近年來，自動化技術的進步催生了一系列有趣又很有應用前景的創新技術。機器學習（Meachine Learning ）是其中極具特色也是最具前景的技術之一，倍福現已將這項技術通過 TwinCAT 3 無縫集成到控制系統中，實現數據科學和設備制造這兩大領域的完美融合，形成巨大的協同效應，發掘機械優化新潛力。

*圖片來源于網絡

機器學習的基本概念是不再遵循為特定任務設計解決方案然后將這些解決方案轉化為算法的傳統工程思想，而是從樣板性的過程數據中學習所需的算法。通過這種替代方法來訓練強大的機器學習模型，以提供更高級或性能更佳的解決方案。在自動化技術方面，這樣可以為許多領域開辟新的可能性和優化潛力，包括預測性維護和過程控制、異常檢測、協作機器人、全自動質量控制及機器優化。

集成機器學習將給機器人技術、算法優化、異常檢測、模型預測控制及其它應用帶來極大的益處。現如今，很多制造系統已經采集了大量可用于機器學習的數據，倍福 TwinCAT 3 Measurement 和 TwinCAT 3 Connectivity 在數據采集和分析中可以發揮重要作用。

此外，通過 TwinCAT 3 Machine Learning 無縫集成這些系統，就可以直接應用包括 TensorFlow、PyTorch 和 MATLAB? 在內的機器學習框架。

倍福最新推出用于傳統機器學習算法的 TwinCAT 3 Machine Learning Inference Engine， 以及用于深度學習和神經網絡的 TwinCAT 3 Neural Network Inference Engine。這兩款軟件產品為自動化專家和設備制造商們提供一種可將訓練好的機器學習模型的執行集成到其系統中的行業解決方案。

通過與控制技術的無縫集成，TwinCAT 3 支持多核系統的特點也可用于機器學習應用。這意味著，不同的任務情境可以訪問某個特定的 TwinCAT 3 Inference Engine，而不會互相制約。也可以完全訪問 TwinCAT 中可用的所有現場總線接口和數據。這使得機器學習解決方案可以使用大量數據，例如，用于復雜的傳感器數據融合（數據合并），這也意味著可以使用自動器的實時接口來實現最佳控制。