STMicroelectronics Menghadirkan Kecerdasan Berbasis AI pada Sistem Kendali Motor

AI diam-diam mengubah cara penggerak motor berperilaku di lapangan

STMicroelectronics telah memperluas portofolio gerak industrinya dengan FP-IND-MCAI1, paket perangkat lunak kendali motor yang ditingkatkan AI dan dibuat untuk platform penggerak BLDC. Rilis ini ditujukan bagi para insinyur yang mengembangkan sistem servo ringkas dan motor bertegangan rendah yang membutuhkan kinerja adaptif, bukan penyetelan statis.

Berbeda dari firmware penggerak tradisional, paket ini mengintegrasikan fitur pembelajaran mesin langsung ke dalam loop kendali. Paket ini tidak hanya menjalankan perintah gerak, tetapi juga menafsirkan kondisi operasional secara waktu nyata.

Perubahan ini menandai transisi yang lebih luas dalam kendali gerak, ketika kecerdasan tertanam mulai menggantikan praktik penyetelan manual pada sistem servo dan robotika industri ringan.

Platform EVLSPIN32G4-ACT menunjukkan bagaimana tumpukan kendali yang siap menggunakan AI dapat beroperasi dalam arsitektur perangkat keras penggerak BLDC yang ringkas.

Saat loop kendali mulai belajar dari mesin itu sendiri

Dari penyetelan PID menuju kecerdasan adaptif

Sistem servo tradisional mengandalkan parameter PID yang disetel secara manual. Para insinyur menyesuaikan penguatan berdasarkan pengalaman dan hasil komisioning. FP-IND-MCAI1 mengubah alur kerja ini dengan menggunakan perilaku motor historis sebagai acuan penyetelan.

Perangkat lunak ini mengamati respons torsi, variasi beban, dan kestabilan gerak. Selanjutnya, perangkat lunak menyesuaikan perilaku kendali untuk meningkatkan efisiensi dan mengurangi tekanan mekanis seiring waktu.

Getaran menjadi sinyal digital, bukan sekadar derau

Kemampuan utama perangkat ini berasal dari integrasi sensor getaran opsional. Sistem mengklasifikasikan kondisi operasi menjadi normal, getaran tinggi, atau tidak stabil menggunakan model ML tertanam.

Sinyal arus dan masukan sensor terus-menerus memasok data ke model. Hal ini memungkinkan deteksi dini pola degradasi yang biasanya tidak terlihat dalam diagnostik penggerak konvensional.

Klasifikasi kondisi motor memungkinkan operator mengidentifikasi perilaku abnormal sebelum berkembang menjadi kerusakan mekanis.

Di mana penggerak berbasis AI cocok diterapkan dalam sistem industri nyata

Tumpukan perangkat lunak ini ditujukan untuk aplikasi yang konsistensi geraknya berdampak langsung pada produktivitas. Robotika, sel otomasi ringkas, dan sistem perakitan presisi menjadi penerima manfaat utama.

Pada mesin pick-and-place, peningkatan efisiensi sekecil apa pun dapat mengurangi waktu siklus dalam ribuan pengulangan. Penyetelan adaptif membantu mempertahankan profil gerak yang konsisten seiring berlangsungnya keausan mekanis.

Ekosistem kendali motor STM32 dan NanoEdge AI Studio memperluas kemampuan ini ke dalam alur kerja pengembang. Para insinyur dapat menyempurnakan model dan mengintegrasikannya ke dalam logika kendali khusus tanpa membangun ulang seluruh arsitektur sistem.

Industri bergerak dari kendali menuju prediksi perilaku

Kendali motor berbantuan AI bukanlah upaya untuk menggantikan logika servo. Tujuannya adalah menambahkan lapisan umpan balik yang memahami degradasi, variasi beban, dan pola tekanan lingkungan.

Pendekatan ini sejalan dengan tren industri yang lebih luas dalam pemeliharaan berbasis kondisi dan analitik edge. Alih-alih bereaksi terhadap gangguan, sistem mulai mengantisipasinya.

Seiring vendor semikonduktor mengintegrasikan kecerdasan lebih dekat ke tahap penggerak, batas antara sistem kendali dan mesin analitik terus menjadi semakin kabur.

Perubahan teknis yang akan membentuk ulang filosofi desain gerak

FP-IND-MCAI1 mencerminkan arah yang jelas dalam desain otomasi industri. Insinyur kendali tidak lagi hanya menyetel perilaku gerak. Kini mereka merancang sistem adaptif yang berkembang selama pengoperasian.

Hal ini kemungkinan akan memengaruhi arsitektur servo generasi berikutnya, terutama dalam robotika ringkas dan sistem gerak terdistribusi, ketika kecerdasan terpasang mengurangi ketergantungan pada pengendali pusat.

Dampak jangka panjangnya bersifat struktural. Sistem gerak akan semakin berperilaku seperti komponen yang belajar, bukan perangkat dengan fungsi tetap.

*Daniel Mercer, Reporter Sistem Industri dengan pengalaman 14 tahun dalam sistem servo, platform kendali edge, dan arsitektur otomasi melalui proyek-proyek Siemens, Schneider Electric, dan Beckhoff Automation.*