Edge IoT a posun ke strojovému učení v dobách pandemie

Průmyslem vystavěným okolo embedded technologií sice pandemie Covid-19 otřásla, nikoli však jeho trendy, pokud jde o dramatický posun k ještě většímu zastoupení automatizace, snímání a také zpracování přímo „na místě“ s využitím systémů strojového učení. Zákaznické projekty na digitalizaci rostou, nicméně polovodičový průmysl má co dělat, aby s takovými požadavky udržel krok. Klíčovou roli zde proto hraje flexibilita, od návrhu desky či systému až na konec řetězce. Díky náročným úkolům, kterým průmysl v roce 2022 čelí, to bude znát ještě více.

K tomu, abychom vše zvládli, však nestačí jen flexibilní přístup, pokud jde o samotné zpracování přímo na místě – implementace, typy součástek a použité metody, ale důležitý je i způsob, jakým budou zmíněné systémy v rámci internetu věcí vůbec připraveny. Široká škála technologií od společnosti Microchip s jejich vlastními výrobními kapacitami zde při zajišťování techniky, kterou koncoví odběratelé vyžadují, představuje výhodu.

Jako příklad si uveďme chytré obrazové snímače s lokálně řešenými systémy strojového učení díky programovatelným polím FPGA. Stěžejní algoritmy strojového učení pro účely zpracování obrazu zde rovnou na místě řeší samotné kamery, takže již nebude nutné odesílat datové streamy do cloudu. Zrychlujeme tím odezvu, snižujeme spotřebu a omezíme též i požadavky na přenos dat v síti IoT.

Na základě polí FPGA mohou vývojáři rovněž navrhnout svůj vlastní systém strojového učení nebo v konkrétní aplikaci „vypilovat“ stávající řešení. Pro dané návrhy přímo na místě, počínaje detekcí vad při řízení kvality na výrobní lince až po řídicí systémy, to může znamenat ještě vyšší efektivitu. Vývojová platforma s nejnovějšími poli FPGA od Microchipu kupříkladu přispěje s novými snímači a rozhraním, které propojuje průmyslové kamery s rychlostí 1 Gb/s na linku, zatímco zde komunikujeme o rychlosti až 1,5 Gb/s na linku. S tím, jak vývojáři používají kamery s vyšším rozlišením pro zachytávání více detailů a vše pak potřebují lokálně zpracovat, porostou i požadavky na výkonnější rozhraní. Zabráníme tím přetížení místní sítě a umožníme zvýšení produktivity ve stávající infrastruktuře.

Zatímco jsou vysokorychlostní sítě ethernet v průmyslových aplikacích stejného typu stále běžnější, řešení s využitím polí FPGA vývojářům přímo na místě umožňuje rovněž konfigurovat systém s ohledem na specifické průmyslové sítě, jako jsou Profibus a Hart. Schopnost flexibilního doplňování síťových protokolů do návrhů s FPGA snižuje velikost a také složitost síťových uzlů či bran, což se také stává klíčovým trendem pro rok 2022 a léta, která ještě přijdou.

V aplikacích, jako je prediktivní údržba řešená přímo na místě, lze strojové učení dále zapracovat i s využitím celé řady mikrokontrolérů. Aby mohl sofistikovaný kód pro rozpoznávání vzorů běžet na mikrokontrolérech umístěných přímo u snímačů, společnost Microchip úzce spolupracuje s vývojáři softwarových algoritmů. Zařízení lze proto stále více sledovat na lokální úrovni a rozpoznávat v datech jednotlivé obrazy, které mohou signalizovat blížící se poruchu a možná i lokalizovat samotný problém. Stroje tak mohou být vypnuty organizovaným způsobem v rámci plánované údržby a s dostatečným předstihem pro objednání náhradních dílů. Předejdeme tím nenadálým poruchám, které dokážou výrobní linku zastavit a vyjít přitom kvůli zmeškané výrobě, kdy zákazníci nedostanou včas plánovanou dodávku, na milióny dolarů.

Struktura bloků strojového učení se neustále zlepšuje a využívá přitom data pocházející od dodavatelů či z aplikace samotné, takže je možné zvyšovat přesnost při detekci signálu i jeho klasifikaci a dále navyšovat výkonnost celého návrhu. Vysokoúrovňová data z takových systémů řešených přímo na místě zavádíme rovněž zpátky do cloudových služeb, jejichž význam v roce 2022 dále poroste. Ve výsledku zde však bude klíčové i jejich zabezpečení.

Díky neustále rostoucímu počtu zařízení připojených k internetu věcí si vývojáři uvědomují zranitelnost aplikací, které se tak mohou stát i „rukojmím“, zatímco jednotlivé uzly zde obvykle bývají velmi náchylné k bezpečnostním hrozbám. Od aktualizací řešených na způsob OTA, tedy „over the air“, se proto očekává, že koncová zařízení IoT udrží v bezpečném stavu. Aktualizace OTA jsou nyní v podstatě vyžadovanou funkcí. I tak je ale potřeba zabezpečení, jinak bude síť zpřístupněna někomu, kdo takovým uzlům „podsune“ škodlivý kód. Společnost Microchip spolupracuje se všemi klíčovými dodavateli cloudových služeb a podporuje ty nejnovější bezpečnostní standardy. Zmíněná oblast se rychle rozvíjí a jinak tomu nebude ani letos.

Do světa průmyslových aplikací rovněž proniká funkční bezpečnost, vychází z návrhové metodiky pro technologie asistující řidičům, resp. pro autonomní vozy, a aplikuje je v továrním prostředí. Spousta odvětví následovalo automobilový průmysl, když zavedlo standard kvality ISO 9000 a společnost Microchip zde sleduje něco podobného i v případě standardu ISO 26262 pronikajícího do průmyslových návrhů. Schopnost rozpoznat, že se někde v systému schyluje k poruše, a zjistit, co se přihodí a že to také selže bezpečným způsobem, bude nejvyspělejší a nejrozšířenější právě v oblasti automobilového průmyslu. Zároveň se jedná o klíčovou technologii pro koncové systémy IoT v roce 2022 a dále.

Každopádně je jasné, že digitalizace se stává nedílnou součástí průmyslových návrhů, speciálně pak v případě systémů provozovaných přímo na místě, a jako důležitý hnací motor dalšího růstu zde bude vystupovat i v budoucnu. Existuje spousta různých příležitostí, které lze zvážit – od chytrých koncových čidel s vysokorychlostním rozhraním a zpracováním s poli FPGA až po algoritmy strojového učení běžící na mikrokontrolérech.

K úspěšnému uvedení koncových systémů IoT na trh bude nezbytná úzká spolupráce s výrobci polovodičů, jako je třeba společnost Microchip. Včasná komunikace a detailní plánování pomohou v rámci dodavatelského řetězce zajistit technologie, bez kterých se další rozvoj internetu věcí, skloňovaný po celém světě, zkrátka neobejde.