【導讀】對于工業(yè)企業(yè)而言，推進數(shù)字化轉(zhuǎn)型至關重要，以此才能保持競爭力，并為客戶提供價值。這種趨勢的早期表現(xiàn)包括融合運營和信息技術網(wǎng)絡的整合、部署預測性維護，以及使用機器人來實現(xiàn)自動化，從而提高吞吐量、減少人為錯誤。
產(chǎn)品開發(fā)人員需要針對這些挑戰(zhàn)迅速推出解決方案。可編程系統(tǒng)模塊（ SOM ）能夠為著手開發(fā)提供適宜的計算平臺。然而，額外的固件和軟件基礎設施仍然是必要的，同時，異構處理引擎和集成的可編程邏輯能增添寶貴的靈活性。通過分析網(wǎng)絡融合、預測性維護和機器人領域中采用的一些已知的基于 SOM 的解決方案，便可發(fā)現(xiàn)附加資源在哪些領域能夠加速開發(fā)工作和助力確保最佳性能。
網(wǎng)絡融合解決方案
融合信息技術（ IT ）與運營技術（ OT ）網(wǎng)絡不僅能簡化工廠車間內(nèi)各系統(tǒng)之間的信息流程，也便于企業(yè)級管理和戰(zhàn)略決策工作。其還能實現(xiàn)從最底層傳感器/驅(qū)動器直至企業(yè)資源規(guī)劃（ ERP ）系統(tǒng)的端到端通信。這種融合還能消除管理兩個不同網(wǎng)絡所造成的重復開銷。
IT 網(wǎng)絡和 OT 網(wǎng)絡的需求大不相同。OT 網(wǎng)絡需要實時、低時延通信，而且難以擴展；IT 網(wǎng)絡更加易于擴展，但并不具備確定性，也難以提供服務保證。時間敏感型網(wǎng)絡（ TSN ）是 IEEE 802 的一個子集，通過在以太網(wǎng)網(wǎng)絡上啟動確定性通信來促進這種融合。通過提供網(wǎng)絡管理并為流量調(diào)度（ scheduled traffic ）分配時間槽，TSN 能使不同類型的流量共享同一鏈路。
當前，想要實現(xiàn)TSN 就需要一種能在網(wǎng)絡終端和交換機上提供低時延和確定性響應的解決方案。一款適合的平臺需包括以太網(wǎng) MAC、TSN 橋和 TSN 終端邏輯（圖 1），此外還要借助軟件來處理網(wǎng)絡同步、初始化以及與網(wǎng)絡配置控制器的接口連接等功能。
圖 1：基于 SOM 的 TSN 終端。AMD 賽靈思的 TSN IP 核采用可編程邏輯和 Kria? K26 SOM 的處理系統(tǒng)來實現(xiàn)這些單元，其中包括 Zynq? UltraScale+? MPSoC。該 IP 核能為每個流量類型提供單獨接口，最多可用兩個端口進行配置，這兩個端口經(jīng)由同一線纜或光纖傳輸所有流量類型。
預測性監(jiān)測能夠幫助設備操作人員提前避免故障，并在方便的時間安排維護工作，從而實現(xiàn)利用率和運行時間最大化，同時最大限度降低擁有成本。相關實現(xiàn)方案的適用范圍從基于云端的數(shù)字孿生到邊緣端預測，以用于監(jiān)測簡單驅(qū)動器和傳感器系統(tǒng)。對眾多工業(yè)應用而言，在邊緣進行處理并將處理后的數(shù)據(jù)傳輸至云端是最可行的解決方案，這是因為數(shù)據(jù)量很大，決策回路的響應時間至關重要。在邊緣端采用預測技術能提供巨大優(yōu)勢。例如，數(shù)控機床（ CNC ）主軸的操作故障不僅會造成數(shù)控機床的損壞，而且還會導致生產(chǎn)中斷，這些都會對成本造成巨大影響。
構建上述系統(tǒng)時面臨的一大關鍵挑戰(zhàn)在于，要為邊緣端部署開發(fā)機器學習應用。一款合適的工具套件可以助力解決這一挑戰(zhàn)，那就是提供即用型可部署高性能機器學習算法，以此支持開發(fā)者使用 PyTorch、TensorFlow 和 Caffe 等流行的機器學習框架來構建其應用。
