Przemysł 4.0, Sztuczna Inteligencja i IoT w Produkcji

Zachariah Peterson
|  Utworzono: kwiecień 12, 2020  |  Zaktualizowano: kwiecień 5, 2021
Aplikacje sztucznej inteligencji w przemyśle 4.0

Jeśli chodzi o elektronikę, to całą uwagę przyciągają urządzenia konsumenckie takie jak smartfony czy Alexa. Jednakże, według Aluna Morgana z Ventec International Group, „około 23% produkowanych na świecie PCB jest używanych w sprzęcie elektronicznym do zastosowań produkcyjnych.” Liczby te rosną, gdy uwzględnimy inne kategorie nieskonsumpcyjne wspierające operacje produkcyjne, takie jak motoryzacja, telekomunikacja, generacja/rozdzielanie energii i informatyka. Zachodni producenci w dużej mierze zaakceptowali, że repatriacja produkcji będzie możliwa tylko przez większą automatyzację i produktywność na hali produkcyjnej. To jest istota Przemysłu 4.0, gdzie operacje fabryczne są inteligentniejsze i bardziej połączone niż kiedykolwiek wcześniej.

Więc gdzie producenci mogą nadal obniżać koszty i widzieć większe korzyści produktywności dzięki repatriacji? Istnieje wiele odpowiedzi na to pytanie, szczególnie gdy weźmiemy pod uwagę zaawansowane technologie produkcyjne, takie jak druk 3D. Jedno jest pewne: operacje produkcyjne dla wielu produktów będą w niedalekiej przyszłości dalej cyfryzowane. Ten poziom cyfryzacji wymaga PCB do obsługi sprzętu i zbierania danych, jak również technologii do szybkiego przetwarzania danych i uzyskiwania użytecznych wniosków. W Przemyśle 4.0, sztuczna inteligencja (AI) będzie miała kluczowe znaczenie dla zarządzania operacjami i przetwarzania danych, ostatecznie dostarczając wglądu menedżerom i inżynierom.

Projektowanie pod kątem Przemysłu 4.0 i AI

Projektowanie nowego systemu AI wspierającego operacje produkcyjne to w równym stopniu wyzwanie sprzętowe, co programowe. Oba te obszary wzajemnie się uzupełniają; wbudowana płyta musi być zaprojektowana tak, aby wspierać oprogramowanie wbudowane, podczas gdy oprogramowanie wbudowane nie powinno być na tyle zasobożerne, aby ograniczać inne funkcje na płycie. Oznacza to, że każdy element produkcyjny oraz systemy wspierające akwizycję/przetwarzanie danych staną się wbudowanym ekosystemem IoT, gdzie dane są przetwarzane w centralnej lokalizacji lub w chmurze.

W erze Przemysłu 4.0 od producentów oczekuje się generowania znacznie większej ilości danych niż kiedykolwiek wcześniej, ponieważ więcej elementów produkcyjnych staje się połączonych. Ta łączność jest umożliwiana przez nowe standardy przemysłowe wymiany danych, takie jak standard IPC-CFX. Każda operacja produkcyjna, która chce połączyć swoje zasoby i agregować dane na przestrzeni dowolnego procesu produkcyjnego, będzie potrzebować bogactwa wbudowanych urządzeń IoT na terenie fabryki.

Industry 4.0 artificial intelligence asset tracking and prediction
Sztuczna inteligencja i łączność fabryczna umożliwiają śledzenie i przewidywanie zamówień w czasie rzeczywistym

Wymagania dotyczące projektowania wbudowanego IoT dla Przemysłu 4.0

Nowe wbudowane urządzenia IoT mogą wspierać aplikacje AI, jeśli spełniają pewne podstawowe wymagania sprzętowe. Te wbudowane urządzenia to specjalizowane komputery jednopłytkowe, które mogą obsługiwać standardowe modele AI/ML, umożliwiając jednocześnie komunikację danych za pomocą standardowych protokołów. Oto kilka podstawowych wymagań, które należy wziąć pod uwagę, projektując nowe systemy dla operacji produkcyjnych Przemysłu 4.0:

  • Moc obliczeniowa: To mniej kwestia prędkości zegara, a bardziej przetwarzania równoległego. System z większą liczbą rdzeni/procesorów lub możliwością klastrowania pozwoli na szybsze przetwarzanie danych i wykorzystanie ich w modelach AI.
  • Pamięć wbudowana: Ilość wymaganej pamięci zależy od konkretnego zastosowania. System do przetwarzania obrazów będzie potrzebował więcej pamięci niż system do przetwarzania danych liczbowych.
  • Interfejs z innymi czujnikami: Dane mogą być wymagane do pozyskania z czujników środowiskowych, bezpośrednio z czujników w sprzęcie produkcyjnym lub z różnych innych czujników.
  • Możliwości komunikacyjne: Muszą być wybrane na podstawie wymaganego zasięgu komunikacji. NB-IoT, LoRaWAN, LTE-M lub inny bezprzewodowy protokół mogą być używane do komunikacji na długie dystanse, podczas gdy Bluetooth LE, WiFi lub Ethernet są powszechne dla komunikacji na krótkie dystanse.

Modułowa konstrukcja dla systemów AI w Przemyśle 4.0

Obniżanie kosztów i zwiększanie produktywności to przede wszystkim szybkie wdrożenie i konfiguracja nowego systemu. Większość inżynierów produkcyjnych to nie projektanci obwodów drukowanych, ale ta kluczowa grupa inżynierów może szybko tworzyć nowe produkty AI dla operacji produkcyjnych, stosując modularne podejście do projektowania elektroniki. Ta klasa cech projektowych pozwala dowolnemu projektantowi systemów łączyć interfejsy obliczeniowe, sensoryczne i komunikacyjne w niestandardowy system dla aplikacji AI w produkcji.

