Industrielle Edge-KI unterstützt Echtzeitanalysen in Bereichen wie Fertigung und Gebäudemanagement. Prozessoren mit geringem Stromverbrauch bieten eine bescheidene KI-Leistung, aber Designer müssen das Strombudget, die Temperaturbereiche und die Kühlungsbeschränkungen ausbalancieren. Die Verwendung von TOPS pro Watt als Metrik hilft Ingenieuren, Plattformen nach Energieeffizienz zu vergleichen und eine Lösung zu wählen, die sowohl Leistungs- als auch Umweltanforderungen erfüllt.
Edge-Computing hat eine zentrale Rolle in der Industrie- und Gebäudeautomatisierung eingenommen, wobei industrielle Gateways zunehmend Aufgaben wie die Überwachung von Prozessbedingungen, die Erkennung von Anomalien in Arbeitsabläufen und die Optimierung des Energieverbrauchs von Vor-Ort-Geräten übernehmen. Diese Fähigkeiten werden durch die zunehmende Intelligenz von Edge-Geräten ermöglicht, die durch die Einführung von Plattformen für künstliche Intelligenz (KI) unterstützt werden, die dedizierte Arbeitslasten direkt auf dem Gerät und in Echtzeit ausführen können, anstatt auf entfernten Cloud-Servern.
Das Spektrum der Edge-KI-Arbeitslasten ist breit und reicht von einfachen Klassifizierungsaufgaben, die auf integrierten Mikro-Neuralverarbeitungseinheiten (microNPUs) ausgeführt werden, bis hin zu komplexen Vision-Pipelines zur Produktklassifizierung auf Förderbändern in Qualitätssicherungssystemen. In letzterem Szenario benötigt das Edge-Gerät dedizierte KI-Hardwarebeschleuniger, um Daten von mehreren Sensoren oder Kameras mit minimaler Latenz zu verarbeiten.
Um die KI-Leistung zu beschreiben, zu messen und zu vergleichen, hat sich Tera-Operationen pro Sekunde (TOPS) als weit verbreitete Metrik etabliert, aber die TOPS-Spezifikation allein reicht nicht aus, um die Eignung von KI-Hardware für industrielle Edge-Anwendungen zu bewerten. Bei der Auswahl des richtigen Edge-Geräts müssen Benutzer die KI-Leistung mit dem Energieverbrauch, dem Wärmemanagement und der Zuverlässigkeit in Umgebungen von −20°C bis +70°C in Einklang bringen.
Normalisierung der KI-Leistung mit TOPS/W
Bei der Auswahl von KI-Hardware für Edge-Anwendungen ist es wichtig zu berücksichtigen, wie reale thermische Bedingungen und die daraus resultierenden Energieeinschränkungen die verfügbare Rechenleistung im Vergleich zur Spitzenleistung beeinflussen. Aus diesem Grund hat sich TOPS pro Watt (TOPS/W) als aussagekräftigere Vergleichsmetrik für Edge-KI-Plattformen etabliert.
Indem die verfügbare KI-Rechenleistung direkt mit dem Energieverbrauch in Beziehung gesetzt wird, ermöglicht TOPS/W einen vernünftigeren Vergleich zwischen verschiedenen KI-Hardwareansätzen. Für industrielle Gateways können drei typische KI-Hardwarelösungen unterschieden werden, wie in Tabelle 1 gezeigt.
Tabelle 1: Ein Vergleich verschiedener Edge-KI-Hardwarelösungen für industrielle Gateways.
| Hardware-Typ | SoC mit microNPU (Arm Ethos NPU) | GPU-Modul (NVIDIA Jetson Orin) | Dedizierter Hardwarebeschleuniger (Hailo-8) |
|---|
| Typischer Energieverbrauch | ~1 bis 2 W | ~5 bis 15 W | ~2,5 W |
| KI-Effizienz | ~0,5 TOPS/W | ~2,7 bis 7,5 TOPS/W | >10 TOPS/W |
| Ideale Anwendungsbereiche | Energieeffiziente Always-on-Edge-Geräte, Anwesenheits- und Statuserkennung, Datenvorverarbeitung | Autonome mobile Roboter, Prozesssteuerungsoptimierung, Multikamerasysteme | Multisensorfusion in der prädiktiven Wartung, Anomalieerkennung, Objekterkennung |
| Vorteile | Niedrige thermische Anforderungen ermöglichen lüfterlose Designs | Komplexe Arbeitslasten können effizient bei hoher Auslastung bearbeitet werden | Führende TOPS/W-Effizienz; passive Kühlung je nach Arbeitslast möglich |
| Nachteile | Begrenzte Leistung für komplexe Arbeitslasten wie Echtzeit-Vision | Erfordert typischerweise aktive Kühlung, was die Systemkomplexität erhöht; relativ teuer | Erfordert einen Host-Prozessor, der die Systemeffizienz stark beeinflusst; relativ teuer |
Für viele ressourcenbeschränkte industrielle Gateway-Anwendungen stellt ein System-on-Chip (SoC) mit integrierter microNPU einen ausgewogenen Kompromiss dar, der ausreichende KI-Leistung bei minimalem Energieverbrauch bietet und das Wärmemanagement erheblich vereinfacht. Zum Beispiel hat das NXP i.MX 93 SoC energieeffiziente Edge-KI Pose-Schätzung direkt auf seiner integrierten microNPU demonstriert. Hier erkennt das Modell Körperhaltungen oder potenziell gefährliche Situationen mit ultraniedriger Latenz, um die Sicherheit von Industriearbeitern zu verbessern. Der kontinuierliche Betrieb wird durch die minimalen Rechen-, Wärme- und Energieanforderungen der microNPU als Teil eines vollständigen Systems ermöglicht. Die Berücksichtigung von TOPS/W anstelle der Spitzen-TOPS-Leistung ermöglicht es den Benutzern, diese Fähigkeit zu erkennen, ohne von den versteckten Anforderungen an das Wärmemanagement leistungsstärkerer Hardware in die Irre geführt zu werden.
