SensiML und onsemi bieten KI-Sensoranwendungen für den Industrial-Edge-Bereich an
SensiML Corporation, Anbieter von KI-Tools zum Aufbau intelligenter IoT-Endpunkte, arbeitet mit onsemi zusammen, um eine komplette Machine-Learning-Lösung für die autonome Verarbeitung von Sensordaten und die prädiktive Modellierung bereitzustellen.
- Komplette Künstliche-Intelligenz-(KI-)/Machine-Learning-(ML-)Sensorlösung für das RSL10-Sensor-Entwicklungskit von onsemi mit äußerst geringem Stromverbrauch
- RSL10-basierte Plattform ermöglicht Sensorverarbeitung und Funkübertragung
- Erfordert keine Data-Science-Kenntnisse, um KI für intelligente industrielle Anwendungen umzusetzen
Die Zusammenarbeit kombiniert die Entwicklungssoftware SensiML Analytics Toolkit mit dem RSL10-Sensor-Entwicklungskit von onsemi, um eine Plattform zu schaffen, die sich für Edge-Sensing-Anwendungen wie die industrielle Prozesssteuerung und -überwachung eignet. Die Fähigkeit von SensiML, KI-Funktionen bei geringem Speicherbedarf zu unterstützen, zusammen mit fortschrittlicher Sensorik und der Bluetooth®-Low-Energy-(BLE-)Anbindung der RSL10-Plattform, erübrigt eine Cloud-Analyse hochdynamischer Sensor-Rohdaten.
Stromsparende, autonome Endpunkt-Anwendungen
Das RSL10-Sensor-Entwicklungskit bietet die branchenweit stromsparendste BLE-Anbindung und kombiniert den RSL10-Funk-IC mit einer Reihe von Umgebungs- und Trägheitssensoren auf einer kleinen Platine, die sich einfach mit dem SensiML Toolkit verknüpfen lässt. Entwickler, die die RSL10-basierte Plattform und die SensiML-Software zusammen verwenden, können ihre industriellen Wearables oder Anwendungen rund um die Robotik, Prozesssteuerung oder vorausschauende Wartung unabhängig von ihrem Fachwissen im Bereich Data Science und KI einfach um lokale KI-Vorhersage-Algorithmen mit geringer Latenz erweitern. Der daraus resultierende automatisch generierte Code ermöglicht Embedded-Smart-Sensing-Endpunkte, die Sensor-Rohdaten genau dort in kritische Erkenntnisse umwandeln, wo sie auftreten und entsprechende Maßnahmen in Echtzeit ergreifen können. Darüber hinaus reduzieren die intelligenten Endpunkte auch den Netzwerkverkehr erheblich, indem sie Daten nur dann übermitteln, wenn sie wertvolle Erkenntnisse liefern.
„Cloud-basierte Analytik ist für äußerst kritische industrielle Prozesse zu langsam, zu weit entfernt und zu unzuverlässig“, so Dave Priscak, Vice President Applications Engineering bei onsemi. „Der Unterschied zwischen der Analyse eines wichtigen Ereignisses mit lokalem maschinellem Lernen und Remote-Cloud-Lernen kann darin bestehen, dass die Fertigung am Laufen bleibt, die Anlagen keine teuren Ausfälle erleiden und die Mitarbeiter sicher und produktiv arbeiten können.“
Chris Rogers, CEO von SensiML, fügte hinzu: „Andere AutoML-Lösungen für den Edge-Bereich stützen sich nur auf Klassifizierungsmodelle für neuronale Netze mit eher rudimentären AutoML-Vorgaben, was zu suboptimalem Code für eine bestimmte Anwendung führt. Unsere umfassende AutoML-Modellsuche deckt neuronale Netze und eine Reihe klassischer ML-Algorithmen sowie Segmentierer, Merkmalsauswahl und digitale Signalaufbereitung ab, um das kompakteste Modell für die Leistungsanforderungen einer Anwendung bereitzustellen.“
Verfügbarkeit
Das SensiML Analytics Toolkit und das RSL10-Sensor-Entwicklungskit von onsemi sind ab sofort bei den jeweiligen Unternehmen erhältlich. Weitere Informationen finden sich auf der SensiML-Website unter: https://sensiml.com/partners/onsemi
www.sensiml.com
Fordern Sie weitere Informationen an…
