基于 Tableau 打造 PLCnext 实时监控仪表板

机器学习早已家喻户晓，但鲜有人知如何着手应用。希望阅读本文能帮助您理解如何利用 PLCnext 控制器开启机器学习之旅。本文将涵盖：训练首个 ML 模型、转换为 ONNX 标准、在 PLCnext 控制器上推理。为避免过度复杂，我们将使用经典的 Iris 鸢尾花数据集构建模型。 开始前，明确目标至关重要。以下简要介绍本文涉及的主题，参考资料见文末。 机器学习简介 什么是机器学习 机器学习的本质是利用统计与算法在数据集中发现模式。主要分为三类：监督学习、无监督学习和强化学习。监督学习最常用，本文采用此类。监督学习中，我们对数据打标签，明确告知机器寻找的模式。 无监督学习不打标签，让机器自行发现模

Azure IoT Edge 可将云分析与自定义逻辑下沉至“边缘”——即我们的 PLCnext 设备。这能有效降低带宽占用和延迟。通过 Azure IoT Edge，您可从中央云应用开发并部署自有应用。本文将指导您搭建 Azure IoT Edge 并掌握其基本原理。 简介 在 Makers 博客中详述 Azure IoT Edge 所有细节不太现实，建议先阅读官方文档建立整体认知。此门户提供所需所有信息。让我们开始安装运行时。 安装步骤 创建 Azure IoT Hub 与设备 假设您已有 Azure 账号。首先创建资源组并命名。点击“创建资源组”，若未列出可点“+”搜索。 创建 IoT

easymon 是一款远程监控解决方案，将智能手机般的易用性带入机器控制器领域。仅需从 PLCnext Store 安装 PLCnext 功能扩展，并从 iOS App Store 或 Google Play 安装对应手机 App。快速配置后，选定的数据点更新将自动推送到配对的手机 App 实例。当前执行的 PLCnext 程序中每个变量均可配置为监控数据点。 1. 隐私设计 除易用性外，数据隐私是 easymon 开发的核心要求。仅显式选中用于远程监控的数据点才会跨越企业网络边界。甚至 PLCnext 提供的可用数据源元数据（如当前项目中定义的变量及其数据类型）也保持私有。一旦移除数据源，其

PLCnext 功能应用 easymon 免去了搭建远程监控的繁琐配置。无需折腾云端 IoT 服务的各种细节，只需在 PLCnext 上运行的 easymon 配置器中，勾选想在移动端监控的 PLCnext 项目变量并设置通知阈值。 配置器运行在 PLCnext 上，确保仅显式选中的变量数据上传云端。 PLCnext Store 让功能扩展的安装管理极简，无需逐个连接控制器。装好 easymon 后，浏览器打开 PLCnext IP 即可。若不知本地 IP（如刚设置完），easymon 提供智能发现功能——easymon finder，无需端口扫描或网络嗅探即可发现本地网络中运行 easy