Ein Edge-Gateway für wartungsarme KI-Anwendungen
Um eine zuverlässige Edge-KI-Funktionalität in Umgebungen von −20°C bis +70°C zu unterstützen, benötigen Benutzer ein robustes industrielles Gateway, das Verbindungen zur lokalen Sensor- und Steuerungsinfrastruktur ermöglicht. Basierend auf SECOS SOM-SMARC-MX93 Computer-on-Module (COM) präsentiert der Modular Link MX93 einen lüfterlosen DIN-Schienen montierten Industrie-PC mit den Abmessungen 140 x 96 x 36 mm.
Im Kern befindet sich das bereits erwähnte NXP i.MX 93 SoC, das zwei Arm Cortex-A55 Anwendungskerne, einen Arm Cortex-M33 Echtzeitkern und eine Arm Ethos-U65 microNPU mit bis zu 0,5 TOPS für Edge-KI-Arbeitslasten bietet. Wie in Abbildung 1 gezeigt, unterstützt diese Plattform bis zu 2 GB LPDDR4-Speicher, Dual-Gigabit-Ethernet und mehrere Hochgeschwindigkeitsschnittstellen, darunter Dual-USB 2.0, digitale I/O und serielle Schnittstellen.
Siehe Abbildung 1: Das SECO Modular Link MX93 Industrie-Gateway bietet ausreichende KI-Leistung für Industrie- und Gebäudeautomatisierungsanwendungen.
Für die industrielle Integration sind die flexiblen I/O-Optionen besonders wichtig: Ein softwarekonfigurierbarer UART RJ12-Anschluss unterstützt RS-232, RS-422 oder RS-485, was die Plattform gut für Nachrüstszenarien mit bestehenden Installationen und älteren Geräten geeignet macht. Das modulare Design verfügt auch über stapelbare Tochter-Systeme, die eine Erweiterung zur Anpassung an anwendungsspezifische Verbindungen ermöglichen.
Im zuvor erwähnten Sicherheitsszenario würde der Modular Link MX93 direkt über seine Hochgeschwindigkeitsschnittstellen mit einer Industriekamera oder einem Vision-Sensor verbunden werden. Videostreams werden auf dem NXP i.MX 93 SoC vorverarbeitet, während die KI-Inferenz selbst auf der integrierten Arm Ethos-U65 microNPU läuft. Die resultierenden Daten werden lokal ausgewertet, um unsichere Haltungen oder Bewegungen zu erkennen, sodass das System Warnungen auslösen oder Ereignisse an übergeordnete Steuerungssysteme weiterleiten kann, ohne dass Rohvideodaten in die Cloud gestreamt werden müssen.
Zusätzlich zu einer beeindruckenden Hardwareausstattung wird der Modular Link MX93 durch Clea, SECOS umfassendes Software-Ökosystem, ergänzt, das Geräteverwaltung, Updates und den sicheren Betrieb verteilter Edge-KI-Bereitstellungen unterstützt. Das auf Yocto basierende Clea OS vereinfacht die Anwendungsbereitstellung auf dem Modular Link MX93 und auf den meisten SECO-Edge-Produkten. Durch die Vervollständigung des Hardware-Software-Ökosystems auf diese Weise unterstützt SECO industrielle Gateway-Benutzer dabei, die vollen Vorteile von Edge-KI während des gesamten Bereitstellungslebenszyklus zu nutzen.
Auswahl von Edge-KI-Hardware für industrielle Anwendungen
Da die Anzahl der Edge-KI-Hardwareoptionen mit der Marktnachfrage steigt, bleibt die Auswahl der richtigen Lösung für eine industrielle oder Gebäudeautomatisierungsbereitstellung eine herausfordernde Aufgabe. Dennoch hilft ein strukturierter Ansatz, schlechte Designentscheidungen von Anfang an zu vermeiden, sodass Benutzer drei wichtige Schritte befolgen sollten, wenn sie eine Edge-KI-Plattform auswählen:
- Passen Sie die Rechenleistung an den tatsächlichen Anwendungsfall an; nicht jede Anwendung erfordert maximale TOPS.
- Verwenden Sie TOPS/W als Auswahlkriterium, um energieeffiziente Plattformen für einfache KI-Aufgaben zu identifizieren und leistungsstärkere Beschleuniger für komplexere Anwendungen zu reservieren.
- Berücksichtigen Sie systembezogene Faktoren, einschließlich Stromversorgung, Wärmemanagement, Umweltbedingungen, I/O-Anforderungen und das verfügbare Software-Ökosystem, da diese für den langfristigen Betrieb entscheidend sind.
Für viele Anwendungen, die unter begrenzten Energiebudgets arbeiten, bietet die auf microNPU basierende KI-Verarbeitung des SECO Modular Link MX93 eine ausgewogene Lösung. Mit 0,5 TOPS KI-Leistung, die etwa 1 W Energieverbrauch zum Gesamtsystem beiträgt, wird das Wärmemanagement vereinfacht, was robuste, wartungsarme Edge-KI-Gateways für den Einsatz in der Industrieautomatisierung, Robotik, Gebäudemanagementtechnologie und darüber hinaus ermöglicht.
Um mehr über Edge-KI für industrielle Anwendungen zu erfahren, kontaktieren Sie noch heute SECO-Experten und nutzen Sie die vollen Vorteile ihrer Edge-Computing-Expertise.