Diese Seite wurde maschinell übersetzt.
Füllen Sie bitte eine 1-Minuten-Befragung zur Qualität dieser Übersetzung aus.
ABB nutzt MATLAB zur Operationalisierung kausaler KI-Modelle
Ansatz erleichterte die Entwicklung eines Systems zur Analyse kausaler Fehler
„Die Microservices-Funktionalität … ermöglicht die Bereitstellung von MATLAB-basierenden Modellen, die skalierbare Microservices sind. [Diese Funktionalität bietet] vereinfachte und nahtlose Integrationen in andere Systeme und Frameworks.“
Wichtigste Ergebnisse
- MATLAB Compiler SDK ermöglichte Microservices mit Docker-Containern zur Entwicklung einer benutzerdefinierten Pipeline
- RestAPI-Kommunikation gewährleistete den Datenaustausch mit bestehenden Workflows auf Amazon Web Services
- Eine automatisierte Bereitstellungspipeline machte eine Neucodierung überflüssig und reduzierte den Zeitaufwand für manuelle Übersetzung, Integration, Codeprüfung und Funktionstests erheblich
ABB, ein weltweit führendes Unternehmen in den Bereichen Elektrifizierung und Automatisierung, nutzt kausale KI-Modelle, die auf Ursache-Wirkungs-Beziehungen in Daten basieren. Diese Modelle ermöglichen bessere Einblicke in die Entscheidungsprozesse der Kunden. Bei jedem KI-Modell treten bei der Bereitstellung Herausforderungen auf, beispielsweise manuelle Übersetzung, Probleme mit der CI/CD-Pipeline, Komplexität der Integration mit vorhandenen Frameworks auf Unternehmensebene und Einschränkungen beim Datenaustausch. Um diese Herausforderungen zu bewältigen, operationalisierte das ABB-Team Machine-Learning-Modelle in MATLAB® als containerisierte Microservices und integrierte sie in bestehende Workflows. Eine nahtlose Pipeline ermöglichte so die Entwicklung eines Expertensystems zur Analyse kausaler Fehler.
MATLAB Compiler SDK™ packte die MATLAB-Funktionen in ein Format, das einfach geteilt und in anderen Anwendungen verwendet werden kann. Diese Funktionen wurden wiederum verwendet, um ein Docker®-Image zu erstellen. Anschließend wurden KI-Algorithmen als Microservice bereitgestellt, um einen Endpunkt bereitzustellen und RESTful-Anfragen zu akzeptieren. Der MATLAB Microservice wurde auf Amazon® Elastic Container Service mit Fargate bereitgestellt. Um einen reibungslosen Betrieb zu gewährleisten, wurde ein Load Balancer verwendet, um eingehende Anfragen gleichmäßig auf mehrere Instanzen des Microservice zu verteilen. Schließlich wurde Flask, ein Web-Framework, mit Amazon Simple Storage Service und DynamoDB verbunden, um die Datenspeicherung und den Datenabruf zu verwalten.
