EO_487

EDA/SW/T&M MACHINE LEARNING va soluzione è stata sviluppata in cinque anni e com- prende tecniche di clustering, machine learning senza supervisione e tecniche proprietarie di compressione di database. Può analizzare ordini di grandezza di da- tabase di forme d’onda di dimensioni di terabyte più velocemente delle tecniche convenzionali mentre è in esecuzione su uno strumento da banco PC-based. Uno sguardo all’architettura La figura 1 mostra l’architettura di sistema del soft- ware di analisi delle forme d’onda di lunga durata. È composta da tre componenti e ne discuteremo nel det- taglio. Il sottosistema di acquisizione preordina i dati in ar- rivo in tempo reale durante l’acquisizione. La codifica in tempo reale è il modulo più importante nel sotto- sistema di acquisizione, poiché pre-ordina i segmenti di forma d’onda in entrata. Segmenti di forme d’onda simili sono raggruppati e registrati come membri di un tag. È importante notare che il pre-ordinamento non deve essere perfetto; deve solo contenere informazioni sufficienti per consentire l’analisi post-elaborazione. Il sottosistema del database è costituito dal database di tag e dal database lossless. Il database dei tag è un breve riassunto dei segmenti di forma d’onda preordi- nati. Fornisce una rapida panoramica della registrazio- ne di lunga durata. Il database lossless è un archivio completo dei record completi della forme d’onda di lunga durata. Consente una rapida query della forma d’onda in qualsiasi posizione dell’enorme database per temporizzazione o somiglianza della forma d’onda. La dimensione del database dei tag è compresa tra un centesimo e un cinquecentesimo rispetto al database lossless. Questa configurazione consente una grande flessibilità per quanto riguarda la gestione e l’analisi dei dati. Il sottosistema di analisi ha due modalità operative: clustering rapido e cluster di dettaglio. Il clustering rapido consente una rapida panoramica dell’intero database. Il tempo di elaborazione tipico è inferiore a un secondo. Tuttavia, poiché il clustering rapido uti- lizza informazioni sui tag preordinate, la precisione è limitata dalla soglia di somiglianza dei tag. Il clustering di dettaglio offre funzionalità di analisi più precise in quanto utilizza le informazioni del database lossless. Il software di analisi convenzionale necessitava di una nuova scansione del database lossless, che in molte occasioni richiedeva svariate ore. Con questa soluzio- ne, l’utente può usufruire dell’analisi interattiva con una risposta rapida senza ripetere la scansione del database lossless. Vale la pena sottolineare che questa tecnologia non è nuova solo per il settore test e misura, ma anche per la comunità AI/Machine-Learning. Keysight ha pre- sentato un documento su questa nuova soluzione alla conferenza IEEE Big Data 2019.[1] Alla conferenza, i ri- cercatori hanno dichiarato di non aver mai visto nulla di simile alle prestazioni e capacità di questa soluzio- ne. La tecnologia è integrata nell’analizzatore di for- me d’onda di corrente dinamica CX3300A di Keysight come opzione disponibile. Combina misure a elevata integrità di tensioni e correnti con analisi della forma d’onda di lunga durata. Un esempio concreto L’esempio seguente mostra la tensione della linea di una linea di alimentazione commerciale monitorata per un periodo di quattro giorni a una frequenza di campionamento di 1 MSa/s. Diversi tipi di forme d’on- da sono raggruppati per cluster con le loro popolazio- ni visualizzate nel pannello di clustering. È possibile selezionare uno o più cluster e saltare alle loro occor- renze nella finestra di riproduzione principale usan- do i tasti freccia. Sebbene il database contenga oltre 18 milioni di segmenti di forme d’onda, la codifica dei Fig. 1 – Architettura di sistema del software di analisi delle forme d’onda di lunga durata