Industrie 4.0, Künstliche Intelligenz und IoT in der Fertigung

Zachariah Peterson
|  Erstellt: April 12, 2020  |  Aktualisiert am: April 5, 2021
Anwendungen künstlicher Intelligenz in der Industrie 4.0

Wenn es um Elektronik geht, erhalten Verbrauchergeräte wie Smartphones und Alexa oft die ganze Aufmerksamkeit. Doch laut Alun Morgan bei der Ventec International Group werden „etwa 23% der weltweit produzierten Leiterplatten in der Elektronikausrüstung für Fertigungsanwendungen verwendet.“ Die Zahlen steigen nur noch, wenn man andere Nicht-Verbraucherkategorien hinzuzählt, die Fertigungsoperationen unterstützen, wie Automobilindustrie, Telekommunikation, Energieerzeugung/-verteilung und Computing. Westliche Hersteller haben weitgehend akzeptiert, dass eine Rückverlagerung der Produktion nur durch eine größere Automatisierung und Produktivität auf dem Fabrikboden erfolgen wird. Dies ist das Wesen von Industrie 4.0, wo Fabrikoperationen intelligenter und vernetzter sind als je zuvor.

Wo können Hersteller also weiterhin Kosten senken und durch Rückverlagerung größere Produktivitätsvorteile sehen? Es gibt eine Reihe von Antworten auf diese Frage, besonders wenn man fortgeschrittene Fertigungstechnologien wie den 3D-Druck betrachtet. Eines ist allen klar: Die Fertigungsoperationen für viele Produkte werden in naher Zukunft weiter digitalisiert. Diese Ebene der Digitalisierung erfordert Leiterplatten, um Ausrüstung zu betreiben und Daten zu sammeln, sowie Technologie, um Daten schnell zu verarbeiten und nützliche Einsichten zu gewinnen. In der Industrie 4.0 wird künstliche Intelligenz (KI) entscheidend sein, um Operationen zu verwalten und Daten zu verarbeiten, letztendlich den Managern und Ingenieuren Einsichten bereitzustellen.

Design für Industrie 4.0 und KI

Das Entwerfen eines neuen KI-Systems zur Unterstützung von Fertigungsprozessen ist ebenso sehr eine Hardware-Herausforderung wie eine Software-Aufgabe. Beide Bereiche ergänzen sich; eine eingebettete Platine muss so gestaltet sein, dass sie die eingebettete Software unterstützt, während die eingebettete Software nicht so ressourcenintensiv sein sollte, dass sie andere Funktionen auf der Platine beeinträchtigt. Das bedeutet, dass jedes Fertigungselement und die Systeme, die die Datenerfassung/-verarbeitung unterstützen, zu einem eingebetteten IoT-Ökosystem werden, in dem Daten an einem zentralen Ort oder in der Cloud verarbeitet werden.

In der Industrie 4.0 wird erwartet, dass Hersteller deutlich mehr Daten als je zuvor generieren, da mehr Fertigungselemente vernetzt werden. Diese Vernetzung wird durch neue Industriestandards für den Datenaustausch ermöglicht, wie zum Beispiel den IPC-CFX-Standard. Jede Fertigungsoperation, die ihre Anlagen vernetzen und Daten über jeden Fertigungsprozess aggregieren möchte, benötigt eine Vielzahl von eingebetteten IoT-Geräten in einer Fabrik.

Industry 4.0 artificial intelligence asset tracking and prediction
KI und Fabrikvernetzung ermöglichen es, Bestellungen in Echtzeit zu verfolgen und vorherzusagen

Eingebettete IoT-Designanforderungen für Industrie 4.0

Neue eingebettete IoT-Geräte können KI-Anwendungen unterstützen, wenn sie einige grundlegende Hardwareanforderungen erfüllen. Diese eingebetteten Geräte sind spezialisierte Einplatinencomputer, die Standard-KI/ML-Modelle unterstützen können, während sie die Kommunikation von Daten über Standardprotokolle ermöglichen. Hier sind einige grundlegende Anforderungen, die beim Entwurf neuer Systeme für Fertigungsoperationen in der Industrie 4.0 berücksichtigt werden sollten:

  • Verarbeitungsleistung: Hierbei geht es weniger um die Taktfrequenz als vielmehr um parallele Verarbeitung. Ein System mit mehr Kernen/Prozessor oder das geclustert werden kann, ermöglicht eine schnellere Verarbeitung und Nutzung von Daten in KI-Modellen.
  • Onboard-Speicher: Die benötigte Menge an Speicher hängt von der spezifischen Anwendung ab. Ein System zur Bildverarbeitung benötigt mehr Speicher als ein System zur Verarbeitung numerischer Daten.
  • Schnittstelle zu anderen Sensoren: Daten müssen möglicherweise von Umweltsensoren, direkt von Sensoren in Fertigungsanlagen oder von einer Vielfalt anderer Sensoren erfasst werden.
  • Kommunikationsfähigkeiten: Diese müssen basierend auf der erforderlichen Kommunikationsreichweite ausgewählt werden. NB-IoT, LoRaWAN, LTE-M oder ein anderes drahtloses Protokoll können für die Langstreckenkommunikation verwendet werden, während Bluetooth LE, WiFi oder Ethernet üblich für die Kurzstreckenkommunikation sind.

Modulares Design für Industrie 4.0 KI-Systeme

Kosten senken und die Produktivität steigern bedeutet, ein neues System schnell einzuführen und zu konfigurieren. Die meisten Fertigungsingenieure sind keine Leiterplatten-Designer, aber diese wichtige Klasse von Ingenieuren kann schnell neue KI-Produkte für Fertigungsoperationen erstellen, indem sie einen modularen Ansatz für das Elektronikdesign nutzen. Diese Art von Designmerkmalen ermöglicht es jedem Systemdesigner, Rechen-, Sensor- und Kommunikationsschnittstellen in einem benutzerdefinierten System für KI-Anwendungen in der Fertigung zusammenzuführen.

