王?瑩?（《電子產品世界》編輯，北京?100036）

　　摘?要：訪問了ADI、ST、瑞薩、TI公司，請他們介紹了AI在可預測性維護等工業(yè)狀態(tài)檢測方面的技術進展和產品動向。

　　關鍵詞：可預測性；維護；計算機聽覺；傳感器；大數(shù)據(jù)

　　1 計算機聽覺等感測系統(tǒng)助力工業(yè)狀態(tài)檢測

　　AI對世界的改變正在從我們生活中可見可感的場景向包括工業(yè)在內的廣泛領域拓展。對工業(yè)帶來的變革將是全面而多樣的，我們可以從應用廣泛的工業(yè)條件監(jiān)測來看AI如何產生巨大的影響。

　　1.1 計算機聽覺及OtoSense體系結構

　　參與工業(yè)設備維護的人都知道，設備發(fā)出的聲音和振動是很重要的信息，通過聲音和振動可以判斷設備是否健康，從而可以將維護成本降低一半，使用壽命延長1倍。實現(xiàn)實時聲學和振動數(shù)據(jù)分析是一種重要的基于狀態(tài)的系統(tǒng)監(jiān)測方法。過去我們可以憑著長期的經驗去了解設備發(fā)出的正常聲音是什么樣的，當聲音出現(xiàn)變化時從而可以確認出現(xiàn)異常。經驗豐富的技工人員和工程師可能具備這種知識，但他們屬于“稀缺資源”。

　　ADI公司團隊在過去20年里一直致力于理解人類是如何解讀聲音和振動的，從而建立一個系統(tǒng)來學習、解譯設備的聲音和振動的含義，以檢測異常行為并進行診斷。隨著AI技術的導入，這種愿望已經變成現(xiàn)實。其中，ADI公司的OtoSense體系結構就是一種設備健康監(jiān)測系統(tǒng)，支持計算機聽覺，讓計算機能理解設備發(fā)出的聲音和振動主要指標，能在問題變得嚴重之前確定工廠機器或汽車發(fā)動機中的潛在問題。OtoSense的設計理念秉持了幾個AI應用指導原則：從人類神經學中獲得靈感；能夠學習靜態(tài)聲音和瞬態(tài)聲音；在靠近傳感器的終端進行識別；與人類專家互動，向他們學習并不斷優(yōu)化完善。

　　1.2 高精度傳感器及振動檢測系統(tǒng)

　　如果沒有高精度的數(shù)據(jù)輸入，再強大的AI系統(tǒng)都不能發(fā)揮其功能，對于工業(yè)狀態(tài)監(jiān)測來說也是如此。加速度計是工業(yè)振動監(jiān)測的關鍵傳感器，其關鍵指標是低噪聲和寬帶寬，因此ADI在工業(yè)狀態(tài)監(jiān)測應用中率先推出了多個系列的高性能MEMS加速度計產品。

　　例如，ADXL100x系列單軸加速度計針對工業(yè)狀態(tài)監(jiān)控應用而優(yōu)化，測量帶寬高達50 kHz，g值范圍高達±100 g，并且擁有超低的噪聲性能，旋轉機械中發(fā)生的主要故障（如套筒軸承損壞、對準誤差、不平衡、摩擦、松動、傳動裝置故障、軸承磨損和空化）都在ADXL100x系列狀態(tài)監(jiān)控加速度計的測量范圍以內。

　　此外，完整的振動檢測系統(tǒng)ADcmXL3021還將高性能振動檢測和各種信號處理功能相結合，借助寬帶寬（3 dB平坦度內為DC至10 kHz）和典型超低噪聲密度(26 μg/√Hz)可以跟蹤許多機器平臺上的振動信號，可簡化狀態(tài)監(jiān)測系統(tǒng)中的智能傳感器節(jié)點開發(fā)。

　　1.3 收購電機預測性維護公司，強化基于狀態(tài)的監(jiān)控方案

　　ADI 的基于狀態(tài)的監(jiān)控解決方案可提供更高水平的診斷和更深刻的洞察力，能夠實現(xiàn)預測性的機器健康解決方案。了解如何優(yōu)化信號鏈和處理能力以便在單個機器和整個系統(tǒng)上獲得實時、準確且可靠的數(shù)據(jù)。

　　值得一提的是，為進一步加強基于狀態(tài)監(jiān)測的預測性維護解決方案，ADI于2019年宣布收購一家專門從事電機和發(fā)電機預測性維護的公司Test Motors，ADI將結合其原有的工業(yè)狀態(tài)監(jiān)測解決方案技術，以及OtoSense的AI平臺傳感解譯軟件與Test Motors的監(jiān)控功能相結合，創(chuàng)建更優(yōu)化的解決方案，通過捕獲更廣泛的潛在故障，為機器提供更先進、全面的健康狀況監(jiān)測。

