L'edge AI industriale supporta l'analisi in tempo reale in settori come la produzione e la gestione degli edifici. I processori a basso consumo offrono prestazioni AI modeste, ma i progettisti devono bilanciare i budget energetici, gli intervalli di temperatura e i vincoli di raffreddamento. Utilizzare i TOPS per Watt come metrica aiuta gli ingegneri a confrontare le piattaforme in base all'efficienza energetica e a scegliere una soluzione che soddisfi sia i requisiti di prestazione che quelli ambientali.
Il calcolo edge ha assicurato un ruolo centrale nell'automazione industriale e degli edifici, con i gateway industriali che svolgono sempre più compiti come il monitoraggio delle condizioni di processo, il rilevamento di anomalie nei flussi di lavoro e l'ottimizzazione del consumo energetico delle apparecchiature in loco. Queste capacità sono abilitate dall'intelligenza crescente dei dispositivi edge, facilitata dall'introduzione di piattaforme di intelligenza artificiale (AI) che possono eseguire carichi di lavoro dedicati direttamente sul dispositivo e in tempo reale, invece che su server cloud remoti.
La gamma di carichi di lavoro AI edge è ampia, spaziando da semplici compiti di classificazione eseguiti su unità di elaborazione neurale micro integrate (microNPU) a pipeline di visione complesse per la classificazione dei prodotti su nastri trasportatori nei sistemi di ispezione della qualità. In quest'ultimo scenario, il dispositivo edge richiede acceleratori hardware AI dedicati per elaborare dati da più sensori o telecamere con latenza minima.
Per descrivere, misurare e confrontare le prestazioni AI, tera operazioni al secondo (TOPS) sono diventate una metrica ampiamente utilizzata, ma la sola specifica in TOPS è insufficiente per valutare l'idoneità dell'hardware AI per applicazioni edge industriali. Quando si seleziona il dispositivo edge giusto, gli utenti devono bilanciare le prestazioni AI con il consumo energetico, la gestione termica e l'affidabilità in ambienti con temperature comprese tra −20°C a +70°C.
Normalizzazione delle prestazioni AI utilizzando TOPS/W
Quando si seleziona l'hardware AI per applicazioni edge, è importante considerare come le condizioni termiche reali e i vincoli di potenza risultanti influenzano le prestazioni di calcolo disponibili rispetto alle prestazioni di picco. Per questo motivo, TOPS per Watt (TOPS/W) è emerso come una metrica di confronto più significativa per le piattaforme AI edge.
Mettendo direttamente in relazione le prestazioni di calcolo AI disponibili al consumo energetico, TOPS/W consente un confronto più ragionevole tra diversi approcci hardware AI. Per i gateway industriali, si possono distinguere tre soluzioni hardware AI tipiche, come mostrato nella Tabella 1.
Tabella 1: Un confronto tra diverse soluzioni hardware AI edge per gateway industriali.
| Tipo di hardware | SoC con microNPU (Arm Ethos NPU) | Modulo GPU (NVIDIA Jetson Orin) | Acceleratore hardware dedicato (Hailo-8) |
|---|
| Consumo energetico tipico | ~1 a 2 W | ~5 a 15 W | ~2.5 W |
| Efficienza AI | ~0.5 TOPS/W | ~2.7 a 7.5 TOPS/W | >10 TOPS/W |
| Aree di applicazione ideali | Dispositivi edge sempre attivi ed efficienti dal punto di vista energetico, rilevamento di presenza e stato, pre-elaborazione dei dati | Robot mobili autonomi, ottimizzazione del controllo dei processi, sistemi multi-camera | Fusione multi-sensore nella manutenzione predittiva, rilevamento di anomalie, conteggio oggetti |
| Vantaggi | Requisiti termici bassi consentono design senza ventole | I carichi di lavoro complessi possono essere gestiti in modo efficiente ad alta utilizzazione | Efficienza TOPS/W leader; raffreddamento passivo possibile a seconda del carico di lavoro |
| Svantaggi | Prestazioni limitate per carichi di lavoro complessi come la visione in tempo reale | Richiede tipicamente raffreddamento attivo, aumentando la complessità del sistema; relativamente costoso | Richiede un processore host, che influenza fortemente l'efficienza a livello di sistema; relativamente costoso |
Per molte applicazioni di gateway industriali con risorse limitate, un sistema su chip (SoC) con una microNPU integrata rappresenta un compromesso equilibrato, offrendo prestazioni AI sufficienti a un consumo energetico minimo che semplifica significativamente la gestione termica. Ad esempio, il SoC NXP i.MX 93 ha dimostrato un'elaborazione di stima della postura basata su AI edge efficiente dal punto di vista energetico eseguendo direttamente sulla sua microNPU integrata. Qui, il modello rileva posture del corpo o situazioni potenzialmente pericolose con latenza ultra-bassa per migliorare la sicurezza dei lavoratori industriali. Il funzionamento continuo è abilitato dalle richieste minime di calcolo, gestione termica e potenza della microNPU come parte di un sistema completo. Considerando TOPS/W piuttosto che le prestazioni di picco TOPS, gli utenti possono riconoscere questa capacità, senza essere fuorviati dai requisiti nascosti di gestione termica di hardware più potenti.
