恩智浦和微软共同展示用于预测性维护的云到端机器学习解决方案

分享到:

-借助恩智浦异常检测工具箱、恩智浦i.MX RT跨界处理器和微软Azure IoT,推出基于机器学习的新型异常检测解决方案
 
-恩智浦和微软共同开发的解决方案可在边缘节点和云计算功能之间取得灵活的平衡,从而优化生产力、并提高物联网和工业设备系统级安全性 
 
-恩智浦与微软就市场部署、培训和支持展开合作
 
 
 
华盛顿州西雅图(Microsoft Build 2019)——2019年5月7日——恩智浦半导体公司(纳斯达克代码:NXPI)今天与微软宣布合作推出基于人工智能 (AI) 和机器学习 (ML) 的Azure IoT异常检测功能。通过将恩智浦的离线机器学习能力和嵌入式处理专长与微软的云专业知识优势互补,两家公司在5月6-8日于华盛顿州西雅图举行的Microsoft Build上,联合演示了一个全新的Azure IoT异常检测解决方案。 
 
该解决方案包括一个小型、低功耗的模块化系统 (SOM),包含恩智浦i.MX RT106C处理器、一整套传感器以及相关的异常检测工具箱。该工具箱利用各种机器学习法,如随机森林 (Random Forest) 和简单向量机 (SVM),模拟设备的正常行为,并通过本地和云的组合机制,检测异常行为。这样可以在降低云带宽要求的同时,保持完整的在线日志记录和处理能力,大幅降低成本。相关应用包括旋转组件的预测性维护、存在性检测和侵入性检测。  
 
12
 
恩智浦物联网和安全解决方案执行总监兼总经理Denis Cabrol表示:“预防故障和减少停机时间是提高生产力和系统安全性的关键。通过与微软合作,将Azure IoT的强大功能与基于恩智浦嵌入式技术的本地智能运行相结合,我们不但为物联网的创新开拓了道路,还将认知服务推向芯片级别。
 
微软物联网销售副总裁Rodney Clark说:“很荣幸能够扩展与恩智浦的合作,推出新的Azure IoT和i.MX RT106C异常检测解决方案。恩智浦此类解决方案使开发人员能够使用产品、工具和服务来加速开发完整的云到端解决方案。” 
 
恩智浦经济高效的异常检测解决方案采用强大的传感器和高性能i.MX RT106C跨界微控制器 (MCU) 设计,运行频率高达600MHz,能够在边缘节点实时收集和分析传感器数据。该解决方案可无缝连接到Azure IoT Cloud,帮助客户轻松将数据传输到云,并在云端将数据可视化,利用功能强大的数据分析工具来训练行为预测模型,以便在边缘设备上进行部署。
继续阅读
工业物联网中的几种主流无线技术之间的对比

大型生产场景中涉及大量的设备、生产应用系统、工人和产品,稳定、高速、易管理的无线网络是必不可少的需求。

物联网的历史进程及现代发展

现在看这部分内容总觉得有些骄傲,8年前对未来智能生活的憧憬如今基本都已实现,且在某些方面还更优化,较作者的预期提前了一年。

AI如何改变边缘计算的未来

随着物联网(IoT)设备(如移动电话、虚拟助手、笔记本电脑、平板电脑、楼宇传感器、无人机、安全摄像头和可穿戴健康传感器)的数量到2025年有望超过700亿部,边缘计算应用也将增加。据Tratica称,全球人工智能(AI)边缘设备的数量预计将从2018年的1.614亿部激增到2025年的26亿部。

无线电未来的趋势

经常有人问我这样的问题:面对令人眼花缭乱的各种标准,我应该选择哪一种?Zigbee、Thread、Bluetooth Mesh,还是Wi-Fi?还是LoRa?还是最好等待5G和NB-IoT?

物联网无线技术的连接

无线连接是物联网终端节点设计的关键部分。物联网中重要且普及的连接方式包括低功耗蓝牙(Bluetooth Low Energy)、蓝牙Mesh、Zigbee、Thread、Z-Wave、Wi-Fi和各种采用sub-GHz频段的专有协议。