各種用於生產資料預處理和視覺化的功能。還可以藉由評估功能對不同的模型進行比較。
程式設計庫會不斷得到進一步開發，因此該解決方案始終採用的都是最新研究方法。這意味著，負責分析生產時間序列資料的開發人員在實現其想法時，一直都能應用最先進的方法。
挖掘工廠隱藏的潛力 即刻智慧化優化生產
無論是異常檢測、確定洩漏點，還是優化過程，MLnext 能夠幫助您輕鬆、有針對性地發現隱藏的潛力。更多資訊請參閱我們的資訊文件。
