lässt Sie mit Daten arbeiten, die im Einklang mit KI und Ihren speziellen Bedürfnissen stehen

Ihre Maschinen und Sensoren sollten aussagekräftige multimodale Daten in homogener Form liefern. Oft benötigen Sie eine große Menge an Hochfrequenzdaten, um zu aussagekräftigen Schlussfolgerungen zu gelangen. Dennoch könnte Ihre Anlage ganz stillstehen, wenn diese Daten Ihre Fabrik- oder Maschinendaten-Netzwerke verstopfen würden.

PANDAs intelligente, zweigleisige Edge- und netzwerkbasierte Datenlösung adressiert genau diese Herausforderung

Sie verhindert, dass Datenstaus Ihre Fabrik lahmlegen, und ermöglicht gleichzeitig, dass aggregierte Daten gespeichert und Algorithmen in Ihrem Unternehmen eingesetzt werden können.
Standard Software
Microservices

Der Datenfluss zwischen den Diensten wird durch Streams organisiert

PANDA | DRIFT verwendet einen MQTT Broker, um verschiedene Dienste und Datenströme mit einem effizienten und flexiblen Pub-Sub-System zu verbinden.

Wie funktioniert PANDA | DRIFT?

Jeder Dienst wird mit einer JSON-Datei konfiguriert und eine Docker-Compose-Datei verbindet diese untereinander. Fügen Sie benutzerdefinierten Code mit Vorlagen hinzu.
Wählen Sie einen Microservice und konfigurieren Sie ihn mit einer JSON-Datei.
BUILD
Schreiben Sie eine Docker-Compose-Datei, um die Dienste zu routen.
RUN
Erstellen und Bereitstellen eines Docker-Images auf einem Gerät.
Schreiben einer JSON-Datei zur Konfiguration eines Dienstes.

{
  "endpoint_url": "opc.tcp://127.0.0.1:4840",
  "subscription_parameters": {
    "publishing_interval": 500,
    "monitoring_sample_rate": 100
  },
  "buffer_size": 100,
  "authentication": {
    "type": "anonymous"
  },
  "security": {
    "mode": "none",
    "policy": "None"
  },
  "variables": [
    "ns=1;s=sinusoid_noise",
    "ns=1;s=sinusoid"
  ]
}


{
  "triggering": {
    "capture_rate_ms": 1000
   },
   "triggers":[
      "SIMPLE_TRIGGER",
      "INTERVAL_TRIGGER"
   ]
}


{
  "type": "DAHENG",
  "capture_timeout_ms": 2000,
  "camera": {
    "settings": [
      {
        "enable": true,
        "instances": 2,
        "uid": "NE0200070087",
        "trigger_source": "software_trigger",
        "exposure_auto": "continuous",
        "gain_auto": "continuous",
        "balance_ratio_auto": "continuous"
      }
    ]
  }
}
OPC-UA-Client
Trigger-Service
Kamera-Service
Schreiben Sie eine Docker-Compose-Datei, um die Dienste zu verbinden.

version: '3'
services:

  mqtt-broker:
    image: registry.panda.technology/drift/devops/mqtt_broker_amd64
    ports:
      - "1883:1883"

  trigger-service:
    image: registry.panda.technology/drift/system_services/trigger_service:dev
    command: python3 -m trigger_service
    environment:
      MQTT_BROKER_URL: tcp://mqtt-broker:1883
      CONFIGURATION_PATH: /var/config/trigger-service.json
      LOG_LEVEL: INFO
    volumes:
      - ./config:/var/config
    depends_on:
      - mqtt-broker

  hello-service:
    build: .
    ports:
      - "8000:8000"


version: '3.8'
services:
  mqtt-broker:
    image: registry.panda.technology/drift/devops/mqtt_broker_amd64
    ports:
      - "1883:1883"

