追根溯源,四个层面从本质解决智能制造的挑战

导读

本视频来自 2020 世界人工智能大会(WAIC) ,赛灵思作为自适应计算的领导厂商应邀参与智能工业分论坛。赛灵思大中华区核心市场总监酆毅发表“追根溯源, 从本质解决智能制造挑战”的演讲演示。

本文提供了此次演讲的音频、视频以飨读者,同时用文字的形式为大家分享酆毅演讲内容要点,献给所有致力于解决智能制造升级转型挑战的人们。

酆 毅,赛灵思大中华区核心市场总监

智能制造不是中国特色。从世界层面上面来看,包括中国在内的世界五大制造国,从2012年起,就已经先后制订了智能制造的国家战略。那么,智能制造的本质又是什么呢?
它主要体现在四个层面,感知层、网络层、执行层和应用层,其中感知、网络和执行三个层面需要形成闭环。

  • 感知层:主要依托各类传感器,如机器视觉、RFID等进行生产数据的收集和综合。
  • 网络层:主要依托先进通信和工业互联网技术,和云计算中心进行数据交换和分析加上决策。
  • 执行层:则主要依托智能设备,如工业机器人、智能机床、3D打印机等,完成生产数据的自动化
  • 应用层:则依托上述三个层面的闭环,而完成实际生产的定制化和自动化。

  • 机器视觉为例,这里可以看出有以下几个挑战:首先,相关的目标识别已经从二维向三维演进,如图所示3D的手势识别,与此同时,视觉传感器还能够捕捉、采集更快、更高的像素,并和其他成像传感器融合,如可视图像和红外图像的融合,待处理分析的数据因此也急剧增加。

    以工业互联网为另外一个例子,我们可以看出,在智能制造里面,TSN和OPCUA开放了统一通信平台架构,形成了另类的两大挑战,从TSN的角度上来讲,它主要是一个基于时间敏感型的网络,不但是从网络信息层的带宽和QOS带来的挑战,网络器件层(音03:54)延时性能同样形成了极大的挑战,能够满足IoT自动化和机器人实时控制的需求。

    从开发者来说,满足了TSN的设计,不但要满足实时性的要求,同时也要满足带宽和QOS的要求,这就需要一个极度开放性、极度可适应性的平台进行开发,与此同时,不止是网络层面,在通信平台进行开发,还需要满足跨OS平台,如Windows、安卓、Linux和甚至苹果OS、MacOS(音04:52)的开发,开发器件和开发平台的可适应性和可编程性,是一个极度重要的要素,所以这里来说,要满足工业互联网TSN和OPCUA两大需求,才能够满足智能制造在网络层面开发的需求。

    从执行层来看,以工业机器人为例,它既包含了数据感知层,也包含了数据执行层,它实际上是一个从端到云的可扩展工业互联网平台,以此的开发,需要开发套件的极度可扩展性,无论是从应用层面和机器学习和分析层面,到OS的可适应性,到网络通信的灵活性,和甚至功能安全的和cyber security的考量,都对开发平台带来了相当的挑战。

    赛灵思推出了一个视觉边缘计算平台,除了融合相关的高质量图像传感器之外,它还在赛灵思Zynq Ultrascale+ MPSOC器件里面集成一套完整的视觉边缘计算平台的图像处理流程,这里头包含了视频的IO的融合,包含了降噪的处理,包含了HDR和demosaic和color space conversion相关的图像处理。

    更重要的一点,该平台是一个可扩展性平台,尤其是从IO的层面,不但在网络协议上进行各种协议接口平台的扩展,同时在网络速度上,也完美实现了从1G以太网拓展到20G,甚至CXP、coax over esnet(音07:52)这样的协议的拓展。

    而对于TSN通信层上的解决方案来说,赛灵思同样推出了一个可编程的TSN的方案,主要包含了一个mpoint的设计,再加上一个双口的TSN switch。整个这套IP都是基于赛灵思可编程平台而完成的。它可以拓展到赛灵思不同的器件,从Zynq7000系列到Zynq Ultrascale+ MPSOC系列器件。

    从前面的机器人开发的例子可以看到我们需要一个端到云的可拓展平台,而这正好和赛灵思Vitis AI智能视觉的开发平台完美融合。这里不但从底层端级器件的开发,比如说MPSoC器件的开发,到领域特定的开发,比如说神经网络的DPU,LSTM网络的DPU,MLT网络的DPU,到基于个人PC或者云平台的开发套件,比如说AI Optimize、Runtime library、AI Compiler、AI Quantizer,甚至到基于云平台的模型和框架,赛灵思把这一套完整的开发统一综合在一起。

    最后我们看一下赛灵思对于驱控一体—精确的运动控制的开发,通过使用MPSoC和Zynq可编程器件,它以更小的体积、更优的成本,带来了一个全新的架构。与此同时,它也带来了更高的性能,它基于我们异构、自适应的运动控制计算平台,构建了智能机器人的控制系统,也通过了专用的运动控制加速器和全硬件的多电机控制算法,带来了更低的延时、更快的响应和微秒级的多轴同步。与此同时,它提供的更小的体积,兼顾了兼容性和可用性,灵活、可伸缩的系统功能,让赛灵思的驱控一体的平台更容易实现安装和部署。

    赛灵思在2019年开始,公司战略层面提出了创新性的自适应加速运算平台,非常适应当今的智能制造所带来的挑战。从早年的FPGA演进到近年的SoC和MPSoC,到现在的ACAP或者自适应加速平台,赛灵思有一套完整的开发工具和开发器件,来满足智能制造所需要的开发需求。

    结 论

    基于以上,赛灵思全力帮助客户共同打造智能工厂和智慧城市,关注在机器人技术,主要是执行层和感知层,驱动与电机控制实施的执行层,工业互联网网关与边缘设备,通信层;PLC、PAC和IPC,执行层和本地决策层;IO模块和智能传感器,感知层;人机界面,感知层;视频监控与智慧城市,感知与执行层;机器与计算机视觉,感知与执行层;智能电网,感知层与执行层;3D打印与增量制造,执行层。谢谢。

    【完整视频回放看这里】

    文章转载自:Xilinx赛灵思官微

    推荐阅读