【儀表網 儀表新概念】半導體制造商ROHM與新加坡科學技術研究局(Agency for Science, Technology and Research，簡稱“A*STAR”)下屬性研究機構微電子研究所(Institute of Microelectronics，簡稱“IME”)達成合作協(xié)議，雙方將面向新一代工廠，聯(lián)合研究在傳感器節(jié)點上檢測裝置異常的人工智能(AI)芯片。
圖片源自網絡
以往的裝置異常檢測一般是將來自多個傳感器的大量信息發(fā)送到裝置內的電腦或服務器后進行處理的。本研究旨在將以往通過服務器處理的異常檢測算法搭載到半導體芯片上，在傳感器節(jié)點內處理傳感器信息，從而大幅降低系統(tǒng)整體的功耗，提供可用于所有裝置的通用性極高的異常檢測功能。
近年來，在制造業(yè)的工廠中，基于從裝置的日志和傳感器等獲取的數(shù)據，提前檢測到裝置的異常“預兆”，以便在故障發(fā)生前采取修理和替代準備等措施的“預測性維護(Predictive Maintenance)”理念日益普及。
這種預測性維護被廣泛運用在用來感應裝置狀態(tài)的各種傳感器及傳感器節(jié)點、用來將傳感器獲取的數(shù)據發(fā)送到服務器的無線模塊、以及用來處理數(shù)據的軟件等IoT技術。特別是在軟件領域，在以往統(tǒng)計處理的基礎上引入人工智能(AI)衍生技術的應用日益增加。
然而，想要充分利用這類軟件的成果，需要從傳感器持續(xù)發(fā)送大量數(shù)據，當前存在的課題是，用于WSN(Wireless Sensor Network)*1) 的無線通信技術在持續(xù)發(fā)送大量數(shù)據時通信速度不夠，可能無法應對未來增勢迅猛的傳感器數(shù)量。
在這種背景下，ROHM與A*STAR的IME聯(lián)手，開始研究可實時處理來自傳感器的數(shù)據，并僅在檢測到異常時將其結果發(fā)送到服務器的人工智能芯片。將ROHM獨有的解析算法(融入了通過ROHM旗下工廠積累的大量數(shù)據實證的人工智能技術)，與半導體電路技術(采用了IME和ROHM所擅長的模擬電路技術)相結合，集成到芯片中。
這樣一來，可進行微控制器和FPGA等現(xiàn)有處理系統(tǒng)無法實現(xiàn)的在傳感器節(jié)點的處理，使無線通信網絡構建更加容易，并可大大減輕服務器的負荷。
另外，將其與ROHM擁有的傳感器、無線模塊和無電池通信技術EnOcean*2) 相結合，即可實現(xiàn)在所有位置輕松設置無線傳感器節(jié)點。ROHM和IME旨在通過這項研究，為未來工廠的更新?lián)Q代貢獻力量。
(原標題：ROHM和ASTAR聯(lián)合研究傳感器節(jié)點檢測人工智能芯片)
所有評論僅代表網友意見，與本站立場無關。