STMicroelectronics a mis à jour ses algorithmes de machine learning et ses outils de développement pour les microcontrôleurs STM32. La décision s’est faite suite à l’acquisition de la startup Cartesiam de Frenech plus tôt cette année.
La version 3 de NanoEdge AI Studio est la première mise à jour majeure de l’outil logiciel pour les applications d’apprentissage automatique suite à la transaction Cartesiam. Elle intervient alors que le déplacement des capacités d’IA du cloud vers la périphérie offre aux fabricants le potentiel d’améliorer fondamentalement les processus industriels. Il leur permet aussi d’optimiser les coûts de maintenance. Et en même temps, de fournir des fonctions innovantes dans des équipements capables de détecter, de traiter les données. Des équipements capables aussi d’agir localement pour améliorer la latence et la sécurité des informations. Les applications comprennent les appareils connectés, les appareils ménagers et l’automatisation industrielle.
NanoEdge AI Studio simplifie la création d’apprentissage automatique, d’apprentissage par anomalie, de détection et de classification sur tout microcontrôleur STM32. La version V3 inclut également des capacités de prédiction telles que des bibliothèques de régression et de valeurs aberrantes. L’outil permet aux utilisateurs d’intégrer plus facilement, rapidement et à moindre coût de telles capacités d’apprentissage automatique de pointe dans leurs équipements.
STMicroelectronics a également éliminé la nécessité d’écrire du code pour ses capteurs de qualité industrielle. On doit surtout cela à de nouvelles capacités d’acquisition et de gestion des données à grande vitesse. Techniques qui utilisent notamment la carte de développement STWIN. Le logiciel NanoEdge AI Studio renforce la sécurité en utilisant le stockage et le traitement des données locales. Ce qui évite de transférer et de traiter les données dans le nuage.
Un algorithme capable de prédire la régression des équipements chez STMicroelectronics
STMicroelectronics a également ajouté des algorithmes de régression. Le but est d’extrapoler les données et prédire les modèles de données futurs pour la gestion de l’énergie ou la prévision de la durée de vie restante des équipements.
« Nous avons eu l’occasion d’utiliser NanoEdge AI Studio avec l’un de nos principaux clients du secteur aérospatial », a déclaré Steve Peguet, directeur scientifique du département Innovation de la société de conseil en ingénierie Alten Group.
« En termes de perçage des machines lors de la fabrication de pièces coûteuses, une mèche usée ou la moindre anomalie peut avoir des conséquences importantes. Toutefois, Alten a utilisé NanoEdge AI Studio pour intégrer des algorithmes de Machine-Learning dans les équipements de perçage. La solution testée sur une ligne de production a été extremement efficace. Alten a donc lancé une pratique autour de cette technologie pour accompagner ses clients et industrialiser ces premiers résultats. Il veut ainsi déployer une solution disruptive de maintenance prescriptive des outils de forage dans leurs usines. »
« Nos principaux clients du secteur ferroviaire nous demandent de leur fournir des solutions de maintenance prédictive autonomes sans fil basse consommation. Ils visent ainsi à augmenter le temps de fonctionnement. Ils veulent aussi optimiser les coûts et d’éviter les arrêts coûteux », a déclaré David Dorval, PDG et fondateur de Stimio. Il s’agit d’une société spécialisée dans le développement de solutions IoT industrielles pour le secteur ferroviaire et d’autres industries (IIoT).
- Partager l'article :
