【導讀】對于工業(yè)企業(yè)而言,推進數字化轉型至關重要,以此才能保持競爭力,并為客戶提供價值。這種趨勢的早期表現包括融合運營和信息技術網絡的整合、部署預測性維護,以及使用機器人來實現自動化,從而提高吞吐量、減少人為錯誤。
產品開發(fā)人員需要針對這些挑戰(zhàn)迅速推出解決方案??删幊滔到y(tǒng)模塊( SOM )能夠為著手開發(fā)提供適宜的計算平臺。然而,額外的固件和軟件基礎設施仍然是必要的,同時,異構處理引擎和集成的可編程邏輯能增添寶貴的靈活性。通過分析網絡融合、預測性維護和機器人領域中采用的一些已知的基于 SOM 的解決方案,便可發(fā)現附加資源在哪些領域能夠加速開發(fā)工作和助力確保最佳性能。
網絡融合解決方案
融合信息技術( IT )與運營技術( OT )網絡不僅能簡化工廠車間內各系統(tǒng)之間的信息流程,也便于企業(yè)級管理和戰(zhàn)略決策工作。其還能實現從最底層傳感器/驅動器直至企業(yè)資源規(guī)劃( ERP )系統(tǒng)的端到端通信。這種融合還能消除管理兩個不同網絡所造成的重復開銷。
IT 網絡和 OT 網絡的需求大不相同。OT 網絡需要實時、低時延通信,而且難以擴展;IT 網絡更加易于擴展,但并不具備確定性,也難以提供服務保證。時間敏感型網絡( TSN )是 IEEE 802 的一個子集,通過在以太網網絡上啟動確定性通信來促進這種融合。通過提供網絡管理并為流量調度( scheduled traffic )分配時間槽,TSN 能使不同類型的流量共享同一鏈路。
當前,想要實現TSN 就需要一種能在網絡終端和交換機上提供低時延和確定性響應的解決方案。一款適合的平臺需包括以太網 MAC、TSN 橋和 TSN 終端邏輯(圖 1),此外還要借助軟件來處理網絡同步、初始化以及與網絡配置控制器的接口連接等功能。
圖 1:基于 SOM 的 TSN 終端。AMD 賽靈思的 TSN IP 核采用可編程邏輯和 Kria? K26 SOM 的處理系統(tǒng)來實現這些單元,其中包括 Zynq? UltraScale+? MPSoC。該 IP 核能為每個流量類型提供單獨接口,最多可用兩個端口進行配置,這兩個端口經由同一線纜或光纖傳輸所有流量類型。
預測性監(jiān)測能夠幫助設備操作人員提前避免故障,并在方便的時間安排維護工作,從而實現利用率和運行時間最大化,同時最大限度降低擁有成本。相關實現方案的適用范圍從基于云端的數字孿生到邊緣端預測,以用于監(jiān)測簡單驅動器和傳感器系統(tǒng)。對眾多工業(yè)應用而言,在邊緣進行處理并將處理后的數據傳輸至云端是最可行的解決方案,這是因為數據量很大,決策回路的響應時間至關重要。在邊緣端采用預測技術能提供巨大優(yōu)勢。例如,數控機床( CNC )主軸的操作故障不僅會造成數控機床的損壞,而且還會導致生產中斷,這些都會對成本造成巨大影響。
構建上述系統(tǒng)時面臨的一大關鍵挑戰(zhàn)在于,要為邊緣端部署開發(fā)機器學習應用。一款合適的工具套件可以助力解決這一挑戰(zhàn),那就是提供即用型可部署高性能機器學習算法,以此支持開發(fā)者使用 PyTorch、TensorFlow 和 Caffe 等流行的機器學習框架來構建其應用。
圖 2:采用 SOM 和業(yè)界標準框架開發(fā)機器學習應用。Vitis? AI 工具提供了豐富的深度學習處理器單元( DPU ),可作為可參數化的 IP 核,直接實現在 SOM 可編程硬件中(圖 2)。KV260 視覺 AI 入門套件等入門套件包括利用 Vitis DPU 的 AI 加速應用。
基于 ROS 2 的機器人技術
工業(yè) 4.0 最為關鍵的技術之一就是利用機器人技術實現生產流程自動化。在制造業(yè)中,這些解決方案適用于廣泛的應用,從生產線上的機械臂到運輸供應物資的機器人以及生產車間的物流等。
一款高性能、低時延的處理系統(tǒng)對于實現安全的環(huán)境交互至關重要。具體而言,需要控制機器人的活動部件,這些部件包含復雜的致動器、驅動器和機械系統(tǒng),統(tǒng)稱為機電一體化。由于機器人內部通過網絡通信來實現所需的實時控制,因此,包括可編程邏輯的 SOM 能帶來兩大優(yōu)勢,其中之一便是能支持任意對任意連接,這樣一來就簡化了與傳感器和驅動器連接。此外,可編程邏輯還可用于實現確定性網絡,這對機器人系統(tǒng)的實現十分關鍵。
很多開發(fā)項目都采用機器人操作系統(tǒng)( ROS ),其包含用于創(chuàng)建機器人系統(tǒng)的一系列軟件庫和工具。盡管 ROS 已于近期升級至 ROS 2,但其原生的持續(xù)集成/持續(xù)交付( CI/CD )開發(fā)流水線卻是專門為基于 CPU 的異構處理系統(tǒng)而設計的。
圖 3:Kria K26 SOM
AMD 賽靈思推出的 Kria 機器人堆棧( KRS )支持 ROS 2,其增強功能可幫助開發(fā)者使用 Kria K26 的異構處理引擎和可編程邏輯提升實時確定性性能。此外,它還采用 SOM 的 Arm? Cortex?-R5 實時處理器,以此管理作為數據分發(fā)服務( DDS )核心的實時發(fā)布訂閱協(xié)議( RTPS ),而這也是 ROS 2 的基干。
除此之外,將 CI/CD 流水線添加到監(jiān)測和自動化功能中,可以改進應用開發(fā)流程,尤其是在集成和測試階段以及交付和部署期間。這樣的自動化功能最大限度減少了 CI/CD 流水線每個環(huán)節(jié)的手動執(zhí)行工作,而且機器人專家可以采用相同的 ROS 2 協(xié)議和相同的工具作業(yè),用于通過軟件實現的部件,或是通過可編程邏輯卸載或加速的部件。還有一種機制可以對 ROS 2 節(jié)點應用的執(zhí)行進行基準測試,這不僅有助于識別瓶頸因素,而且還有助于專門將一個或多個內核定制為可編程邏輯中的卸載內核。
結論
高性能自適應邊緣計算是工業(yè)數字化轉型的一大支柱??删幊?SOM 能夠簡化靈活的自適應計算解決方案的構建,搭配專門設計的 IP(包括軟件堆棧),便能加速實現可量產化模型的開發(fā)工作。
來源: Xilinx
免責聲明:本文為轉載文章,轉載此文目的在于傳遞更多信息,版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題,請聯(lián)系小編進行處理。
推薦閱讀:
帶休眠國產CAN收發(fā)器SIT1043Q網絡故障診斷原理及應用
太空互聯(lián)網:大容量、低延遲LEO衛(wèi)星用戶和地面終端中的RFIC進展