初步認識“端點智能”

Suad Jusuf

Senior Manager

物聯網（IoT）不僅會改變我們的日常生活，也會改變人類社會的結構。從智能家居到未來工廠，聯網設備的數量持續、快速地增長。人工智能（AI）與物聯網的結合，改善了人機互動，加強了數據管理和分析。為了提高系統效率和決策的準確性，我們現在可以在本地的邊緣或端點設備上運行人工智能模型。然而，對于資源有限的設備而言，在大多數情況下，機器學習模型的訓練仍然需要在云端進行。訓練后的模型可以部署在邊緣設備上得以執行。這種方法得益于云端服務器的高算力（訓練）以及邊緣設備執行的低延遲（更快的執行響應）。

端點AI，即在網絡邊緣設備上集成人工智能。它將本來僅用于計算數據的物聯網設備轉化為能支持人工智能的更高級的設備，為他們提供了實時決策的能力。目標是使基于機器學習的智能決策在物理上更接近數據源，因此AI ML向嵌入式端點轉移。端點人工智能涵蓋廣泛的應用，包括工業、消費、醫療保健、運輸、制造、零售等。

智能物聯網（AIoT）的價值主線是能夠在邊緣部署更多更強的智能，最終實現更大的靈活性。終端設備位于網絡的最邊緣，確切地說是數據的來源地，這可以實現更快更準確的反應，同時節省了不必要的數據傳輸、延遲和動態數據安全風險的成本。

第一步是確定問題，依靠系統的相關信息來分析問題并做出適當的決定。然后需要對信息/數據進行分類和分組，以研究如何提取特征，從而有利于訓練所需的AI/ML模型。在終端設備運行的人工智能模型可以為復雜的現實世界問題提供更好的洞察力和解決方案。在端點設備上集成人工智能，使開發者能夠利用強大的機器學習模型，而不需要完全重建他們的系統。

數據的完整性

為了在使用人工智能解決現實世界的問題時取得盡可能好的結果，數據及其可靠性起著決定性作用。需要一套綜合的方法，使用各種科學手段、算法和流程，從不斷增加的數據量中提取洞察力。以算法為核心，從原始數據中識別出背后隱藏的模式及信息。這些有價值的見解有助于支持商業決策，幫助分析商業困境，并將其轉化為可操作的解決方案。

當批判性思維遇到機器學習算法時，數據科學有助于獲得更好的洞察力，指導高效的工作，并為預測提供信息。目標是讓企業從數據科學中受益，做出指導性決策，創造更多的創新產品和服務。其中一個關鍵要求是使用TinyML等技術開發AI/ML模型，以便能夠在資源有限的終端設備上運行這些模型，從而簡化為嵌入式硬件建立機器學習模型的過程。依靠相關的人工智能工具來獲取機器學習（ML）所需的數據，工具向導還會指導你完成模型訓練、模型測試和模型生成的全部過程。

入門流程

構建端點設備上的AI應用程序需要一系列特定的技能，包括數據科學、硬件工程、嵌入式編程、軟件工程、機器學習技術，以及正在開發的應用領域中的專業知識。構建一個應用程序所需的主要步驟可以分為四個部分，如下圖所示。

案例研究：預測性維護

PdM（預測性維護）是一種由時序數據驅動的方法，采用機器學習和預測性數據分析來監控設備的一系列狀況，這些狀況可能表征出潛在的系統或設備故障。基于各種機器學習模型的預測性維護，開發人員在給定數據集上運行自動化數據處理。經過訓練的模型可以幫助檢測出潛在的設備故障，并實時執行事先定義好的保護或者預警操作。

預測性維護的背后就是一套人工智能技術和機器學習/TinyML算法。這些算法就是以監控特定機器的過程中收集的數據為運行基礎，這些數據也用于訓練可預測潛在異常的算法模型。

在樓宇自動化、家電或工業自動化等不同類型的電機應用中，都可以看到預測性維護的典型用例。為電機應用部署PdM有助于檢測和管理電機相關故障，基于電機運行過程中產生的振動頻率或信號。一旦建立了故障特征的基線，模式識別可以識別出電機運行中的任何不平衡、錯位、松動或軸承故障。減少系統維護和服務成本的同時保持整體系統的穩定性。

電機應用中的一些故障通常與振動異常和負載不平衡有關。這種異常會導致系統失效和過熱，最終會導致電機繞組的絕緣故障、昂貴的維修費用和電機更換期間的長時間停機。這一切都可以通過部署基于人工智能的預測性維護解決方案來避免。

瑞薩電子的RA6T1系列微控制器是專為智能家居、工業自動化和樓宇自動化中的電機應用而設計，提供豐富的外設和基于人工智能的故障檢測，以滿足從家用電器、HVAC、太陽能逆變器到交流驅動器等電機應用的獨特需求。

基于Arm? Cortex?-M33內核，新一代RA6T2 32位微控制器的工作頻率為240MHz，具有豐富的外設集合，并為高性能精密電機控制進行了優化。擁有高速模擬外設，提高電機控制性能的同時大大降低了物料（BOM）成本。RA6T2 MCU可以同時控制兩個無刷DC（BLDC）電機。

此外，瑞薩為TinyML應用提供了一個專用工具鏈，為基于RA6T2 MCU的系統提供了增強的故障檢測能力，為客戶提供智能、易用、經濟的無傳感器電機系統，作為預測性維護的平臺。這種基于TinyML的人工智能模型可以幫助更早、更準確地檢測出電機系統中潛在異常，以幫助客戶改善預測性維護流程，降低維護成本。

瑞薩電子提供基于RA6T2的完整開發套件，包括硬件開發組件和軟件模塊，可快速構建支持預測性維護的電機控制解決方案：

RA6T2在單個芯片上集成了PWM定時器和模擬外設，可以同時控制兩臺電機，是電機應用的最佳選擇。

完整的電機解決方案，用于評估和調試電機應用：

硬件套件（MCK-RA6T2），電機工作臺（RMW），以及PdM解決方案都由瑞薩電子提供。

MCK-RA6T2（完整的電機控制開發平臺）

瑞薩推廣高效的AIOT解決方案，涵蓋語音、視覺和實時分析等廣泛應用。瑞薩與合作伙伴一起，提供完整且高度優化的TinyML端點解決方案，包括硬件、軟件和工具，可幫助工程師快速構建基于人工智能的解決方案。

人工智能不是只能運行在云端服務器，它還可以無處不在地運行在任何端點設備上。智能化、減少延遲、數據完整性、更迅速的響應、可擴展性等等都是端點人工智能的意義所在，也因此創造了無限的應用可能。