Upverter symbol2.png

Simplify Electronics Design

Electronics are complicated — Upverter makes it easy.

Try Now

Upverter - ブラウザベースのオンラインPCB設計

Upverterは、モジュール式のウェブベースのPCB設計ツールです。IoTハードウェアやデバイスのなど、正確な仕様に基づいて構築された基板を設計および注文することができます。数分で回路基板を構築したりカスタマイズするなど、シンプルさを追求した設計ツールを体験してみましょう。 Upverterを今すぐお試しください。

Upverter ドラッグ＆ドロップ設計 Upverter クイックスタートガイド Upverter 教育プログラム

起業家のためのモジュラー製品設計ガイド

TRANSLATE:

起業家のためのモジュラー製品設計ガイド私のハードウェアスタートアップのクライアントからよく受ける質問の一つはこれです: どうすればプロトタイプのリスクを軽減できますか？概念実証から実際のデバイスに転換し、現場でテストしたいと考えている起業家は、時間、労力、お金を有効に活用したいと考えています。多くの起業家が自分の貯金をこれらの事業に投じており、デバイスの故障原因を早期に対処することが望ましいです。概念実証とプロトタイプの間をつなぐ一つの方法があり、これは設計者がターゲットとするコンポーネントを中心に完全にカスタムされたPCBを設計する道を加速させるのにも役立ちます。これには、市販の開発製品、コンピュートモジュール、第三者開発製品、マイクロコントローラ/ASICモジュールを組み合わせて、非常に基本的なバージョンのプロトタイプを構築するというモジュラーなアプローチを取ることが含まれます。このアプローチには多くの価値があり、適切なモジュール、評価製品、リファレンスデザインを選択すれば、リスクを低減しながら市場投入までの時間を短縮することができます。モジュラープロダクトデザインアプローチとは何ですか？モジュラー製品は、半導体ベンダーから棚卸しで購入したり、第三者製品として購入したり、カスタムボードとして設計したり、またはこれらの組み合わせで使用される一連のモジュールを使用して構築されます。このアプローチでは、通常、ケーブル、ワイヤー、ボード間コネクターを使用して互いに接続する一連のモジュールを組み合わせる必要があります。これらのモジュールは、Arduino、Raspberry Pi、Opal Kellyなどのベンダーから購入でき、これらを組み合わせてカスタム製品を作成します。実際、ハードウェア製品に対するあなたのアイデアは、モジュール形式で構築できるかもしれません。これにより、他の企業がそれを自社のPCBに統合できるようになります。これらのモジュールはどこで見つけて購入でき、どのようなタイプのモジュールを使用してモジュラー製品を構築できるのでしょうか？いくつかのアイデアは次の表にあります。開発ボード通常、マイクロコントローラーボード（例：Arduino）や小型FPGAボードを指します。半導体ベンダー、ディストリビューター、または第三者によって供給されることがあります。小型ASICモジュールこれらのボードの範囲は非常に広く、通常はシンプルなピンヘッダーやケーブルを介してホストボードに接続します。通常、第三者またはオープンソースによって供給されます。シングルボードコンピューター（SBC） Raspberry Piのような製品を含み、技術的にはスタンドアロン製品として動作可能です。コンピュータオンモジュール（COM）またはシステムオンモジュール（SOM）これらの小型モジュールは、カスタムまたは市販のベースボードと共に使用できます。汎用コンピュートやアプリケーション固有のコンピュートを提供することができます。 FPGA開発ボード

GumstixからのRaspberry Pi CM4キャリアボード

GumstixからのRaspberry Pi CM4 PCBキャリアボード次の組み込みアプリケーションをRaspberry Pi CM4開発キットで作成しましょう。開発が完了したら、カスタムキャリアボードにアプリケーションをデプロイできます。