  trigger-service:
    image: registry.panda.technology/drift/system_services/trigger_service:dev
    command: python3 -m trigger_service
    environment:
      CONFIGURATION_PATH: /var/config/trigger_service.json
      MQTT_BROKER_URL: tcp://mqtt-broker:1883
    depends_on:
      - mqtt-broker
    volumes:
      - ./config:/var/config/

  input-proxy-service:
    image: registry.panda.technology/drift/system_services/input_proxy_service:dev
    command: drift_input_proxy_service
    volumes:
      - ./config:/var/config
      - /dev:/dev
    ipc: host
    environment:
      MQTT_BROKER_URL: tcp://mqtt-broker:1883
      CONFIGURATION_PATH: /var/config/input_proxy_service.json
      MQTT_CLIENT_ID: drift_input_proxy_service
      OUTPUT_MQTT_TOPIC: camera/compressed
      INPUT_MQTT_TOPIC: camera_image_notify_1
      LOG_LEVEL: DEBUG
    depends_on:
      - mqtt-broker

  daheng:
    image: registry.panda.technology/drift/io_services/shmemory_camera_service:dev-daheng
    volumes:
      - ./config:/var/config
      - /dev:/dev
    ipc: host
    privileged: true
    environment:
      CONFIGURATION_PATH: /var/config/daheng.json
      MQTT_BROKER_URL: tcp://mqtt-broker:1883
      MQTT_CLIENT_ID: shared_memory_camera_service
      TRIGGER_INPUT_MQTT_TOPIC: trigger
      TRIGGER_OUTPUT_MQTT_TOPIC: camera_image_notify
      SHARED_MEMORY_BASE_NAME: shared_image
      SHARED_MUTEX_BASE_NAME: shared_mutex
    depends_on:
      - trigger-service

  data-exporer:
    image: registry.panda.technology/drift/data_explorer/data_explorer_backend:dev
    depends_on:
      - mqtt-broker
    environment:
      MQTT_BROKER_URL: tcp://mqtt-broker:1883
      MQTT_CLIENT_ID: data_explorer_backend-1
    ports:
      - "8000:8000"


version: '3'
services:

  mqtt-broker:
    image: registry.panda.technology/drift/devops/mqtt_broker_amd64
    ports:
      - "1883:1883"

  trigger-service:
    image: registry.panda.technology/drift/system_services/trigger_service:dev
    command: python3 -m trigger_service
    environment:
      MQTT_BROKER_URL: tcp://mqtt-broker:1883
      CONFIGURATION_PATH: /var/config/trigger-service.json
      LOG_LEVEL: INFO
    volumes:
      - ./config:/var/config
    depends_on:
      - mqtt-broker

  opcua-client:
    image: registry.panda.technology/drift/io_services/opc-ua-client-service:v1.1.2
    restart: always
    environment:
      MQTT_BROKER_URL: tcp://mqtt-broker:1883
      MQTT_CLIENT_ID: opcua-client
      OUTPUT_MQTT_TOPIC: opcua-data
      CONFIGURATION_PATH: /var/config/opcua.json
      LOG_LEVEL: INFO
    volumes:
      - config:/var/config/

  influx-writer:
    image: registry.panda.technology/drift/system_services/influx_writer:dev
    volumes:
      - ./config:/var/config
    environment:
      MQTT_BROKER_URL: tcp://mqtt-broker:1883
      MQTT_CLIENT_ID: influx-writer
      CONFIGURATION_PATH: /var/config/influx-writer.json
      INFLUX_URL: http://influxdb:8086
      INFLUX_ORG: ferrum
      INFLUX_TOKEN: ${INFLUX_TOKEN}
    depends_on:
      - mqtt-broker
      - influxdb


  influxdb:
    image: influxdb:2.0-alpine
    environment:
      DOCKER_INFLUXDB_INIT_MODE: setup
      DOCKER_INFLUXDB_INIT_BUCKET: data
    volumes:
      - "./influxdb:/var/lib/influxdb2"
    healthcheck:
      test: [ "CMD", "influx", "-version" ]
    ports:
      - "8086:8086"
Hello World
Objekterkennung mit industrieller Kamera
Überwachung von OPC-UA-Daten
Vollständige Dokumentation einsehen

bündelt eine große Auswahl an Open-Source-Software und ML-Bibliotheken.

ca. 4 Einträge

PANDA | DRIFT wird für On-Premises Anwendungen verwendet - Keine Cloud erforderlich!