Diese Werkzeuge nutzen standardisierte Rechenschnittstellen und die standardisierten elektrischen Verbindungen zwischen ihnen. Computer-on-Modules (COMs), Systems-on-Module (SoMs) und andere Hardware für KI-Anwendungen auf dem Fabrikboden können auf einer benutzerdefinierten Platine auf modulare Weise verbunden werden. Einige Optionen für SBCs und COMs, die auf dem Fabrikboden verwendet werden sollten, sind in der folgenden Tabelle dargestellt:

Plattform

Vorteile

Nachteile

NVIDIA Jetson Nano COM

• Hochspezialisiert auf das Ausführen von eingebetteten TensorFlow-Modellen.

• Am besten geeignet für Bild-/Videoverarbeitungsanwendungen.

• Teurer als eine allgemeine Computing-Plattform.

• Übermäßige Leistung für numerische Datensätze.

Google Coral AI

• Kleiner Formfaktor (Mini PCIe, USB, SoM oder M.2 Key).

• Lässt sich leicht mit Google Cloud-Diensten wie AutoML Vision Edge integrieren.

• Verwendet eine abgespeckte Version von TensorFlow.

• Steilere Lernkurve und begrenzt auf Bildverarbeitungsanwendungen.

STM32-Serien-MCUs

• Unterstützung für optimierte neuronale Netzwerkmodelle.

• Ideal für das Prototyping und Konfigurieren von KI-Modellen.

• Nur als Evaluierungsboards oder als eigenständiger MCU verfügbar.

• MCU erfordert den Aufbau eines benutzerdefinierten Boards.

Raspberry Pi Compute 3+

• Hervorragend für Prototyping, kleiner Formfaktor.

• Kann leicht zur Produktion hochskaliert werden, leicht zu clustern.

• Besser für allgemeine Berechnungen und Vorhersagen mit kleineren numerischen Datensätzen.

• Nicht am besten für intensive Bildverarbeitungsanwendungen geeignet.

Toradex COMs und SoMs

• Unter Herstellern wohlbekannt.

• Einfach zu programmieren und in ein benutzerdefiniertes SBC zu integrieren.

• Besser für allgemeine Berechnungen und Vorhersagen mit kleineren numerischen Datensätzen.

• Nicht am besten für intensive Bildverarbeitungsanwendungen geeignet.

 

Branchenstandard-EDA-Tools können Designern helfen, schnell neue Platinen mit Standard-Layout und Routing-Funktionen zu entwerfen, aber nicht alle Ingenieure in diesem Bereich sind Spezialisten für EDA-Software. Die Verwendung einer modularen Designplattform wie dem Upverter Board Builder ermöglicht es jedem, von einem Embedded-Software-Entwickler bis hin zu KI-Unternehmern, datenintensive KI-Anwendungen in weniger Zeit zu erstellen.

In der Upverter-Designplattform kann ein Designer Module grafisch in einer webbasierten Schnittstelle einfach miteinander verbinden. Es gibt keine Tools zum Herunterladen und Installieren, und es stehen viele standardisierte Module innerhalb der Plattform zur Verfügung. Dies ermöglicht es Ihnen, schnell ein neues Industrie 4.0 Künstliche Intelligenz-Produkt mit einer der oben genannten KI-Hardwareplattformen zu erstellen und schnell zur Fertigung zu bringen.

NVIDIA Jetson Nano COM for Industry 4.0 artificial intelligence applications
Beispielplatine für ein NVIDIA Jetson Nano COM, gebaut in Upverter

Die modularen Elektronik-Design-Tools in Upverter (früher als Geppetto bekannt) geben Ihnen Zugang zu einer breiten Palette von branchenüblichen COMs und beliebten Modulen, die es Ihnen ermöglichen, produktionsreife Hardware für Industrie 4.0 Künstliche Intelligenz-Anwendungen zu erstellen. Sie können auch in wenigen Minuten neue Produkte bauen. Wenn Ihr System zusätzliche Funktionalität benötigt, können Sie drahtlose Konnektivität, eine Reihe von Sensoren, hochauflösende Kameras und eine Anzahl von Standard-COMs einbeziehen.

Werfen Sie einen Blick auf einige Gumstix-Kundenerfolgsgeschichten oder kontaktieren Sie uns heute, um mehr über unsere Produkte, Designwerkzeuge und Dienstleistungen zu erfahren.

Über den Autor / über die Autorin

Über den Autor / über die Autorin

Zachariah Peterson verfügt über einen umfassenden technischen Hintergrund in Wissenschaft und Industrie. Vor seiner Tätigkeit in der Leiterplattenindustrie unterrichtete er an der Portland State University. Er leitete seinen Physik M.S. Forschung zu chemisorptiven Gassensoren und sein Ph.D. Forschung zu Theorie und Stabilität von Zufallslasern. Sein Hintergrund in der wissenschaftlichen Forschung umfasst Themen wie Nanopartikellaser, elektronische und optoelektronische Halbleiterbauelemente, Umweltsysteme und Finanzanalysen. Seine Arbeiten wurden in mehreren Fachzeitschriften und Konferenzberichten veröffentlicht und er hat Hunderte von technischen Blogs zum Thema PCB-Design für eine Reihe von Unternehmen verfasst. Zachariah arbeitet mit anderen Unternehmen der Leiterplattenindustrie zusammen und bietet Design- und Forschungsdienstleistungen an. Er ist Mitglied der IEEE Photonics Society und der American Physical Society.

Ähnliche Resourcen

Zur Startseite
Thank you, you are now subscribed to updates.