边缘物联网设备的无代码机器学习工具

2021年12月01日//尼克费海提
边缘物联网设备的无代码机器学习工具
ST通过NanoEdge AI Studio V3更新机器学习算法和工具,更好地预测设备异常和未来行为

在今年早些时候收购了法国初创公司Cartesiam后,意法半导体更新了其STM32微控制器的机器学习算法和开发工具。

Cartesiam的NanoEdge AI Studio的第三版是在与Cartesiam达成协议后,对机器学习应用软件工具的首次重大升级。随着人工智能能力从云向边缘的转移,制造商有可能从根本上改善工业流程,优化维护成本。并在设备上提供创新功能,可以感知、处理数据,并在本地行动,以改善延迟和信息安全。应用包括连接设备、家用电器和工业自动化。

NanoEdge AI Studio简化了机器学习、异常学习、检测和分类在任何STM32微控制器上的创建。V3版本还包括回归和离群值库等预测功能。该工具使用户更容易将这种先进的机器学习能力快速、轻松、经济地集成到他们的设备中。

ST也不再需要为其工业级传感器编写代码,使用STWIN开发板实现了新的高速数据采集和管理功能。NanoEdge AI Studio软件通过使用本地数据存储和处理来提高安全性,而不是将数据传输到云端,并在云端处理数据。

完全重新设计的用户界面使非专业人员更容易开发最先进的机器学习库,并改进了对异常检测的支持,特别是对预测磨损现象或更好地处理设备报废的预测性维护。

ST还增加了回归算法来外推数据和预测未来数据模式,以进行能源管理或预测设备的剩余寿命。

工程咨询公司Alten集团创新部科学总监Steve Peguet表示:“我们有机会与我们的主要航空航天客户之一使用NanoEdge AI Studio。”“在制造昂贵部件的过程中,钻头磨损或最轻微的异常都会造成严重后果,Alten使用NanoEdge AI Studio将机器学习算法集成到钻井设备中。该解决方案在生产线上的测试非常有效,Alten已经围绕该技术开展了一项实践,以支持其客户,并将这些初步结果产业化,在他们的工厂部署一种破坏性的钻井工具规范维护解决方案。”

“我们的主要铁路客户要求我们为他们提供基于无线低功耗的自动预测维护解决方案,以增加正常运行时间,优化成本,并避免昂贵的停机时间。”Stimio首席执行官兼创始人David Dorval表示,Stimio是一家专门为铁路和其他行业(IIoT)开发工业物联网解决方案的公司。“edge低功耗人工智能的贡献是我们战略的核心,在对几个edge人工智能软件解决方案进行基准测试后,我们选择了STMicroelectronics的NanoEdge AI Studio,以强大的低功耗人工智能算法丰富我们的Oxygen edge产品。”

blog.st.com/nanoedge-ai-studio/

相关文章

eeNews Europe的其他文章


您êtes确定吗?

如果你désactivez吃饼干,你就可以在这个网站上做导航了。

您可以être rediriger vers谷歌。

Baidu