Von der Datenerfassung bis zur vollautomatischen Auswertung und Mustererkennung mit Hilfe von künstlicher Intelligenz: Bauen Sie Ihre eigene unabhängige industrielle KI-Plattform, eingebettet in den Schaltschrank.
Sensors
Embedded devices
Touch panels

Installieren Sie PANDA | DRIFT auf einem beliebigen Edge Device und beginnen Sie sofort mit KI

PANDA | DRIFT bietet eine komplette Lösung für die Handhabung und Verwaltung von Linux-basierten Edge Devices. Algorithmen, Treiber und Datenbanken, Sie erhalten alles zusammen in einem kleinen Setup industrieller Hardware.
z.B.: BR_APC4100
z.B.: Onlogic-hx511
z.B.: Neousys-poc-300

Beginnen Sie mit der vorkonfigurierten Referenzhardware von PANDA

USB Power Banks
Plug & Play
4 Kanal
48.000 Hz
A/D-Converter
ADS8866 Texas
16 Bit
Die Basis für den Einsatz von KI-Methoden ist eine exzellente Datenqualität- Industrielle Sensoren jeglicher Art können durch die Verwendung von PANDAs Sensorerweiterungen direkt auf PANDAs Edge Devices verarbeitet werden.
Kontakt zum PANDA Vertrieb

