Pemrosesan telah dipindahkan ke tepi. Sekarang menjadi “sadar” kata NXP – TechCrunch


Jika Anda telah mengikuti evolusi IoT, Anda tahu bahwa kemampuan komputasi telah bergeser antara komputasi terpusat dan lokal selama beberapa dekade. Ini termasuk berpindah dari mainframe dengan terminal dummy ke PC dan kemudian dari PC ke ponsel pintar dan tablet. Komputasi pusat bergeser melampaui beban kerja perusahaan untuk memungkinkan komputasi awan yang mampu menerima dan memproses data dalam jumlah besar yang dihasilkan di edge. Tidak ada alternatif karena hanya fasilitas masif ini yang memiliki sumber daya komputasi untuk melakukan pekerjaan itu. Tetapi tidak lama kemudian, menjadi jelas bahwa ini bukanlah pendekatan yang paling efektif. Perjalanan bolak-balik dari mana data dihasilkan ke pusat data dan kembali memakan waktu terlalu lama, memakan biaya terlalu banyak, dan menghabiskan sumber daya komunikasi.

“Anda tidak akan melihat milidetik latensi di termostat cerdas Anda,” kata Ron Martino, wakil presiden senior dan manajer umum pemrosesan tepi di NXP. “Tapi untuk robot industri dan banyak sistem real-time, ini bisa menjadi perbedaan antara bahaya keselamatan dan jalur perakitan yang produktif, dan untuk kendaraan yang terhubung, ini bisa menjadi masalah hidup dan mati.”

Masalah ini dapat diatasi jika algoritme pembelajaran mesin memproses data secara lokal, dengan asumsi kinerja pemrosesan yang cukup dapat dikirimkan dengan biaya yang wajar dalam ukuran yang cukup kecil. Tetapi efektivitas biaya bukanlah prioritas ketika pemrosesan tepi kompleks pertama kali disusun, jadi gateway kelas atas dan komputer cloud adalah solusinya.

Namun tidak lama kemudian, SoC berbasis mikroprosesor membuat lompatan besar dalam kinerja, kapabilitas, dan pengurangan biaya. Meskipun biasanya dianggap komoditas, mikrokontroler mulai menyertakan banyak prosesor yang didedikasikan untuk tugas tertentu dengan daya pemrosesan yang signifikan, beberapa protokol nirkabel, manajemen daya tingkat lanjut, dan fitur mengesankan lainnya.

Saat ini, mereka cukup kuat untuk membuat keputusan berdasarkan data yang dikumpulkan dari berbagai sensor. Mereka melakukan analisis yang sebelumnya merupakan satu-satunya domain cloud, mengirim perintah ke mesin tanpa latensi, dan hanya mentransfer ringkasan informasi (dalam jumlah yang jauh lebih kecil) ke cloud. Selain latensi mendekati nol, mereka mengurangi komunikasi dan biaya pemrosesan berbasis cloud, konsumsi energi, dan menjaga keamanan informasi hak milik di lokasi pengguna. Kunci pintu yang cerdas, misalnya, dapat memfasilitasi membuka kunci pintu Anda saat mengenali wajah Anda karena “tahu itu Anda”, dan dapat menyimpan serta memproses data gambar secara lokal untuk respons yang lebih cepat dan privasi yang ditingkatkan.

Kredit Gambar: Getty Images

Jadi, sekarang adopsi komputasi tepi berkembang, langkah selanjutnya adalah menambahkan lebih banyak kecerdasan untuk mencapai tingkat “kesadaran”. Jika ini tampak aneh, pertimbangkan bahwa setelah dilatih, sistem berbasis mikroprosesor kecil sekarang dapat melakukan pembelajaran mesin dan membuat keputusan tanpa bantuan eksternal, dan membutuhkan daya minimal, dalam ukuran perangko. Tambahkan sensor ke salah satu sistem ini dan bersama-sama mereka menjadi pembangkit tenaga listrik yang menghasilkan data dan mengambil keputusan.

“Sisi sadar ini jauh lebih cerdas dan mampu memecahkan masalah yang sangat kompleks karena perangkat yang sadar dapat berkolaborasi satu sama lain dan ‘mengetahui’ lebih banyak tentang lingkungan dan dapat bertindak dengan wawasan yang lebih luas,” kata Martino. “Perbedaan antara perangkat cerdas dan perangkat yang sadar adalah perangkat cerdas hanya dapat memproses suara, misalnya, dan mengikuti instruksinya, sedangkan perangkat yang sadar dalam jaringan kolaboratif dapat menggabungkan nuansa seperti nada suara, ekspresi wajah. , dan gerak tubuh. “

Dengan sadar edge, data dari beberapa sensor rumah pintar dapat mengenali sinyal bahaya seperti seseorang jatuh dan mengirim peringatan ke orang lain. Dan jika beberapa data harus dikirim ke cloud, prosesor edge cerdas menganonimkannya bersama dengan informasi lain seperti profil audio tentang suara Anda dan orang lain yang diautentikasi.