Un Gateway industriale Edge per applicazioni AI a bassa manutenzione
Per supportare una funzionalità AI edge affidabile in ambienti che vanno da −20°C a +70°C, gli utenti necessitano di un gateway industriale robusto che consenta connessioni all'infrastruttura locale di rilevamento e controllo. Basato sul computer-on-module (COM) SOM-SMARC-MX93 di SECO, il Modular Link MX93 presenta un PC industriale fanless montato su guida DIN che misura 140 x 96 x 36 mm.
Al suo interno si trova il già menzionato SoC NXP i.MX 93, che presenta due core applicativi Arm Cortex-A55, un core in tempo reale Arm Cortex-M33 e una microNPU Arm Ethos-U65 che fornisce fino a 0.5 TOPS per carichi di lavoro AI edge. Mostrato nella Figura 1, questa piattaforma supporta fino a 2 GB di memoria LPDDR4, doppia Ethernet Gigabit e più interfacce ad alta velocità, tra cui doppia USB 2.0, I/O digitale e interfacce seriali.
Vedi figura 1: Il gateway industriale SECO Modular Link MX93 fornisce prestazioni AI sufficienti per applicazioni di automazione industriale e degli edifici.
Per l'integrazione industriale, le opzioni I/O flessibili sono particolarmente importanti: un connettore UART RJ12 configurabile via software supporta RS-232, RS-422 o RS-485, rendendo la piattaforma adatta per scenari di retrofit che coinvolgono installazioni esistenti e apparecchiature legacy. Il design modulare presenta anche moduli impilabili che consentono l'espansione per adattarsi a connessioni specifiche dell'applicazione.
Nello scenario di sicurezza menzionato prima, il Modular Link MX93 si collegherebbe direttamente a una telecamera industriale o a un sensore di visione tramite le sue interfacce ad alta velocità. I flussi video vengono pre-elaborati sul SoC NXP i.MX 93, mentre l'inferenza AI stessa viene eseguita sulla microNPU Arm Ethos-U65 integrata. I dati risultanti vengono valutati localmente per rilevare posture o movimenti non sicuri, consentendo al sistema di attivare avvisi o inoltrare eventi a sistemi di controllo di livello superiore, senza la necessità di trasmettere dati video grezzi al cloud.
Oltre a una solida costruzione hardware, il Modular Link MX93 è completato da Clea, l'ecosistema software completo di SECO che supporta la gestione dei dispositivi, gli aggiornamenti e il funzionamento sicuro delle distribuzioni AI edge distribuite. Il sistema operativo Clea OS basato su Yocto semplifica la distribuzione delle applicazioni sul Modular Link MX93 e sulla maggior parte dei prodotti edge di SECO. Completando l'ecosistema integrato hardware-software in questo modo, SECO supporta gli utenti dei gateway industriali nel trarre tutti i benefici dell'AI edge per tutta la durata del ciclo di vita della distribuzione.
Selezione dell'Hardware AI Edge per Applicazioni Industriali
Poiché il numero di opzioni hardware AI edge aumenta con la domanda del mercato, scegliere la soluzione giusta per una distribuzione di automazione industriale o degli edifici rimane un compito impegnativo. Tuttavia, un approccio strutturato aiuta a evitare decisioni di progettazione errate all'inizio, quindi gli utenti dovrebbero seguire tre passaggi chiave quando selezionano una piattaforma AI edge:
- Abbinare le prestazioni di calcolo al caso d'uso effettivo; non tutte le applicazioni richiedono il massimo TOPS.
- Utilizzare TOPS/W come criterio di selezione per identificare piattaforme efficienti dal punto di vista energetico per compiti AI semplici e riservare acceleratori ad alte prestazioni per applicazioni più complesse.
- Considerare fattori a livello di sistema, inclusi alimentazione, gestione termica, condizioni ambientali, requisiti I/O e l'ecosistema software disponibile, poiché questi sono critici per il funzionamento a lungo termine.
Per molte applicazioni che operano con budget energetici limitati, l'elaborazione AI basata su microNPU del SECO Modular Link MX93 offre una soluzione ben bilanciata. Con 0.5 TOPS di prestazioni AI che contribuiscono a circa 1 W di consumo energetico al sistema totale, la gestione termica è semplificata, consentendo gateway AI edge robusti e a bassa manutenzione per l'uso nell'automazione industriale, nella robotica, nella tecnologia di gestione degli edifici e oltre.
Per saperne di più sull'AI edge per applicazioni industriali, contatta oggi stesso gli esperti SECO e ottieni tutti i benefici della loro esperienza nel calcolo edge.