Die digitale Transformation Ihrer Produktion beginnt mit der Datenqualität

Damit alle Informationen über den Maschinenzustand und die Produktqualität einfach erfasst werden können, bietet DRIFT Streaming-Schnittstellen für Sensoren an. Ihre Anlage kann mit Sensoren nachgerüstet werden, ohne dass die bestehende Maschinensteuerung verändert werden muss.
Vibrationssensor
Messprinzip:
Piezo mit Schwungmasse
Applikation:
Konkakt
Messbereich:
1 Hz bis 10000 Hz
Genauigkeit:
±5 Hz
Wiederholbarkeit:
1%
Sonstiges:
Querrichtungsempfindlichkeit <10%
PT 100 Sensor
Messprinzip:
Platinmesswiderstand
Applikation:
Kontakt
Messbereich:
'-40°C bis 250°C
Genauigkeit:
±1°C
Wiederholbarkeit:
1%
Sonstiges:
-
IR Temperatursensor
Messprinzip:
Infrarotsensor
Applikation:
Kontaktlos
Messbereich:
'10°C bis 250°C
Genauigkeit:
±1,5%
Wiederholbarkeit:
1%
Sonstiges:
-
Abstandssensor
Messprinzip:
Laserreflektion auf lineares Array
Applikation:
Kontaktlos
Messbereich:
20 mm bis 300 mm
Genauigkeit:
±10 µm
Wiederholbarkeit:
1%
Sonstiges:
-
VIS Spektrometer
Messprinzip:
Lichtstreuung im sichtbaren Spektrum
Applikation:
Kontaktlos
Messbereich:
405nm bis 1500nm
Genauigkeit:
± 15nm
Wiederholbarkeit:
10%
Sonstiges:
-
Stromsensor
Messprinzip:
Hall-Effekt
Applikation:
Kontaktlos
Messbereich:
0 A bis 500 A
Genauigkeit:
± 5 A
Wiederholbarkeit:
5%
Sonstiges:
-
Durchflusssensor
Messprinzip:
Schaufelrad
Applikation:
Kontakt
Messbereich:
2 l/min bis 100 l/min
Genauigkeit:
±5 l/min
Wiederholbarkeit:
5%
Sonstiges:
Druckbereich: -50 kPa bis 500 kPa Anschlüsse: Swage, 8 mm, 5/16
NIR Spektrometer
Messprinzip:
Lichtsteuerung im kurzwelligen Infrarotbereich
Applikation:
Kontaktlos
Messbereich:
900 nm bis 1700 nm
Genauigkeit:
±12 nm
Wiederholbarkeit:
2%
Sonstiges:
-
Richtmikrofon
Messprinzip:
Elektretkondensator
Applikation:
Kontaktlos
Messbereich:
20 Hz bis 20 KHz
Genauigkeit:
20 Hz
Wiederholbarkeit:
2%
Sonstiges:
14 mV / Pa Sensitivität
Drucksensor
Messprinzip:
Verformung eines Piezokristalls
Applikation:
Kontakt
Messbereich:
0 bar bis 20 bar
Genauigkeit:
0,2 bar
Wiederholbarkeit:
2%
Sonstiges:
Temperaturbereich -20°C bis 85°C
Optische Kamera
Messprinzip:
CMOS-Photosensor
Applikation:
Kontaktlos
Messbereich:
2,3 Mpixel
Genauigkeit:
-
Wiederholbarkeit:
-
Sonstiges:
164,5 fps
Digitalmuxer
Messprinzip:
Digital- auf Analogmuxer
Applikation:
Kontakt
Messbereich:
0V bis 30V Digitalsignal
Genauigkeit:
±0,1 V
Wiederholbarkeit:
1 kHz Abtastrate
Sonstiges:
16 Digitalkanäle pro Analogkanal
Partikelsensor in Flüssigkeiten
Messprinzip:
-
Applikation:
-
Messbereich:
-
Genauigkeit:
-
Wiederholbarkeit:
-
Sonstiges:
-
Thermische Kamera
Messprinzip:
2D-Array für
Applikation:
Infrarotspektrum
Messbereich:
Kontaktlos
Genauigkeit:
-20°C bis 650°C
Wiederholbarkeit:
±0,06°C
Sonstiges:
2% Auflösung: 320 x 240 Pixel
Umweltsensor
Messprinzip:
Widerstandsmessung an Metalloxid
Applikation:
Kontaktlos
Messbereich:
0 IAQ bis 500 IAQ
Genauigkeit:
1 IAQ
Wiederholbarkeit:
15%
Sonstiges:
Gleichzeitige Temperatur - und Luftfeuchtemessung
Farbsensor
Messprinzip:
IR Fotodiode
Applikation:
Kontaktlos
Messbereich:
350 nm bis 1000 nm
Genauigkeit:
30 nm
Wiederholbarkeit:
3%
Sonstiges:
-
Kraftmessdose
Messprinzip:
Dehnungsmessstreifen-Brückenschaltung
Applikation:
Konkakt
Messbereich:
-20 kN bis 20 kN
Genauigkeit:
±20 N
Wiederholbarkeit:
0,1
Sonstiges:
-
Viskositätssensor
Messprinzip:
Akustische Fluidmessung
Applikation:
Kontakt
Messbereich:
0,1 Pa • s bis 10 Pa • s
Genauigkeit:
0,5 Pa • s
Wiederholbarkeit:
1%
Sonstiges:
-

Verwenden Sie PANDA | DRIFT zum Synchronisieren und Speichern von Daten aus verschiedenen Quellen

Eines der herausragendsten Merkmale von DRIFT ist die Fähigkeit, verschiedene Datenquellen zu synchronisieren, die hoch- oder niederfrequente Informationen oder sogar Bilder enthalten.
Echtzeit
Asynchrone Zeit
Streampuffer
Echtzeit
Kameras
Machine Data
Synchronisierung
Speicherung

KI-fähige Datenerfassung mit PANDA | DRIFT

Sie möchten Ihren eigenen Algorithmus einsetzen?