　　2 為MCU賦能工業(yè)AI

　　2.1 邊緣AI給工業(yè)帶來的變化

　　邊緣AI技術可以用于開發(fā)更智能的設備/應用。在遇到通常需要人工決策的復雜事件時，這些設備將能自行作出決策。

　　因為本次采訪是工業(yè)專題，所以ST（意法半導體）以電機為例討論邊緣AI。工業(yè)設備應該24/7全天候運轉，所以密切監(jiān)視設備老化程度是非常重要的。

　　在此電機上添加一個運行AI的智能單元，能準確地檢測到老化現(xiàn)象，將有助于預測故障并防止停機停產。

　　有趣的是，因為電機上裝有AI設備，不需要一直連接到云端，就能準確地檢測到迫在眉睫的重大故障，如果威脅到操作員人身安全，還可以決定停止電動機運行?？傊?，其特點可以歸納為：

　　● 最便宜的工業(yè)設備維護成本；

　　● 為周圍用戶提供更安全的工作環(huán)境；

　　● 處理速度快，延遲時間短，而非邊緣智能設備本機因為沒有裝置AI，需要連接到云服務器才能做出決策；

　　● 可降低設備的能耗，因為智能設備的能耗遠遠低于連接云AI解決方案；

　　● 更好的安全性能/隱私保護，因為智能設備可以自行在本機上處理工業(yè)設備數(shù)據(jù)，不會將數(shù)據(jù)發(fā)送到云服務器（不易遭受黑客網絡攻擊）。

　　2.2 工業(yè)AI的技術挑戰(zhàn)

　　當今的主要挑戰(zhàn)是，客戶非常想要通過AI提高應用的智能程度，或者想在產品上增加AI。然而有這方面知識或經驗的廠商寥寥無幾。

　　另一個挑戰(zhàn)可能是數(shù)據(jù)隱私，目前大多數(shù)客戶對數(shù)據(jù)上云的做法仍持謹慎的態(tài)度。

　　為此，ST意識到有必要為客戶提供一個邊緣AI開發(fā)生態(tài)系統(tǒng)，方便客戶在微控制器上添加AI。因此，ST在2018年CES（美國消費電子展）上發(fā)布了STM32Cube.AI，幫助客戶解決這個難題。STM32Cube.AI是一款軟件工具，用于為意法半導體微控制器優(yōu)化DNN（深度神經網絡）。

　　STM32Cube.AI可以從眾多流行的AI開發(fā)框架中（如Keras， Tensorflow Lite等）獲取接受過預訓練的神經網絡模型輸出，并將其映射到經過優(yōu)化后、適用于目標STM32 MCU的存儲及處理能力的DNN中去。

　　更通俗地講，STM32Cube.AI是一個生態(tài)系統(tǒng)的通用名稱，用于在STM32上實現(xiàn)AI功能。 它是眾多工具的集合，包括硬件平臺、合作伙伴、固件庫、移動應用程序等，可在STM32微控制器上實現(xiàn)AI功能。有了STM32Cube.AI，讓客戶在STM32系列上運行AI變得非常輕松簡單。

　　關于數(shù)據(jù)隱私問題，ST可以幫助客戶在邊緣（STM32）而非在云（服務器）上運行AI。這樣就不需要將數(shù)據(jù)傳輸?shù)皆?，可以使客戶隱私得到更好的保護。與在云計算相比，邊緣（STM32）計算的其他優(yōu)點還包括：更低功耗、更安全。在邊緣端(STM32)運行AI，可以有效減少智能邊緣設備的功耗，以及在設備和云之間傳輸數(shù)據(jù)帶來的額外功耗。更重要的是，在邊緣運行AI可以讓設備在盡可能低延遲的情況下，自行作出決策并對設備進行實時控制，從而避免因操作不及時給用戶或機器帶來的安全隱患和直接損失。

　　3 智能工廠的AI 趨勢：從工業(yè)終端設備智能化向工廠整體智能化演進

　　3.1 邊緣AI給工業(yè)帶來的變化

　　邊緣AI計算是更靠近物或數(shù)據(jù)源頭的網絡邊緣，融合了網絡、計算、存儲以及應用處理能力的分布式平臺，就近提供智能服務。邊緣計算將云計算和數(shù)據(jù)存儲能力下沉到邊緣，更好地保障了應用服務的低延時、高可靠性以及數(shù)據(jù)安全。因此邊緣云計算技術將成為人工智能、物聯(lián)網等領域的關鍵組成部分，也將得到更大的發(fā)展，覆蓋的潛在客戶和場景將不斷出現(xiàn)。

　　3.2 邊緣計算的技術挑戰(zhàn)

