近年来，自动化技术的进步催生了一系列有趣又很有应用前景的创新技术。机器学习（Meachine Learning ）是其中极具特色也是最具前景的技术之一，倍福现已将这项技术通过 TwinCAT 3 无缝集成到控制系统中，实现数据科学和设备制造这两大领域的完美融合，形成巨大的协同效应，发掘机械优化新潜力。
*图片来源于网络
机器学习的基本概念是不再遵循为特定任务设计解决方案然后将这些解决方案转化为算法的传统工程思想，而是从样板性的过程数据中学习所需的算法。通过这种替代方法来训练强大的机器学习模型，以提供更高级或性能更佳的解决方案。在自动化技术方面，这样可以为许多领域开辟新的可能性和优化潜力，包括预测性维护和过程控制、异常检测、协作机器人、全自动质量控制及机器优化。
集成机器学习将给机器人技术、算法优化、异常检测、模型预测控制及其它应用带来极大的益处。现如今，很多制造系统已经采集了大量可用于机器学习的数据，倍福 TwinCAT 3 Measurement 和 TwinCAT 3 Connectivity 在数据采集和分析中可以发挥重要作用。
此外， 通过 TwinCAT 3 Machine Learning 无缝集成这些系统，就可以直接应用包括 TensorFlow、PyTorch 和 MATLAB® 在内的机器学习框架。
倍福最新推出用于传统机器学习算法的 TwinCAT 3 Machine Learning Inference Engine， 以及用于深度学习和神经网络的 TwinCAT 3 Neural Network Inference Engine。这两款软件产品为自动化专家和设备制造商们提供一种可将训练好的机器学习模型的执行集成到其系统中的行业解决方案。
通过与控制技术的无缝集成，TwinCAT 3 支持多核系统的特点也可用于机器学习应用。这意味着，不同的任务情境可以访问某个特定的 TwinCAT 3 Inference Engine，而不会互相制约。也可以完全访问 TwinCAT 中可用的所有现场总线接口和数据。这使得机器学习解决方案可以使用大量数据，例如，用于复杂的传感器数据融合（数据合并），这也意味着可以使用自动器的实时接口来实现最佳控制。
