بازگشت به وبلاگ

Advantech قابلیت حرکت EtherCAT در CODESYS را به هوش مصنوعی لبه‌ای Jetson می‌آورد

Advantech هوش مصنوعی لبه‌ای NVIDIA Jetson، سافت‌پی‌ال‌سی CODESYS و کنترل حرکت EtherCAT را در پلتفرم‌های MIC-AI ترکیب کرده است. بررسی می‌کنیم این معماری در چه مواردی مفید است و چه بررسی‌هایی درباره ...

Advantech معماری محاسبات لبه صنعتی‌ای را معرفی کرده است که پردازش NVIDIA Jetson، قابلیت‌های CODESYS SoftPLC و کنترل حرکت EtherCAT را در یک پلتفرم MIC-AI ترکیب می‌کند. این معرفی در ۱۹ نوامبر ۲۰۲۶ انجام شد و ماشین‌های هوش مصنوعی فیزیکی را هدف قرار می‌دهد که به بینایی یا استنتاج نزدیک به فرایند نیاز دارند و در عین حال باید تجهیزات میدانی قطعی را هماهنگ کنند.

آنچه Advantech یکپارچه کرده است

این معماری در دو پیکربندی محاسباتی متفاوت عرضه می‌شود. MIC-742-AT از NVIDIA Jetson Thor استفاده می‌کند و یک رابط QSFP28، یک درگاه 5GbE، چهار درگاه USB 3.2 و ورودی/خروجی صنعتی دارد. MIC-732-AO از Jetson AGX Orin استفاده می‌کند، دارای دو رابط CAN است و قابلیت پیکربندی برای دریافت تصویر دوربین GMSL را دارد. Advantech می‌گوید هر دو می‌توانند محیط لینوکس بلادرنگ را با CODESYS SoftPLC و یک مستر EtherCAT اجرا کنند و به این ترتیب استنتاج هوش مصنوعی، منطق کنترلی و حرکت هماهنگ را روی یک رایانه صنعتی جای دهند.

در نمایشی که Advantech توصیف کرده، یک MIC-742-AT نرم‌افزار NVIDIA Isaac for Manipulation،‏ Isaac ROS 2 و پشته حرکت بلادرنگ را اجرا کرد و بدون PLC متعارف خارجی، یک ربات چندمحوره را از طریق EtherCAT به حرکت درآورد. CODESYS محیط کنترلی IEC 61131-3 و قابلیت‌های مستر EtherCAT، از جمله همگام‌سازی ساعت توزیع‌شده و عیب‌یابی دستگاه‌ها، را فراهم کرد.

چرا پلتفرم ترکیبی اهمیت دارد

در حال حاضر، در بسیاری از سلول‌های رباتیک و بینایی ماشین، بار کاری میان یک رایانه هوش مصنوعی، یک PLC یا کنترل‌کننده حرکت و یک یا چند درگاه شبکه صنعتی تقسیم می‌شود. یکپارچه‌سازی می‌تواند نسخه‌برداری از داده‌ها را کاهش دهد و مسیر میان نتیجه ادراک و فرمان حرکت را ساده‌تر کند. همچنین مشاهده‌پذیری دریافت تصویر همگام، برنامه‌ریزی مسیر و بازخورد درایو را از یک سیستم واحد آسان‌تر می‌کند.

این به آن معنا نیست که هر دستگاهی باید PLC خود را حذف کند. بیشترین ارزش زمانی حاصل می‌شود که بار کاری هوش مصنوعی بخشی از چرخه دستگاه باشد و تأخیر میان ادراک و اقدام اهمیت داشته باشد. خط بسته‌بندی‌ای که فقط تصاویر مربوط به کیفیت را به سرور تحلیل می‌فرستد، ممکن است سود چندانی از همگرایی نبرد. در مقابل، رباتی که پس از شناسایی یک شیء مسیر حرکتش را تغییر می‌دهد، ممکن است از نزدیک نگه‌داشتن استنتاج و هماهنگ‌سازی حرکت بهره ببرد.

مواردی که این نمایش اثبات نمی‌کند

اعلامیه Advantech نشان می‌دهد که پشته نرم‌افزاری را می‌توان روی سخت‌افزار MIC سرهم‌بندی و اجرا کرد، اما هیچ معیار سنجشی برای زمان چرخه قطعی، حداکثر تعداد محور، مقدار جیتر یا فهرست درایوهای اعتبارسنجی‌شده برای دستگاه تولیدی منتشر نمی‌کند. همچنین پلتفرم Jetson را به یک کنترل‌کننده ایمنی تبدیل نمی‌کند. توقف اضطراری، قطع ایمن گشتاور و سایر عملکردهای ایمنی همچنان به معماری ایمنی مستندی با استفاده از قطعات دارای گواهی مناسب نیاز دارند.

