西門子代理商 西門子6ES7215-1BG40-0XB0 西門子6ES7215-1BG40-0XB0

6ES7215-1BG40-0XB0

SIMATIC S7-1200，CPU 1215C， 緊湊型 CPU，AC/DC/繼電器， 2 個 PROFINET 端口， 機載 I/O： 14 個 24V DC 數字輸入；10 DO 繼電器 2A， 2 AI 0-10V DC，2 AO 0-20mA DC， 電源：交流 47-63Hz 時 85-264V AC， 程序存儲器/數據存儲器 125 KB

更多圖片

功能

• 豐富的指令集:
  運算種類眾多，便于編程：
  • 基本操作,如二進制邏輯運算、結果賦值、存儲、計數、產生時間、裝載、傳輸、比較、移位、循環移位、產生補碼、調用子程序（帶局部變量）
  • 集成通信命令（例如，USS 協議、Modbus RTU、S7 通信“T-Send/T-Receive”（T 發送/T 接收）或自由端口模式 (Freeport)）
  • 使用簡便的功能，如脈沖寬度調制、脈沖序列功能、運算功能、浮點運算功能、PID 閉環控制、跳轉功能、環路功能和代碼轉換
  • 數學函數，例如 SIN、COS、TAN、LN、EXP
• 計數:
  用戶友好的計數功能配以集成的計數器和高速計數器指令給用戶開辟了新的應用領域。
• 中斷處理：
  • 邊沿觸發中斷（由過程信號的上升沿或下降沿觸發）允許對過程中斷作出極快的響應。
  • 時間觸發中斷。
  • 當達到設定值或計數器方向改變時，可觸發計數器中斷。
  • 通信中斷使得能迅速方便地與周圍的設備如打印機或條碼閱讀器交換信息。
• 口令保護
• 測試和診斷功能：
  易于使用的功能支持測試和診斷，例如，在線/離線診斷。
• 在測試和診斷過程中“強制”輸入和輸出：
  可不在循環周期內獨立設置輸入和輸出，例如可以檢測用戶程序。
• 按照 PLCopen 對簡單運動進行的運動控制。
• 庫功能
•  

2011年底之前，Amit Chakraborty的團隊將在試點項目中用真實的用電數據對新的軟件進行測試。首先要對消費者的用電數據進行研究。為此，他們將會從數百萬使用智能電表的消費者中收集相關數據。收集的數據會包括以下信息：用電量及用電時段。西門子的研究人員將會把從試點項目得出的結論和氣象數據以及特殊事件（例如棒球決賽）信息結合起來。他們將使用這些原始數據為軟件開發訓練數據。然后，軟件的算法將會精確地預測出短期用電負荷。

負荷預測并不是一項新發明。大家都知道，假期時數以百萬的火雞被放入微波爐時所造成的峰值負荷。但是這種粗糙的預測還不能滿足可持續發展能源體系的要求。在美國，電力公司在管理負荷方面多年來一直依賴于市場規律。如果供電量增加，用電成本會下降。相反，電力供應緊張時，消費者就會減少用電量，否則就要多花錢。但是這種“需求響應”并不總能有效地發揮作用。如果消費者的行為和預期的不*，電力公司就必須馬上生產或購買更多的電能。這種規律常常失效，并會產生更多的溫室氣體。“為避免這一情況，我們必須能夠預測消費者在任何特定時刻的行為，”Chakraborty指出。

機器學習可以幫助降低擴建電網的成本。例如，Michael Metzger博士正在為西門子在慕尼黑開展的一個高級“智能電網”項目研究電網自動化。他和西門子中央研究院的其他專家一道開發出了一種學習算法，可以使用傳感器測得的數據來計算電網的結構。“幾十年以前埋下的供電電纜有多少，位置在哪里，現在一般基本找不到這種資料了，”他說。為了獲得這種有關電網隱藏部分的基本信息，在電纜網絡內安置了傳感器。傳感器可以提供某個位置的電流和電壓數據。有了這種信息，就可能推斷出電網結構。“電網運營商掌握這種信息后，就可以知道網絡內有多少電力及其分布情況，” Metzger說到。西門子正在德國南部肯普滕市Allgäuer überlandwerke電力公司的部分電網中檢驗該估算方法。

查明故障信號。在服務行業，機器學習將會帶來革命性的變化。西門子研究人員如今已不再滿足于發現醫療診斷系統等昂貴設備出現故障后再去解決，而是要往前跨一大步。西門子美國研究院的Fabian Mörchen博士正在研發知識決策系統領域的學習系統，他說：“我們開發的程序可以有效預測核磁共振成像設備或核醫學系統什么時候會發生故障。”這種方法的原理是，很多機器在發生故障前會發出預兆。Mörchen說：“關鍵是找到這種信號，并讓它們可被察覺到。”這種信號包括電流、電壓、噪聲、震動、氣壓以及溫度等的變化。

機器自帶的傳感器可以檢測出自身的異常情況。在了解如何判斷機器是否正常運轉后，研究人員和其學習系統使用數據挖掘技術找出異常模式。一旦將一系列模式和某個故障聯系起來，Mörchen團隊就可以開發出相關算法，來訓練計算機程序。這樣，程序在處理之前沒有見過的數據時也能夠識別出這些模式。比如，MRI掃描器的低溫氦泄露時，溫度和壓力只是發生了微乎其微的變化。得益于早期預警算法，西門子醫療的技術人員才盯住了這個問題，在機器出現故障前就修復了制冷系統。如今，在這種軟件的幫助下，西門子服務團隊不僅僅監視著3,500臺MRI掃描儀，還可以進行預防性維護。這一戰略使過去三年間的維修成本降低了580萬美元。

西門子美國研究院的研究員Ciprian Raileanu領導開展的一個項目，是這類研究項目的先驅之一。開發的成果被用來監控橋梁。當時，美國交通部正想優化全國境內大約650,000座橋梁的維修工作。Raileanu團隊和普林斯頓附近的羅格斯大學及其高級基礎設施和交通研究中心聯合開發了一種解決方案。