Seit mehr als 50 Jahren treibt AMD Innovationen in den Bereichen High-Performance-Computing, Grafik- und Visualisierungstechnologien voran. Weitere Informationen darüber, wie AMD heute die Entwicklung von morgen fördert, finden Sie auf der AMD (NASDAQ: AMD) Website, im Blog, auf Facebook und Twitter.
Industrieunternehmen benötigen Lösungen, die es ihnen ermöglichen, betriebliche und informationstechnische Netzwerke zu verschmelzen, vorausschauende Wartung zu betreiben und Prozesse mithilfe von Robotern zu automatisieren, um den Durchsatz zu erhöhen und menschliche Fehler zu vermeiden.
Ein programmierbares System on Module (SOM) kann eine geeignete Rechenplattform zur Lösung dieser Herausforderungen sein. Dazu sind jedoch zusätzliche Firmware- und Software-Infrastrukturen erforderlich, und eine heterogene Verarbeitungs-Engine sowie integrierte programmierbare Logik können hier wertvolle Flexibilität bieten.
Netzwerk-Konvergenz
Die Konvergenz der Informationstechnologie (IT) mit den Netzwerken der Betriebstechnologie (OT) erleichtert den Informationsfluss zwischen den Systemen in der Fabrikhalle und der Unternehmensverwaltung.
OT-Netzwerke erfordern Echtzeit-Kommunikation mit niedriger Latenz und sind schwer zu skalieren, während IT-Netzwerke leichter zu skalieren, aber nicht deterministisch sind. Time Sensitive Networking (TSN) erleichtert die Konvergenz, indem es deterministische Kommunikation über Ethernet-Netzwerke ermöglicht.
Die korrekte Implementierung von TSN erfordert eine Lösung, die eine niedrige Latenzzeit und eine deterministische Reaktion an den Netzendpunkten und Switches ermöglicht. Eine geeignete Plattform würde einen Ethernet-MAC, eine TSN-Bridge, eine TSN-Endpunktlogik und Software für die Netzwerksynchronisierung, Initialisierung und Schnittstellenfunktionen umfassen.
Predictive Maintenance
Dank der vorausschauenden Überwachung können Betreiber die Wartung für günstige Zeiten planen, die Betriebszeit maximieren und die Gesamtbetriebskosten (TCO) minimieren. Die Verarbeitung in der Edge und die Übermittlung der verarbeiteten Daten an die Cloud ist für viele industrielle Anwendungen aufgrund der Datenmenge und der daraus resultierenden kritischen Reaktionszeit der Entscheidungsschleife die praktikabelste Lösung. Der Einsatz von Prognostik in der Edge kann erhebliche Vorteile bringen.
Eine Herausforderung beim Aufbau solcher Systeme besteht in der Entwicklung von Applikationen des maschinellen Lernens (ML) für den Edge-Einsatz. Ein geeignetes Toolkit kann gebrauchsfertige Hochleistungs-ML-Algorithmen bereitstellen, die es Entwicklern ermöglichen, Anwendungen mit gängigen maschinellen Lern-Frameworks wie PyTorch, TensorFlow und Caffe zu erstellen.
Auf ROS 2 basierende Robotik
Eine der wichtigsten Technologien für Industrie 4.0 ist der Einsatz von Robotern zur Automatisierung des Produktionsprozesses. In der Fertigung können diese Lösungen eine breite Palette von Anwendungen abdecken, von Roboterarmen, die an einer Fertigungsstraße arbeiten, bis hin zu Robotern, die Lieferungen und Logistik in der Fertigungshalle bewegen.
Ein hochleistungsfähiges Verarbeitungssystem mit geringer Latenzzeit ist entscheidend für die sichere Interaktion mit der Umgebung. Es wird insbesondere für die Steuerung der beweglichen Teile des Roboters benötigt, die aus komplexen Systemen von Aktuatoren, Antrieben und Mechanik bestehen und oft als Mechatronik bezeichnet werden. Da Roboter intern über Netzwerke kommunizieren, um die erforderliche Echtzeitsteuerung zu erreichen, bietet ein SOM, das programmierbare Logik enthält, zwei Vorteile. Zum einen unterstützt es Any-to-Any-Interfacing, was die Implementierung von Verbindungen zu Sensoren und Antrieben vereinfacht. Außerdem können mit programmierbarer Logik deterministische Netzwerke realisiert werden, was für die Realisierung von Robotersystemen entscheidend ist.
Viele Entwicklungsprojekte nutzen das Robot Operating System (ROS), das eine Reihe von Softwarebibliotheken und Tools für die Entwicklung von Robotersystemen umfasst. Obwohl ROS kürzlich auf ROS 2 aktualisiert wurde, ist seine native Continuous Integration/Continuous Delivery (CI/CD)-Entwicklungspipeline ausdrücklich für homogene CPU-basierte Verarbeitungssysteme konzipiert.
Darüber hinaus wurde die CI/CD-Pipeline um Überwachungs- und Automatisierungsfunktionen erweitert, um den Prozess der Anwendungsentwicklung zu verbessern, insbesondere in der Integrations- und Testphase sowie bei der Auslieferung und Bereitstellung. Diese Automatisierung minimiert die manuelle Ausführung der einzelnen Schritte einer CI/CD-Pipeline und ermöglicht es Robotikern, die gleichen Konventionen von ROS 2 mit denselben Werkzeugen für Teile zu verwenden, die in Software implementiert oder die in programmierbarer Logik ausgelagert oder beschleunigt sind. Es gibt auch einen Mechanismus zum Benchmarking der Ausführung einer ROS 2-Knotenanwendung, der dabei hilft, Engpässe zu identifizieren und einen oder mehrere Kernel als ausgelagerte Kernel in programmierbarer Logik speziell anzupassen.
Fazit
Adaptives Hochleistungs-Edge-Computing ist eine Säule der industriellen digitalen Transformation. Programmierbare SOMs können die Erstellung flexibler, adaptiver Computing-Lösungen vereinfachen und mit speziell entwickelter IP, einschließlich Software-Stacks, die Entwicklung eines produktionsreifen Modells beschleunigen.