PANDA | DRIFT ist 100% kompatibel mit Python und ML-Bibliotheken

Vorkonfigurierte AI-Dienste verwenden

PANDA | DRIFT bietet Ansatzpunkte für gängige Anwendungsfälle
Computer Vision (für einfache Anwendungen - ein Tag, um sie zum Laufen zu bringen)
  • 1 Kamera
  • 1 DNN-Algorithmus zur Objekterkennung
  • 1 Benutzerdefinierter Code zur Verwendung von Bounding Boxes zum Schwärzen von Arbeitern
  • Inline - Visualisierungsanwendung

Agile KI-Entwicklung leicht gemacht

Beginnen Sie die Entwicklung mit Ihren bevorzugten Tools und wechseln Sie dann nahtlos zu hocheffizienten ML-Implementierungen, indem Sie das Streaming-Format von DRIFT nutzen.
Anwendung des Algorithmus in voller Auflösung mit Standardwerkzeugen
Interne Speicherung sowie Streaming
Anwendung des optimierten Algorithmus im Hochleistungsmodus mit geringer Latenzzeit direkt auf komprimierte Daten

Effiziente Verarbeitung großer Datenmengen mit der Wavelet-Technologie von PANDA | DRIFT

Die internen Streaming-Daten von DRIFT basieren auf Wavelet-Zerlegungen. Es ermöglicht eine universelle Behandlung von matrixähnlichen Datenformaten durch die Verwendung einer limitierten Bfloat16-Matrixdarstellung.
20x
Weniger Speicherplatz für Daten
10x
Beschleunigung für ML-Algorithmen

WBS-Datenformat für Zeitreihen

zerlegen
80% of values
are zeros
80% of values
are zeros
80% of values
are zeros
80% of values
are zeros
80% of values
are zeros
80% of values
are zeros
80% of values
are zeros
80% der Werte sind Nullen
zusammensetzen
80% der Werte = Null

WBS-Datenformat für Bilder

zerlegen
zusammensetzen

Das WBS-Datenformat von DRIFT im Vergleich zu alternativen ML-Formaten

im RAM (Floats, wahlfreier Zugriff, direkter Zugriff für Algorithmen und Operationen der linearen Algebra)
[npy]
[npy]
auf SSD oder im Netzwerk(binär, kein direkter Zugriff für Algorithmen)
.npy
.jpg
.wb
kBytes (weniger ist besser)

Erfahren Sie mehr über Lösungen, die mit PANDA | DRIFT entwickelt wurden

Automatisierte Qualitätskontrolle

Computer Vision Bausteine

Der perfekte Start für KI in der Produktion. Ein Computer Vision System ist ein kamerabasiertes Qualitätskontrollsystem über Mustererkennung und ohne Cloud. Zu den industriellen Schnittstellen für die Automatisierung gehören OPC-UA oder Profinet.

Zustandsüberwachung / Condition Monitoring

Erkennung von Anomalien und Lebensdauervorhersage

Befähigen Sie Ihr Wartungsteam mit modernen Methoden der Mustererkennung, um Probleme zu erkennen, bevor sie entstehen. Nutzen Sie DRIFT, um Ihre Plattform für die Überwachung der Kontinuität und die vorausschauende Wartung aufzubauen.

Dependency Mining

Lernen Sie, wie Sie mit Metric Spaces Abhängigkeiten in jedem Datenformat finden können

Ein mathematischer Rahmen, der speziell für Anwendungen in der industriellen Produktion entwickelt wurde und auf der topolokalen Theorie basiert.

Dokumentation

Lesen Sie die vollständige Dokumentation der DRIFT-Microservices

Erfahren Sie, wie Sie Ihre datengesteuerte KI-Plattform mit DRIFT-Microservices und verbundener Open-Source-Software aufbauen können.

Termin vereinbaren
Impressum und Rechtliche Hinweise
ENDE
Poststraße 33
20354 Hamburg | Germany
info@panda.technology+49 40 524 760 25
Copyright © 2023 PANDA GmbH • Hamburg. Alle Rechte vorbehalten.
We do not only optimize production processes, but also our website! For this, we use tools such as cookies for analysis and marketing purposes. You can change your cookie settings at any time. Information and Settings
DenyAccept