Narzędzia te wykorzystują standardowe interfejsy obliczeniowe i ustandaryzowane połączenia elektryczne między nimi. Moduły komputerowe (COMs), systemy na module (SoMs) i inne sprzęty do aplikacji AI na hali produkcyjnej mogą być łączone na niestandardowej płytce w modularny sposób. Niektóre opcje dla SBCs i COMs, które warto rozważyć do użycia na hali produkcyjnej, przedstawiono w poniższej tabeli:

Platforma

Zalety

Wady

NVIDIA Jetson Nano COM

• Wysoko wyspecjalizowany do uruchamiania wbudowanych modeli TensorFlow.

• Najlepiej używany do aplikacji przetwarzania obrazu/wideo.

• Droższy niż ogólna platforma obliczeniowa.

• Nadmierna moc dla zbiorów danych numerycznych.

Google Coral AI

• Małe wymiary (Mini PCIe, USB, SoM, lub M.2 Key).

• Łatwa integracja z usługami Google Cloud, takimi jak AutoML Vision Edge.

• Używa uproszczonej wersji TensorFlow.

• Większe wymagania co do nauki i ograniczenie do aplikacji obrazowych.

Seria MCU STM32

• Wsparcie dla optymalizowanych modeli sieci neuronowych.

• Świetne do prototypowania i konfigurowania modeli AI.

• Dostępne tylko jako płytki ewaluacyjne lub jako samodzielny MCU.

• MCU wymaga zbudowania niestandardowej płytki.

Raspberry Pi Compute 3+

• Doskonałe do prototypowania, małe wymiary.

• Łatwe skalowanie do produkcji, łatwe do klastrowania.

• Lepsze do ogólnych obliczeń i prognozowania z mniejszymi zbiorami danych numerycznych.

• Nie najlepsze do intensywnych aplikacji obrazowych.

Moduły COM i SoM firmy Toradex

• Znane wśród producentów.

• Łatwe do programowania i integracji z niestandardowym SBC.

• Lepsze do ogólnych obliczeń i prognozowania z mniejszymi zbiorami danych numerycznych.

• Nie najlepsze do intensywnych aplikacji obrazowych.

 

Branżowe standardowe narzędzia EDA mogą pomóc projektantom szybko układać nowe płyty z standardowymi funkcjami układu i trasowania, ale nie wszyscy inżynierowie w tej dziedzinie są specjalistami od oprogramowania EDA. Korzystanie z modułowej platformy projektowej, jak Upverter Board Builder, pozwala każdemu, od dewelopera oprogramowania wbudowanego po przedsiębiorców AI, na budowanie aplikacji AI intensywnie wykorzystujących dane w krótszym czasie.

W platformie projektowej Upverter projektant może łatwo łączyć moduły graficznie w interfejsie opartym na przeglądarce. Nie ma potrzeby pobierania i instalowania narzędzi, a w platformie dostępnych jest wiele znormalizowanych modułów. Pozwala to szybko zbudować nowy produkt sztucznej inteligencji dla Przemysłu 4.0, korzystając z dowolnej z powyższych platform sprzętowych AI i szybko wprowadzić go do produkcji.

NVIDIA Jetson Nano COM for Industry 4.0 artificial intelligence applications
Przykładowa płyta dla NVIDIA Jetson Nano COM, zbudowana w Upverter

Narzędzia do modułowego projektowania elektroniki w Upverter (wcześniej znane jako Geppetto) dają dostęp do szerokiej gamy standardowych COMs i popularnych modułów, pozwalając na tworzenie sprzętu klasy produkcyjnej dla aplikacji sztucznej inteligencji w Przemyśle 4.0. Możesz również łatwo budować nowe produkty w ciągu kilku minut. Jeśli Twój system wymaga dodatkowej funkcjonalności, możesz dołączyć łączność bezprzewodową, szereg czujników, kamery wysokiej rozdzielczości oraz szereg standardowych COMs.

Zapoznaj się z niektórymi historiami sukcesu klientów Gumstix lub skontaktuj się z nami już dziś, aby dowiedzieć się więcej o naszych produktach, narzędziach projektowych i usługach.

About Author

About Author

Zachariah Peterson ma bogate doświadczenie techniczne w środowisku akademickim i przemysłowym. Obecnie prowadzi badania, projekty oraz usługi marketingowe dla firm z branży elektronicznej. Przed rozpoczęciem pracy w przemyśle PCB wykładał na Portland State University i prowadził badania nad teorią laserów losowych, materiałami i stabilnością. Jego doświadczenie w badaniach naukowych obejmuje tematy związane z laserami nanocząsteczkowymi, elektroniczne i optoelektroniczne urządzenia półprzewodnikowe, czujniki środowiskowe i stochastykę. Jego prace zostały opublikowane w kilkunastu recenzowanych czasopismach i materiałach konferencyjnych. Napisał ponad 2000 artykułów technicznych na temat projektowania PCB dla wielu firm. Jest członkiem IEEE Photonics Society, IEEE Electronics Packaging Society, American Physical Society oraz Printed Circuit Engineering Association (PCEA). Wcześniej był członkiem z prawem głosu w Technicznym Komitecie Doradczym INCITS Quantum Computing pracującym nad technicznymi standardami elektroniki kwantowej, a obecnie jest członkiem grupy roboczej IEEE P3186 zajmującej się interfejsem reprezentującym sygnały fotoniczne przy użyciu symulatorów obwodów klasy SPICE.

Powiązane zasoby

Powrót do strony głównej
Thank you, you are now subscribed to updates.