圖 2：采用 SOM 和業(yè)界標準框架開發(fā)機器學習應用。Vitis? AI 工具提供了豐富的深度學習處理器單元（ DPU ），可作為可參數(shù)化的 IP 核，直接實現(xiàn)在 SOM 可編程硬件中（圖 2）。KV260 視覺 AI 入門套件等入門套件包括利用 Vitis DPU 的 AI 加速應用。
基于 ROS 2 的機器人技術
工業(yè) 4.0 最為關鍵的技術之一就是利用機器人技術實現(xiàn)生產(chǎn)流程自動化。在制造業(yè)中，這些解決方案適用于廣泛的應用，從生產(chǎn)線上的機械臂到運輸供應物資的機器人以及生產(chǎn)車間的物流等。
一款高性能、低時延的處理系統(tǒng)對于實現(xiàn)安全的環(huán)境交互至關重要。具體而言，需要控制機器人的活動部件，這些部件包含復雜的致動器、驅(qū)動器和機械系統(tǒng)，統(tǒng)稱為機電一體化。由于機器人內(nèi)部通過網(wǎng)絡通信來實現(xiàn)所需的實時控制，因此，包括可編程邏輯的 SOM 能帶來兩大優(yōu)勢，其中之一便是能支持任意對任意連接，這樣一來就簡化了與傳感器和驅(qū)動器連接。此外，可編程邏輯還可用于實現(xiàn)確定性網(wǎng)絡，這對機器人系統(tǒng)的實現(xiàn)十分關鍵。
很多開發(fā)項目都采用機器人操作系統(tǒng)（ ROS ），其包含用于創(chuàng)建機器人系統(tǒng)的一系列軟件庫和工具。盡管 ROS 已于近期升級至 ROS 2，但其原生的持續(xù)集成/持續(xù)交付（ CI/CD ）開發(fā)流水線卻是專門為基于 CPU 的異構處理系統(tǒng)而設計的。
圖 3：Kria K26 SOM
AMD 賽靈思推出的 Kria 機器人堆棧（ KRS ）支持 ROS 2，其增強功能可幫助開發(fā)者使用 Kria K26 的異構處理引擎和可編程邏輯提升實時確定性性能。此外，它還采用 SOM 的 Arm? Cortex?-R5 實時處理器，以此管理作為數(shù)據(jù)分發(fā)服務（ DDS ）核心的實時發(fā)布訂閱協(xié)議（ RTPS ），而這也是 ROS 2 的基干。
除此之外，將 CI/CD 流水線添加到監(jiān)測和自動化功能中，可以改進應用開發(fā)流程，尤其是在集成和測試階段以及交付和部署期間。這樣的自動化功能最大限度減少了 CI/CD 流水線每個環(huán)節(jié)的手動執(zhí)行工作，而且機器人專家可以采用相同的 ROS 2 協(xié)議和相同的工具作業(yè)，用于通過軟件實現(xiàn)的部件，或是通過可編程邏輯卸載或加速的部件。還有一種機制可以對 ROS 2 節(jié)點應用的執(zhí)行進行基準測試，這不僅有助于識別瓶頸因素，而且還有助于專門將一個或多個內(nèi)核定制為可編程邏輯中的卸載內(nèi)核。
結(jié)論
高性能自適應邊緣計算是工業(yè)數(shù)字化轉(zhuǎn)型的一大支柱。可編程 SOM 能夠簡化靈活的自適應計算解決方案的構建，搭配專門設計的 IP（包括軟件堆棧），便能加速實現(xiàn)可量產(chǎn)化模型的開發(fā)工作。
來源： Xilinx
免責聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯(lián)系小編進行處理。
推薦閱讀：
帶休眠國產(chǎn)CAN收發(fā)器SIT1043Q網(wǎng)絡故障診斷原理及應用
太空互聯(lián)網(wǎng)：大容量、低延遲LEO衛(wèi)星用戶和地面終端中的RFIC進展
