Cree una solución para detección de anomalías en la industria

Ejecute múltiples cargas de trabajo de detección de anomalías independientes que utilicen múltiples máquinas virtuales por medio de un host de máquina virtual basada en kernel (KVM).

Sistema operativo objetivo Ubuntu* 16.04 LTS
Tiempo para finalizar 45 minutos

GitHub* (C++)

Lo que aprenderá

Las fábricas utilizan controladores lógicos programables existentes para controlar equipos y podrían utilizar varias cargas de trabajo o dispositivos diferentes para la interfaz hombre-máquina, la ingesta de datos y la aplicación de visión computarizada. Esta implementación de referencia demuestra cómo todas estas cargas de trabajo pueden funcionar independientemente en un sistema.

Acceda a perspectivas acerca de las siguientes soluciones:

  • Aplicaciones de visión computarizada para IoT
  • Inferencia para analizar conjuntos de datos
  • Mercado de IoT industrial

Utilice las habilidades aprendidas en esta implementación de referencia para desarrollar soluciones de IoT similares.

Aprenda a desarrollar y ejecutar un sistema de consolidación de cargas de trabajo con estas capacidades:

Ejecute numerosas cargas de trabajo de manera independiente en un solo sistema.
Use una KVM en un sistema host que ejecute múltiples máquinas virtuales
Ejecute las implementaciones de referencia del detector de defectos de motores o defectos de objetos y reúna datos para el análisis

Consolidación de cargas de trabajo en la IoT industrial

Cómo funciona

En esta aplicación, tres máquinas virtuales se ejecutan en una máquina host utilizando una KVM como el hipervisor.

  • La primera máquina virtual (llamada OFD) ejecuta la aplicación de detección de defectos en objetos. Esta aplicación detecta anomalías en objetos que se mueven sobre una cinta transportadora, y luego almacena estos datos localmente en una instancia de InfluxDB*.
  • La segunda máquina (llamada MDD) aloja la aplicación de detección de defectos en motores, que también almacena los datos localmente en InfluxDB.
  • La visualización de datos se produce en la tercera máquina virtual (llamada HMI) utilizando Grafana* y datos de OFD y MDD InfluxDB.

flow chart graphic of how the industrial anomaly detection reference implementation worksflow chart graphic of how the industrial anomaly detection reference implementation works