ROHM utvikler mikrokontrollere med kunstig intelligens

ROHM har utviklet mikrokontrollere med innebygd kunstig intelligens (KI MCU-er) – ML63Q253x-NNNxx / ML63Q255x-NNNxx – som muliggjør feilprediksjon og forringelsesprognoser ved hjelp av sensordata i et bredt utvalg av enheter, inkludert industrielt utstyr som motorer. Disse MCU-ene er bransjens første som uavhengig utfører både læring og inferens uten å være avhengig av en nettverkstilkobling.

Etter hvert som behovet for effektiv drift av utstyr og maskiner fortsetter å vokse, har tidlig feildeteksjon og forbedret vedlikeholdseffektivitet blitt sentrale utfordringer. Utstyrsprodusenter søker løsninger som tillater sanntidsovervåking av driftsstatus samtidig som de unngår ulempene med nettverksforsinkelse og sikkerhetsrisikoer. Standard KI-behandlingsmodeller er imidlertid vanligvis avhengige av nettverkstilkobling og høyytelses-CPU-er, som kan være kostbare og vanskelige å installere.

Dette har inspirert ROHM til å utvikle KI MCU-er som muliggjør frittstående KI-læring og inferens direkte på enheten. Disse nettverksuavhengige løsningene støtter tidlig avviksdeteksjon før utstyrsfeil – noe som bidrar til en mer stabil og effektiv systemdrift ved å redusere vedlikeholdskostnader og risikoen for linjestans.

De nye produktene bruker en enkel 3-lags nevral nettverksalgoritme for å implementere ROHMs proprietære KI-løsning på enheten, «Solist-AI». Dette gjør det mulig for MCU-ene å utføre læring og inferens uavhengig, uten behov for sky- eller nettverkstilkobling.

KI-behandlingsmodeller er vanligvis klassifisert i tre typer: skybasert, kant- og endepunkt-KI. Skybasert KI utfører både trening og inferens i skyen, mens kant-KI bruker en kombinasjon av sky- og lokale systemer – for eksempel fabrikkutstyr og PLS-er – koblet til via et nettverk. Typisk endepunkt-KI utfører trening i skyen og utfører inferens på lokale enheter, så nettverkstilkobling er fortsatt nødvendig. Videre utfører disse modellene vanligvis inferens via programvare, noe som nødvendiggjør bruk av GPU-er eller høyytelses-CPU-er.

I motsetning til dette kan ROHMs KI-MCU-er, selv om de er kategorisert som endepunkt-KI, uavhengig utføre både læring og inferens gjennom læring på enheten, noe som muliggjør fleksibel tilpasning til forskjellige installasjonsmiljøer og variasjoner fra enhet til enhet, selv innenfor samme utstyrsmodell. Med ROHMs proprietære KI-akselerator «AxlCORE-ODL», leverer disse MCU-ene omtrent 1000 ganger raskere KI-prosessering sammenlignet med ROHMs konvensjonelle programvarebaserte MCU-er (teoretisk verdi ved 12 MHz-drift), noe som muliggjør sanntidsdeteksjon og numerisk utdata av anomalier som «avviker fra normen». I tillegg er høyhastighetslæring (på stedet) på installasjonsstedet mulig.

KI-MCU-ene har en 32-bits Arm Cortex-M0+ kjerne, CAN FD-kontroller, 3-faset motorstyring PWM og doble A/D-omformere, noe som oppnår et lavt strømforbruk på omtrent 40 mW. Som sådan er de ideelt egnet for feilprediksjon og avviksdeteksjon i industrielt utstyr, boliganlegg og husholdningsapparater.

Produktserien vil bestå av 16 produkter i forskjellige minnestørrelser, pakketyper, pin-antall og pakkespesifikasjoner. Masseproduksjon av 8 modeller i TQFP-pakken startet sekvensielt i februar 2025. Blant disse er to modeller med 256 KB Code Flash-minne og taping-pakke tilgjengelig for kjøp, sammen med et MCU-evalueringskort, gjennom nettdistributører.