Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
02 2020 Elektronik 33 Mikroelektronik Wer diese leistungsstarke Datenverarbeitung nutzen möchte sollte einen abgestuften Ansatz wählen um nicht überfordert zu sein In einer ersten Phase wird die komplexe Ereignisverarbeitung CEP Complex Event Processing untersucht in der zweiten Phase werden dann neuronale Netze zur Synthese und Schulung maschinell lernender Modelle und zum Erstellen maschinell erlernter Datenbanken zum Einsatz kommen Die finale Phase dann darin diese Datenbanken durch eine auf einer FPGAfähigen Plattform implementierte KI zu nutzen mit dem Ziel optimale Aktionen zu ermitteln oder sogar automatisch umzusetzen hs Gegen hohe Latenz Edge-Computing Angesichts problematischer Latenzzeiten gewinnt Edge-Computing zunehmend an Bedeutung und erfordert daher leistungsstarke Algorithmen die zusammen mit anderen Aspekten in Betracht gezogen werden müssen Dazu zählen auch die Sicherheitsbedenken bei der Entwicklung der für die Datenerfassung erforderlichen Infrastruktur In einer Vorhersageanalyse liefern die gesammelten Daten beispielsweise ein dringend benötigtes Basisprofil ideal funktionierender Geräte das eine gemeinsame Analyse zwischen Lieferant und Anwender ermöglicht Auf diese Weise wird das Konzept der Industrie 4 0 wahrlich genutzt auch wenn es nicht in der durch den Hype definierten Weise umgesetzt wird Dennoch gibt es viele Hürden mit denen Betreiber industrieller Systeme zu kämpfen haben Es ist oft einfacher mit dem jetzigen Wissensstand fortzufahren als ein System zu implementieren das auf Techniken basiert für die noch keine Erfahrungen vorliegen Entscheidend dabei ist kontinuierlich in die Forschung zu investieren und neue Techniken im Kontext der Vorhaben zu bewerten um so festzustellen wo die tatsächlichen Effizienzund Verbesserungspotenziale liegen Wenn diese dann die Ergebnisse liefern die für Lieferanten und Kunden von Wert sind sollten sie weiterverfolgt werden Skalierbare Datenverarbeitung mit programmierbarer Logik Ein Schwerpunkt ist die schnelle Skalierbarkeit eines industriellen Systems um vorübergehend unerwartete Anforderungen zu erfüllen oder auf eine Phase schnellen Wachstums zu reagieren ICs mit festen Funktionen machen in solchen Fällen den programmierbaren Funktionen Platz aber es muss nicht unbedingt ein harter Wechsel stattfinden Hybride Ansätze erlauben es das Beste aus Alt und Neu zu nutzen Der alte Ansatz bietet durch spezielle ICs oft eine geringere Latenz und damit schnellere Reaktionszeiten Neue Schaltungen ermöglichen virtualisierte Steuerungssysteme bieten die Flexibilität ein Backup für kritische Anwendungen bereitzustellen und ermöglichen Skalierbarkeit um Verarbeitungsressourcen entsprechend den aktuellen Anforderungen besser zu verteilen Diese Flexibilität bleibt durch die einfache Rekonfiguration FPGAbasierter Plattformen erhalten Die mit Abstand größte Herausforderung für die Industrie ist die künstliche Intelligenz KI oder realistischer ausgedrückt der Einsatz neuronaler Netze und maschinelles Lernen Dies erfordert ein durchdachtes Konzept bei der Prozessoren in jeder Phase eine Rolle spielen Viele der heutigen FPGAbasierten Anwendungen konzentrieren sich auf Bildverarbeitungssysteme bei denen Toolkits wie OpenVINO zum Einsatz kommen Es gibt aber noch viele ungenutzte Bereiche die noch zu bewerten sind Hier muss der Fokus wirklich auf Anwendungen liegen bei denen kausale Zusammenhänge aus den aggregierten Daten mehrerer Prozesse ermittelt werden können Hardware wie die Programmable Acceleration Card PAC in Verbindung mit dem oneAPIToolkit ist ein Element beim Einsatz von FPGAs um eine schnelle Verarbeitung dieser Daten zu ermöglichen in Systemen die hinsichtlich Stromaufnahme Kosten und Formfaktor beschränkt sind und sich sehr wahrscheinlich am Netzwerkrand befinden Anbieter die dieses Leistungsspektrum über mehrere skalare Vektor-Matrixund räumliche SVMS Architekturen in CPUs GPUs KI und anderen Beschleunigern bereitstellen können sind entscheidend für den Erfolg der Entwickler die sie einsetzen wollen Patrick Dorsey Vice President in der Network and Custom Logic Group NCLG und General Manager für FPGA und Power Product Marketing Intel Corporation leitet die Marketingaktivitäten der Network and Custom Logic Group für Intels programmierbare LogikICs FPGAs Software und Entwicklungswerkzeuge geistiges Eigentum und HardwarebeschleunigerPlattformen Er kam 2016 als Senior Director im FPGA Product Marketing zu Intel einer Position die er bei Altera innehatte als Altera von Intel übernommen wurde Dorsey verfügt über mehr als drei Jahrzehnte Erfahrung in den Bereichen General Management Vertrieb Consulting Marketing strategische Planung und operatives Management in der Hardund Softwaretechnik sowie Professional Services Bevor er zu Intel kam hatte Dorsey Führungspositionen bei Texas Instruments Deloitte Consulting Sun Microsystems Xilinx und Altera inne Dorsey hat einen Bachelor-Abschluss in Computertechnik von der Universität von Michigan Ann Arbor USA und einen MBA-Abschluss von der Universität von Michigan Ross School of Business Ann Arbor tanya van langenberg@intel com Die mit Abstand größte Herausforderung für die Industrie ist die künstliche Intelligenz