　　隨著互聯(lián)網時代的到來及AI技術的普及，越來越多的智能化設備走進了我們的生活?！霸O備端、云端、大數(shù)據(jù)、物聯(lián)網”相輔相成，共同編織成了一個完善的智能化、數(shù)字化世界。目前絕大多數(shù)智能化設備的AI學習和推理都必須依靠強大的云端計算能力來進行數(shù)據(jù)分析與算法的運作。但是，如果設備過分依賴云端進行所有AI學習和推理，確實還存在著上傳云端過程中因網絡帶寬問題而產生的通信延遲等問題。諸如此類數(shù)據(jù)的處理挑戰(zhàn)將會在未來幾年內進一步加劇。

　　3.3 瑞薩的e-AI解決方案

　　面向智能工廠的AI發(fā)展，瑞薩認為會以從工業(yè)終端設備智能化逐漸向工廠整體智能化的形式演進。瑞薩e-AI致力于在工業(yè)終端設備系統(tǒng)所搭載的MCU/SoC上有廣泛的應用。基于用戶的既有制造設備，瑞薩首先會提供附加AI單元的解決方案，來拓展該市場，從而使e-AI的實用性得到市場廣泛的理解，進而推進各工業(yè)終端設備的e-AI預安裝解決方案的普及，最終使瑞薩的e-AI得到廣泛的發(fā)展。

　　2017年7月，瑞薩電子首次推出e-AI方案，通過瑞薩電子提供的e-AI翻譯器，把客戶AI模型翻譯到C語言，然后在瑞薩電子的MCU/SoC里進行AI的終端推理功能。

　　2018年10月，瑞薩電子推出第二代的e-AI解決方案，將瑞薩電子獨有的DRP技術嵌入芯片，實現(xiàn)基于DRP的e-AI解決方案。DRP是執(zhí)行e-AI以及優(yōu)化最終產品整體性能的核心技術之一。瑞薩有具體的對比表顯示相較于競爭對手產品的優(yōu)勢。與FPGA相比，DRP具有更高的靈活性和節(jié)省成本，因為算法的種類和大小可以由同一個DRP硬件進行時間復用處理。DRP的靈活性非常適合于AI產業(yè)的DNN的快速演化。此外，由于DRP是一種低時鐘速率的硬件加速器，因此其功率效率遠優(yōu)于競爭對手（如GPU）。即使是AI推理也不需要散熱器。

　　4 邊緣AI為工業(yè)界帶來的新變化

　　邊緣AI將會給許多工業(yè)領域帶來變化，包含對環(huán)境與目標的智能感知，識別與判斷，對機器運行的最優(yōu)化控制，對設備的預測性維護，等等，非常多的領域都會用到。在不遠的將來，AI將無處不在，許多工業(yè)設備正在從目前的“可編程”轉向AI與邊緣計算，而邊緣AI作為邊緣端計算的核心部分，將發(fā)揮重要的作用。

　　針對邊緣AI應用，TI推出了系列應用處理器：Sitara工業(yè)應用處理器產品家族是客戶針對工業(yè)AI 應用的極佳選擇。例如，目前推出并已經量產的AM574x應用處理器，基于典型的多核異構處理器結構，內部集成多個A15CPU+M4 控制器，多核C66x DSP與機器學習加速器 (EVE)， GPU以及ISP單元，非常適合邊緣AI的應用；無論是目前流行性的針對于機器視覺的CNN(卷積神經網絡)，還是適合于語音、設備預測性維護數(shù)據(jù)分析等其他應用的RNN (遞歸神經網絡)，都能利用AM574x內部的硬件單元得到加速。TI還將在近期內推出更新的一代產品AM7x 應用處理器，其邊緣AI的性能會得到更大的提升。

　　為了方便客戶更容易地部署邊緣計算，TI還推出了深度學習軟件框架 (TI Deep Learning softwareframework，簡稱TIDL)，針對目前流行的各種機器學習系統(tǒng)（例如TensorFlow，Caffee 等），客戶可以把采集到的各種有效樣本在云端／PC端做訓練，生成對應的網絡結構并無縫部署到Sitara應用處理器上去運行，這樣一來，極大地簡化了客戶的產品開發(fā)流程，縮短客戶的產品開發(fā)時間與成本，快速響應市場。而且產品部署以后，也能在后續(xù)的使用中不斷地收集新的樣本，系統(tǒng)進行迭代訓練與升級，不斷地提高系統(tǒng)的邊緣AI性能。

　　工業(yè)應用需要滿足客戶長期的供貨生產以及穩(wěn)定的質量維護系統(tǒng)（往往供貨周期要求保證超過10年以上）；同時滿足各種工業(yè)級的質量與安全標準，在這方面，對應于AI與邊緣AI這樣一個新課題，TI同樣承諾一個長時間的供貨周期以及系統(tǒng)的維護與升級，TI的DSP產品家族以及Sitara工業(yè)應用處理器產品家族，在這方面給業(yè)界提供了一個榜樣。

　　本文來源于科技期刊《電子產品世界》2019年第12期第9頁，歡迎您寫論文時引用，并注明出處。