بنابراین مهندسان باید این محصول را گزینه‌ای برای یکپارچه‌سازی بدانند، نه جایگزینی فراگیر برای پلتفرم‌های حرکتی جاافتاده. برای مقایسه، دستگاه‌های نصب‌شده مبتنی بر EtherCAT ممکن است از کنترل‌کننده‌های اختصاصی مانند کنترل‌کننده حرکتی اومرون NX701-1620 یا اومرون NJ501-1500 استفاده کنند. این پیوندها نمونه‌ای از تجهیزاتی را نشان می‌دهند که ممکن است در پروژه نوسازی با آن‌ها روبه‌رو شوید؛ اما به معنای سازگاری با پشته Advantech/CODESYS نیستند.

بررسی‌های مهندسی پیش از به‌کارگیری

  • تفکیک منابع بلادرنگ: مشخص کنید منابع CPU، حافظه و شبکه چگونه رزرو می‌شوند تا اوج بار استنتاج GPU اختلالی در وظیفه EtherCAT ایجاد نکند.
  • طراحی شبکه: بخش EtherCAT را از ترافیک دوربین‌های پُرسرعت و شبکه سازمانی جدا نگه دارید. اگر دستگاه از انشعاب‌ها استفاده می‌کند، همه اتصالات و تأخیر انتشار را مستند کنید؛ تجهیزاتی مانند انشعاب EtherCAT اومرون GX-JC06 نشان می‌دهند که توپولوژی یک تصمیم سخت‌افزاری است، نه صرفاً یک تنظیم نرم‌افزاری.
  • حاشیه حرارتی: جریان هوای محفظه، دمای محیط، میزان انباشت گردوغبار و کاهش توان GPU را در بار کاری واقعی استنتاج اعتبارسنجی کنید.
  • رفتار بازیابی: راه‌اندازی سرد، فایل‌های مدل خراب، قطع دوربین، وقفه در پیوند EtherCAT و رفتار واچ‌داگ را آزمایش کنید. مشخص کنید اگر برنامه هوش مصنوعی متوقف شد، کدام عملکردها همچنان در دسترس می‌مانند.
  • مالکیت چرخه عمر: مسئولیت به‌روزرسانی‌های JetPack، Linux، CODESYS، کتابخانه‌های ربات و مدل‌های آموزش‌دیده را مشخص کنید. فرایند وصله‌کردنی که برای تحلیل داده پذیرفتنی است، ممکن است برای یک کنترلر تولیدی بیش‌ازحد مختل‌کننده باشد.
  • امنیت سایبری: دسترسی مهندسی را از سرویس‌های زمان اجرا جدا کنید، از امضاشدن یا تأیید اعتبار مصنوعات قابل استقرار اطمینان یابید، امتیازهای کانتینرها را محدود کنید و تغییرات کد کنترل و مدل‌های هوش مصنوعی را ثبت کنید.

پیامدهای تدارکات و نگهداری

پرسش تجاری فقط درباره قیمت یک رایانه صنعتی در مقایسه با چند کنترلر نیست. خریداران باید هزینه مجوزهای مهندسی، نسخه‌های نرم‌افزاری پشتیبانی‌شده، دسترس‌پذیری بلندمدت ایمیج‌ها، زمان آماده‌سازی مجدد دستگاه جایگزین و مهارت‌های لازم برای نگهداری از پشته همگرای Linux/PLC/AI را نیز مقایسه کنند. دستگاه یدکی فقط زمانی مفید است که کارخانه بتواند سیستم‌عامل، برنامه CODESYS، پیکربندی EtherCAT، مدل هوش مصنوعی و وابستگی‌های شتاب‌دهنده آن را بازتولید کند.

Advantech پیش‌تر یکپارچه‌سازی هوش مصنوعی لبه‌ای را در قالب‌های دیگری نیز هدف قرار داده است؛ تحلیل پیشین ما از پلتفرم ASR-D501 بر همان نیاز به تفکیک توان پردازشیِ مورد تأکید در تیتر از بررسی‌های محیطی و یکپارچه‌سازی تأکید می‌کند. برای سازندگان ماشین‌آلات، گزینه جدید CODESYS/EtherCAT از نظر فنی اهمیت دارد، زیرا این بحث را مستقیماً به حوزه کنترل حرکت می‌کشاند. تصمیم نهایی باید بر پایه آزمون‌های بلادرنگِ اندازه‌گیری‌شده با درایوها، دوربین‌ها و معماری ایمنیِ موردنظر گرفته شود.

منبع: Advantech، «Advantech رایانش مبتنی بر NVIDIA Jetson را با کنترل حرکت EtherCAT در CODESYS برای هوش مصنوعی فیزیکی یکپارچه می‌کند»، منتشرشده در ۱۹ نوامبر ۲۰۲۶. اعلامیه رسمی. تحلیل تحریریه PLC ProTech، ۲۰ نوامبر ۲۰۲۶.

یک نظر بگذارید

لطفاً توجه داشته باشید که نظرات باید قبل از انتشار تأیید شوند.