“Kami telah beralih dari kamera keamanan rumah yang mendeteksi dan merekam aktivitas, menjadi kamera sadar yang memindai wajah dan mengenali anggota keluarga dan bahkan memperingatkan pihak berwenang tentang aktivitas yang mencurigakan. Mereka juga bisa sadar hunian, mengenali saat rumah kosong dan kemudian secara otomatis mempersenjatai sistem keamanan, ”kata Martino.

“Kamera keamanan tipikal mungkin merekam video pencuri mobil di jalan masuk Anda, tapi itu tidak terlalu membantu jika Anda menontonnya beberapa jam kemudian,” lanjutnya. “Anda mungkin memiliki stempel waktu dari pukul 2:33 hingga 2:45 pagi yang menunjukkan peristiwa tersebut, tetapi yang dilakukannya hanyalah merekam pencurian alih-alih membuat keputusan yang berarti. Jika Anda dapat menambahkan kesadaran dan konteks, sistem akan melihat seseorang yang tidak dikenali yang kemungkinan besar seharusnya tidak berada di sana pada jam itu dan mengirimkan peringatan kepada pemilik saat hal itu terjadi. ”

Di gedung yang sadar hunian, data dari kamera dan sensor lainnya dapat diproses untuk mengontrol suhu dan pencahayaan guna mengoptimalkan efisiensi energi.

Kredit Gambar: Getty Images

Untuk pemeliharaan prediktif, data dari beberapa sensor dapat dikumpulkan dan dianalisis untuk mengetahui adanya anomali dan sistem memperingatkan pengguna sebelum terjadi kegagalan sistem.

Dalam operasi armada, monitor pintar yang dapat dikenakan dapat merasakan kelelahan dan alarm suara bagi pengemudi. Jika pengemudi tidak merespons, ia dapat mengambil keputusan untuk memberi tahu seseorang di perusahaan. Dengan pembelajaran mesin, prediksi dapat dibuat di mana dan kapan pengemudi cenderung kelelahan, yang dapat membantu meningkatkan keselamatan dan produktivitas.

Selain itu, dengan ketelitian, sistem penglihatan di seluruh bandara tidak hanya dapat mendeteksi bagasi yang ditinggalkan tetapi secara otomatis memicu pencarian deteksi di seluruh bandara dari pemilik bagasi yang tercatat terakhir.

Di daerah perkotaan yang padat, sistem deteksi objek dapat mengklasifikasikan kendaraan dan mengkoordinasikan lalu lintas di seluruh area untuk meningkatkan arus lalu lintas.

Ini hanyalah beberapa dari fungsi yang dapat dilakukan di edge yang sadar — semua dengan perangkat kecil berdaya rendah yang berukuran sebagian kecil dari ukuran komputer edge. Di masa depan, fusi sensor akan terus meningkat, yang akan meningkatkan akurasi di hampir semua aplikasi yang menggunakan banyak sensor.

Agar praktis, solusi seperti ini harus beroperasi di lingkungan yang dihuni oleh sensor yang bekerja dengan daya baterai di mana efisiensi energi sangat penting. Artinya, mereka harus menyesuaikan diri dengan lingkungan operasi mereka daripada sebaliknya.

Untuk mengatasi hal ini, NXP memperkenalkan arsitektur perangkat Energy Flex yang memungkinkan daya ke bagian dalam perangkat seperti prosesor EdgeVerse NXP untuk dihidupkan dan dimatikan berdasarkan pada saat dibutuhkan. Hanya bagian aktif dari perangkat yang membutuhkan daya yang mendapatkannya. Jadi, sebagian besar perangkat dapat tetap dalam kondisi tidur nyenyak, daya rendah, tetapi tetap waspada terhadap lingkungannya. NXP telah mengambil ini jauh melampaui domain daya sederhana dan kontrol dinamis tradisional dengan memanfaatkan investasi dalam teknologi seperti silicon-on-insulator (SOI) yang habis sepenuhnya untuk menutup sumber kebocoran, peningkatan arsitektural untuk kontrol yang lebih baik dalam mengurangi daya aktif dengan firmware dinamis- sistem kontrol berbasis, dan opsi komputasi heterogen yang diperluas dalam satu prosesor.

Transisi pemrosesan dan analisis dari pusat data ke edge cukup baru, tetapi dalam sekejap, ia telah membuat lompatan besar ke depan. Analisis yang dulunya dianggap tidak mungkin pada perangkat kecil yang terhubung ke sensor sekarang tidak hanya mungkin tetapi diimplementasikan dalam aplikasi mulai dari pengenalan wajah dan suara hingga deteksi objek. Di tahun-tahun mendatang, transisi ke tepi sadar akan menjadi hal biasa, bahkan dalam sistem otomatisasi dan pengawasan rumah berbiaya rendah. Untuk ini, kami berhutang peningkatan pada mikrokontroler yang dulunya rendah yang telah berevolusi untuk mengubah edge dan memperluas jangkauan mereka ke gedung dan kota pintar, dan seterusnya.

Posted By : http://airtogel.com/