Využití .NET Core v průmyslové automatizaci

Bc. Jaroslav Langer

Master's thesis

Using .NET Core in industrial automation

Abstract:

Práce se zabývá představením technologií .NET Core a ML.NET. Dále je navrhnut scénář použití, na kterém jsou tyto technologie otestovány. Scénář je inspirován průmyslovým prostředím zaměřený na autonomní řízení výrobní linky.V další části práce je tento scénář realizován v podobě návrhu architektury a následné implementace. Je navrhnuta simulace výrobní linky, systém řízení a sběru dat. Tyto systémy mezi sebou komunikují přes standartní průmyslový OPC UA protokol. Komunikaci zajišťuje OPC Server, jehož úlohou je zapouzdřit komunikaci s koncovými zařízeními výrobních linek. Systém řízení a sběru dat načítaná data ukládá do databáze a zároveň udržuje aktuální stav parametrů linky v paměti programu. Na základě těchto vstupů dochází k vyhodnocení a predikci, pomocí samoučícího algoritmu, nového nastavení výrobní linky. V závěru práce je shrnut výsledek a naměřená přesnost predikce učícího se algoritmu.

Abstract:

The thesis deals with the introduction of .NET Core and ML.NET technologies. Furthermore, a use case scenario is proposed in which these technologies are tested. The scenario is inspired by an industrial environment focused on autonomous production line management.In the next part of this work this scenario is realized in the form of architecture design and subsequent implementation. Simulation of production line, control and data collection system is proposed. These systems communicate with each other via industry standard OPC UA protocol. Communication is provided by OPC Server, whose task is to encapsulate communication with terminal equipment of production lines. The control and data acquisition system stores the read data into the database while maintaining the current status of the line parameters in the program memory. Based on these inputs, a new production line setting is evaluated and predicted using a self-learning algorithm. The conclusion and the measured accuracy of the learning algorithm prediction are summarized at the end of the thesis.

Keywords

.net core, machine learning, ml.net, industry 4.0, opc.ua

Language used: Czech

Date on which the thesis was submitted / produced: 21. 4. 2020

Thesis defence

• Date of defence: 26. 5. 2020
• Supervisor: doc. Mgr. Tomáš Kozel, Ph.D.
• Reader: prof. RNDr. PhDr. Antonín Slabý, CSc.

University of Hradec Králové

Faculty of Informatics and Management

Master programme / field:
Aplikovaná informatika / Aplikovaná informatika