インダストリー4.0の人工知能アプリケーション

産業4.0、人工知能、製造業におけるIoT エレクトロニクスに関して言えば、スマートフォンやAlexaのような消費者向けデバイスがすべての注目を集めがちです。しかし、 Ventec International GroupのAlun Morganによると、「世界で生産されるPCBの約23%が製造アプリケーションの電子機器に使用されています。」自動車、通信、電力生成/配布、およびコンピューティングなど、製造業務をサポートする他の非消費者向けカテゴリーを含めると、この数字はさらに上昇します。西洋の製造業者は、工場の床でのより大きな自動化と生産性を通じてのみ、オンショア化が実現すると広く受け入れています。これがインダストリー4.0の本質であり、工場の運営がこれまで以上にインテリジェントで、よりつながっています。では、製造業者はオンショア化を通じてどのようにしてさらに費用を削減し、生産性の利点を見出すことができるのでしょうか？この質問には、3Dプリンティングのような先進的な製造技術を考慮すると、いくつかの答えがあります。皆が同意する一つのことは、多くの製品の製造業務は近い将来さらにデジタル化されるということです。このレベルのデジタル化には、機器を動かしデータを収集するためのPCBと、迅速にデータを処理し有用な洞察を得るための技術が必要です。インダストリー4.0では、人工知能（AI）が運営の管理とデータの処理に不可欠であり、最終的にはマネージャーやエンジニアに洞察を提供します。インダストリー4.0とAIのための設計製造業務をサポートする新しいAIシステムを設計することは、ソフトウェアに関することだけでなく、ハードウェアの取り組みでもあります。両方の領域は互いに補完し合います。組み込みボードは組み込みソフトウェアをサポートするように設計されなければならず、組み込みソフトウェアはボード上の他の機能を制限するほどリソースを消費してはなりません。これは、すべての製造資産とデータ取得/処理をサポートするシステムが組み込みIoTエコシステムになり、データは中央の場所またはクラウドで処理されることを意味します。インダストリー4.0では、より多くの製造資産が接続されるにつれて、製造業者はこれまで以上に大量のデータを生成することが期待されます。この接続性は、IPC-CFX標準のような新しい業界標準のデータ交換を通じて可能になります。任意の製造操作がその資産を接続し、あらゆる製造プロセスを通じてデータを集約したい場合、工場全体にわたって多数の組み込みIoTデバイスが必要になります。インダストリー4.0のための組み込みIoT設計要件新しい組み込みIoTデバイスは、いくつかの基本的なハードウェア要件を満たしていれば、AIアプリケーションをサポートできます。これらの組み込みデバイスは、標準的なAI/MLモデルをサポートしつつ、標準プロトコルを介してデータの通信を可能にする特殊なシングルボードコンピュータです。ここでは、インダストリー4.0の製造業務のための新しいシステムを設計する際に考慮すべきいくつかの基本的な要件を紹介します：処理能力：これはクロック速度についてではなく、並列処理についての話です。より多くのコア/プロセッサを持つシステムやクラスタリングが可能なシステムでは、データをより速く処理し、AIモデルで使用できます。オンボードメモリ：必要なメモリ量は特定のアプリケーションに依存します。画像処理のためのシステムは、数値データ処理のためのシステムよりも多くのメモリを必要とします。他のセンサーとのインターフェース：データは、環境センサーから、製造装置内のセンサーから、またはその他のさまざまなセンサーから直接取得する必要があるかもしれません。通信能力：これは必要な通信範囲に基づいて選択する必要があります。長距離通信にはNB-IoT、LoRaWAN、LTE-Mなどの無線プロトコルを使用できますが、短距離通信にはBluetooth LE、WiFi、Ethernetが一般的です。産業4.0 AIシステムのためのモジュラーデザインコスト削減と生産性向上は、新しいシステムを迅速に展開し、設定することについてです。ほとんどの製造技術者はプリント回路設計者ではありませんが、この重要なクラスのエンジニアは、

ステルス機と量子レーダー

NVIDIA Jetson Nano：レーン検出と追跡自動運転車は徐々に自動車産業の重要な部分となりつつあります。多くの人々は、完全自動運転車が間もなく人間と並んで走るようになると信じており、技術企業は完全自動運転車を展開するための競争に参加しています。2018年12月、Googleの自動運転車プロジェクトから生まれた会社である Waymoは、フェニックス郊外で商用自動運転車サービスを正式に開始しました。May Mobility、Drive.ai、Uberなどの企業も同じ道を歩んでいます。自動運転車は壮大なビジョンのように思えるかもしれませんが、半自動運転車はすでに私たちの間にあります。新しいTeslaの車には、Tesla Autopilot機能が搭載されており、車線認識と追跡、アダプティブクルーズコントロール、自動駐車が可能です。道路上の車線を識別し追跡する能力は、無人運転車にとって多くの前提条件の一つです。車線認識は難しい問題のように思えるかもしれませんが、NVIDIA Jetson Nanoハードウェアプラットフォームを使って、車線認識と追跡のアルゴリズムの開発を始めることができます。 Jetson Nano入門 Jetson Nano COMは、 Raspberry Pi 3よりもわずかに大きいですが、472 Gflopsのパワーで並列にニューラルネットワークを実行できます。これはRaspberry Pi 3よりも約22倍強力であり、わずか5Wという非常に低い電力で動作します。このボードは、トリムダウンされたLinuxカーネル上で動作する組み込みAIアプリケーションに最適です。高品質な画像およびビデオ処理アプリケーションに必要な処理能力とオンボードメモリを備えています。Jetson Nanoの主な特徴には次のようなものがあります： GPU

