EO_496

DIGITAL MACHINE LEARNING 55 - ELETTRONICA OGGI 496 - SETTEMBRE 2021 Gartner punta molto sul concetto di “empowered edge” (ov- vero di potenziamento dei margini), che descrive le modalità con cui possono essere organizzate le risorse di elaborazio- ne e i sensori IoT. Con il termine “edge” si indica il fatto che la fonte dei dati si trova in prossimità del luogo nel quale ven- gono elaborati. In questo contesto, il termine “embedded” si estende fino al livello dei terminali (endpoint), dove sensori e azionamenti potrebbero essere dotati di funzionalità ML. ML: le domande chiave L’apprendimento automatico non è necessariamente la ri- sposta a tutte le esigenze, ma la sua adozione comporta evi- denti vantaggi in molte applicazioni. Una prima domanda da porsi è “perché” utilizzare l’apprendimento automatico. La risposta è semplice: esso permette a molte società di ottene- re miglioramenti in termini di efficienza, scalabilità e produt- tività a costi contenuti. Potrebbero sorgere alcuni problemi a livello di etica e responsabilità ma, poiché le attività che vengono svolte in ambito industriale non coinvolgono diret- tamente gli utenti, questi due elementi possono essere tenuti agevolmente sotto controllo. Il punto di vista di IDC, la quale sostiene che “ le aziende adotteranno l’intelligenza artifi- ciale non già perchè possono, bensì perché devono ” non è certamente fuori luogo considerando l’elevata competitività che contraddistingue il mondo industriale. Per comprendere come implementare l’apprendimento auto- matico e quali sono i componenti necessari, è meglio con- siderare in prima istanza il problema del “dove”, ovvero se eseguire tutto localmente in un sistema embedded oppure utilizzare il cloud. La prima soluzione è spesso la migliore ma occorre considerare con attenzione alcuni aspetti quali co- sto, latenza, consumi di potenza, protezione e spazio richiesto dalle risorse di elaborazione. Per quanto concerne il sistema embedded per l’apprendimento automatico, sono oramai nu- merosi i produttori che propongono processori adatti per ap- plicazioni industriali. Di seguito alcuni tra i numerosi esempi. MAX78000 di Maxim è un SoC (System on Chip) espressa- mente progettato per applicazioni AI/ML. Dotato di un core Arm Cortex-M4 con acceleratori hardware per eseguire infe- renze e garantire elevate prestazioni di elaborazione, questo SoC è caratterizzato da bassi consumi. Maxim propone an- che un kit di valutazione e una piattaforma applicativa che permettono ai progettisti di accelerare il lavoro di sviluppo e sfruttare al meglio le potenzialità di MAX78000. Un altro esempio è l’ ecosistemaML di Microchip , che include 9 5 4 #)23C@H0 <08/ 2 #)1 I 0 <08/ A I kit, che integrano sensori di produzione TDK e Bosch, sono 4 44 !8%J" <08/ 2723 core Arm Cortex-M0+ di Microchip. Un’ulteriore opzione è rappresentata dalla linea di MCU cros- sover i.MX RT1060 di NXP , basata sulla piattaforma Arm Cortex-M7. Il completo supporto dei tool e del software di NXP garantisce elevate prestazioni di elaborazione ed è di- sponibile un’ampia gamma di interfacce. Da quanto è stato descritto in questo articolo, appare chiaro che l’apprendimento automatico può essere una tecnologia particolarmente utile per le applicazioni industriali, in grado di migliorare la produzione e altri processi incrementando ef- ficienza, scalabilità e produttività a fronte di un contenimento dei costi L’implementazione di una soluzione ML può risultare compli- cata e richiede un’attenta valutazione di diversi compromes- si. Una decisione critica riguarda l’ubicazione fisica delle ri- sorse di elaborazione, che possono risiedere ai margini della rete o essere integrate in un sistema, oppure essere ospitate sul cloud o un server separato. Per implementare l’apprendimento automatico in un’applica- zione industriale è disponibile un numero sempre maggio- re di processori embedded ad alte prestazioni, ampiamente supportati da un ecosistema di software e tool di sviluppo, realizzati da produttori quali Maxim, Microchip e NXP. Ciò vuole dire che l’integrazione di un processore idoneo nei ter- minali di un sistema di produzione, quindi molto vicino alle fonti che generano i dati, può risultare un approccio conve- niente per sfruttare al meglio le potenzialità dell’apprendi- mento automatico. Il kit di valutazione MAX7800 di Maxim integra il SoC MAX78000, oltre a un touch screen a colori, un microfono e un giroscopio/accelerometro (Fonte: Maxim Integrated)