Teknologiske tendenser
Teknologiske ændringer ser ud til at gå hurtigere fra år til år. Ikke mindst inden for elektroniksektoren, hvor fremskridt inden for halvlederteknologi, øgede behandlings- og datahastigheder nærmest sker fra uge til uge.
Hvis du i dag beder et barn om at bruge hænderne som en telefon og foregive at besvare et opkald, hvad tror du de vil gøre?
Mest sandsynligt vil de sætte håndfladen til øret, som man gør med smartphones uden mekaniske knapper. Men for alle, der er født før år 2000, kan det være mere naturligt at bruge en tommelfinger og pegefinger til at udføre den samme handling. Dette viser, hvordan udviklingen på elektronikmarkedet sker i et ekstremt højt tempo med nyheder hver år, der er udstyret med flere funktioner, er mere kompakte og kraftigere end deres forgængere.
I denne artikel fortæller vi om de tre teknologitendenser, som vi tror vil ændre elektronikindustrien radikalt i de kommende år.
Edge AI
Artificial Intelligence (AI), eller kunstig intelligens, har ofte været et buzzword i nyhederne på det seneste. Men hvad betyder det, og hvad kan du gøre med det? Udtrykket henviser generelt til maskiners evne til at udføre opgaver, der i det væsentlige er forbundet med mennesker, såsom "problemløsning" og "læring".
Nogle af de eksempler, der allerede er tilgængelige, omfatter smartassistance med værktøjer som Siri og Alexa, samtalebots til kundeservice, tilpassede anbefalinger baseret på dine yndlingsprogrammer eller sange på Netflix og Spotify osv. Indtil for nylig blev næsten alle beregninger udført af skybaserede datacentre for at tilfredsstille AI-algoritmernes omfattende krav til computerkraft.
Men de problemer, der følger med cloud computing, bl.a. latenstid, skalerbarhed og omkostninger samt datasikkerhed og beskyttelse af personoplysninger, har flyttet udviklingen af AI til "kanten" af netværket, som derfor kaldes edge AI. Fordelene ved at bruge edge AI-enheder ligger i det faktum, at beregningerne udføres lokalt, uden at en stor mængde data sendes til et fjerntliggende sted.
Producenter af halvledere investerer i øjeblikket i udviklingen af edge AI-chips, der har tilstrækkelig processorkraft til at udføre intensive AI-beregninger. Deloitte skønner, at der vil blive solgt mere end 750 millioner edge AI-chips i 2020. STMicroelectronics tilbyder for eksempel software- og hardwareløsninger til implementering af AI på den meget anvendte familie af STM32-mikrokontrollere, herunder STM32Cube.AI-værktøjet til kortlægning og drift af kunstige neurale netværk, eller ANN-algoritmer, efter indlæring.
5G
Efter fire generationer af mobilkommunikationsteknologi (fra 1G til 4G) har vi uundgåeligt nået grænsen for hastighed og pålidelighed af den forbindelse, vi kan opnå på vores enheder.
Da antallet af internetbrugere er stærkt stigende, kæmper det eksisterende netværk for at understøtte den øgede mobildatatrafik. 5G, den femte generation af mobilkommunikationsnetværk, lover ventetid på mindre end et par millisekunder og ti gange højere hastighed end 4G-netværk kan tilbyde i dag. For at kunne opfylde disse krav arbejder teknikere og ingeniører i dag med at udvikle flere splinternye teknologier, herunder udsendelse af millimeterbølger, små celler, massiv MIMO- og stråleformning.
Producenter af instrumenter og udstyr skal imidlertid tackle betydelige udfordringer, herunder omkostninger, dimensioner og strømforbrug, når det drejer sig om at designe elektronikkomponenter, der er kompatible med 5G. Driften af antenner, RF-kredsløb såvel som termiske løsninger skal optimeres for at gøre det muligt fuldt ud at udnytte fordelene ved 5G. Producenter som Molex, TE Connectivity og Cypress Semiconductor er blot nogle få eksempler på virksomheder, der driver innovationen på dette område.
MEMS-sensorer til forudsigende vedligeholdelse
Med vedtagelsen af initiativerne Industry 4.0 og Industrial Internet of Things (IIoT) investerer produktionssektoren i stigende grad i værktøjer og løsninger med henblik på at opnå mere effektive produktionsprocesser. Implementering af forudsigende vedligeholdelse på fabriksniveau er nok et af de væsentligste anvendelsestilfælde for IIoT.
forudsigende vedligeholdelsesteknikker kan hjælpe med at identificere enhver forringelse af udstyret gennem løbende overvågning af dets “helbredstilstand”. Dermed er det muligt at forebygge uforudsete fejl og nedetid. Med IIoT i tankerne er det nødvendigt, at sensorer til forudsigende vedligeholdelse ikke blot kan modstå fabrikkens krævende driftsmiljø. Men der lægges også stadig større vægt på brug af trådløs sensorteknologi med ultralavt strømforbrug.
Dette sætter fokus på MEMS-sensorer (Micro-Electro-Mechanical Systems), der kan tilbyde kompakte løsninger med lavt strømforbrug, men alligevel med ekstremt præcise målefunktioner til IoT-aktiverede forudsigende vedligeholdelsesløsninger. Selv om MEMS-sensorernes popularitet stammer fra sektoren fra forbrugerelektronik, f.eks. deres brug i smartphones og smartwatches til applikationer trintællere og afstandsmålere med indbyggede accelerometre, så kan de nuværende fremskridt inden for MEMS-teknologien bidrage til et mere overkommeligt og skalerbart alternativ til eksisterende sensorteknologier i industrimiljøer.