アプリケーションのためのAIのカスタマイズ

アプリケーションに合わせたAIのカスタマイズ AI技術は、デバイスが世界とどのように相互作用するかを急速に変えています。従来、プログラマーはシステムが現実世界のさまざまな予測不可能な状況にどのように反応するかを事前に決定する必要がありました。AIを使用すると、そのモデルは望ましい反応を捉えるように訓練され、予期しなかった状況に対しても信頼性の高い望ましい反応を提供できるようになります。 AIに新しい開発者が直面する課題の一つは、アプリケーションに合わせたAI実装をカスタマイズすることです。特定のアプリケーションが自身のボード実装を正当化するのに十分なボリュームを持っていない限り、市販のAIボードは一般的な効果に焦点を当てがちです。それらはすべてのアプリケーションに必要ではないリソースやインターフェースを持っているため、不必要にコストを増加させます。例えば、 Jetson Nano Developer Kit のような開発者キットは、基本的なAI実装を作成する方法に慣れるのに最適な方法です。Jetson Nanoにはさまざまなインターフェースが付属しており、非常に短時間でテストシステムを立ち上げて動かすことが簡単です。このキットは、センサー処理からビデオ分析、音声処理に至るまで、幅広い多様なアプリケーションの優れた出発点として機能します。しかし、一般的なAIシステムの構築方法を理解すると、最終的な製造ハードウェアに可能な限り近いプロトタイプを使用してアプリケーションの開発を開始したくなるでしょう。これは、AIをエッジに移行する際に特に重要です。クラウド内のGPUのコスト、可用性、およびスケーラビリティは非常に柔軟です。必要な応答性を得られない場合や、モデルが当初考えていたよりも多くのデータを効果的に処理する必要があることがわかった場合、簡単にクラウドリソースを追加できます。しかし、エッジではそうはいきません。エッジでは、コスト、パフォーマンス、および精度のバランスを取りたい場合に最適なリソースの組み合わせを決定する必要があります。理想的には、大幅なハードウェア変更を強いることなく簡単にダウンスケールできるシステムが必要です。また、センサー、カメラ、インターフェース、メモリ、MCUなど、アプリケーションの残りの部分を構成するコンポーネントも設計の容易さに影響します。これは、ある時点でAIシステムをアプリケーションの残りの部分と統合する必要があるためです。ビデオイメージのサイズを増やす必要があることがわかった場合に必要となるカスケード変更を考えてみてください。AIモデルは異なるサイズのイメージを扱う必要があり、システム全体のパフォーマンスとメモリ要件が完全に変わります。さらに、新しいカメラを既存のファームウェアとシームレスに統合する必要があり、できればファームウェアの書き換えを避けたいところです。この新しいリソースの組み合わせをバランス良く最適化するには時間もかかります。さらに、2台目のカメラを追加し、実効フレームレートを上げる必要があると想像してみてください。この統合段階は、手動で行う必要がある場合、非常に時間がかかり、イライラすることがあります。たとえば、同じベンダーのカメラドライバーであっても互換性がないことがよくあります。新しいドライバーが前のものと全く同じように動作することを確認するために、広範なテストを行う必要があります。 Geppetto のようなカスタムプラットフォームアプローチをデザインに採用することで、開発時間を大幅に短縮できます。Geppettoを使用すると、実証済みの機能ブロックをドラッグアンドドロップでカスタムボードに追加できます。AIアプリケーションの場合、Jetson Nanoから始めて、必要ない機能を削除できます。その後、センサー、インターフェース、プロセッサー、その他の回路を広範なモジュールライブラリから追加し、アプリケーションに最適化されたカスタムモジュールを構築できます。このアプローチの主な利点は、初期の開発とテストのために少数のボードをコスト効率よく製造できることです。もし、より多くの処理能力が必要になった場合、またはそれ以下である場合でも、完全に新しいシステムを設計することなく、簡単にデザインを調整できます。さらに、カスタムボードはOSとドライバーが事前に統合されています。すべてのコンポーネントを連携させる必要はありません。なぜなら、私たちがすでにそれを行っているからです。