h1_key

　　亚德诺PD42-1243-IOLINK步进电机，随着工厂努力提高生产率和降低运营成本，对能够提高边缘智能的新技术的需求也在增加。你可能会想，边缘是什么意思?ADI将边缘定义为机器与现实世界的融合或互动!

　　例如，在工厂自动化领域，提高边缘智能意味着在一年内降低工厂的生产率。造成这一问题的最大原因是工厂关闭时间或生产线关闭，导致公司亏损。事实上，根据麦肯锡2018年10月发表的一篇文章，工厂生产线每年平均关闭时间为800小时，或每周平均关闭时间为15小时。这对公司的收入和利润产生了重大影响。例如，当工厂停止生产时，汽车制造商每分钟损失近2.2万美元。这意味着每小时损失130万美元，或每周损失近2000万美元。增强边缘智能对生产线有积极影响，提高生产率10%，节约维护成本20%。因此，在工厂环境中，通过防止生产线高成本停工，可以保持边缘智能的正常运行。

虽然增强边缘智能显然可以提高生产力，降低运营成本，但真正的问题是什么?作为半导体供应商，我们需要提供支持智能传感器和执行器的解决方案，配置IO并提供先进的诊断功能。让我们来看看这四个关键要素的重要性，以及它们在增强边缘智能方面的重要功能。

　　智能传感器技术

　　传感器无处不在!传感器广泛应用于我们的日常生活中。在制造环境中，所有成品都需要一系列传感器来帮助机器检测物体，确定与物体的距离，配置物体的颜色和组成，并监测物体或液体的温度和压力。

　　调试新的传感器来更换损坏的传感器或改装设备来制造不同的产品需要大量的人力，而且由于生产率的损失，成本负担很大。派技术人员到工厂车间更换传感器，重新校准正确的制造参数，影响工厂吞吐量。如果工厂内的每个传感器都有相同的维护水平，那么所有生产线的最大成本是更换或重新配置传感器。

　　IOLink是一项令人兴奋的新技术，允许工厂车间的所有机器进行智能检测。这种新技术有助于实现灵活的制造，从而提高工厂的吞吐量和运行效率。传统的数字或模拟传感器通过与传感器的双向信息交换转换为智能传感器。该技术提高了远程调试传感器的智能性和功能水平，并能随时调整传感器参数进行实时响应。目前，工厂自动化机械具有新的智能水平，可根据工厂车间传感器网络的运行状态和状态动态响应实时运行条件。通过使用智能传感器网络提供的大量端到端信息，工厂可以创建工厂车间的映射，为整体人工智能监控解决方案提供更好的实时信息，快速识别制造瓶颈和故障点，提供新思路，优化整个工厂车间的运行效率。

　　IO-Link技术通过使用协议栈和IO设备描述(IODD)文件的一般物理接口支持传感器交换，简化了调试过程，增加了工厂的吞吐量。这样，技术人员就可以快速调试传感器，从而减少工厂的停机时间，允许生产线随时重新配置。

随着公司意识到使用通用接口的好处，即压力、近距离、温度等传感器即插即用，更换非常简单，IOLink传感器的利用率不断提高。Researchandmarkets表示，IO-Link市场可持续发展，预计到2023年，CAGR将从2018年的30亿美元增长到120亿美元。

　　IOLinkHub和软件可以配置

　　显然，IOLink技术是一系列新型智能传感器的驱动因素。此外，IOLink还可以通过IOLinkHub解决方案赋予边缘智能。这些新的IOLinkHub提供了添加模拟和数字IO扩展通道的简单方法，并集成电磁阀和电机驱动器等智能执行器。

　　IOLinkHub以简单的方式扩展所需的渠道类型和数量，并以简单的方式扩展所需的渠道类型和数量，以支持事故生产线的重新配置。这些IO扩展中心的解决方案充分利用了IOLink技术的所有优势，并简化了添加数字和模拟IO端口的任务。这些新产品允许IOLinkHub调试传感器，从而减少工厂停机时间。在omronNXR系列IOLink集线器系列中可以看到这些解决方案的例子，声称设置和调试时间可以减少90%。

　　通过软件配置数字和模拟IO解决方案，自动化工程师和技术人员可以轻松调试通用IO端口。这些新软件可以配置的数字和模拟IO产品可以与IOLink提供的优势相媲美。它们不仅简化了工厂的布线工作，而且灵活地将任何数字或模拟IO传感器或执行器连接到任何未分配的数字和模拟IO端口。该软件可配置技术，提高工厂车间的成本效益和通道密度。

　　智能执行器

　　执行器用于影响和控制工厂车间产品的移动方向和速度。由于所有应用程序都需要一组独特的运动控制和电机驱动特性，这些智能执行器需要根据其环境进行动态调整，以形成一个完美的机电网络物理系统。目前，智能执行器可以自动调整其性能参数，以满足操作环境的需要。这是第一步，使执行器能够建立对环境的自我意识，并允许系统优化其性能，以最大限度地提高吞吐量或执行器的长期可靠性和运行性能。无论如何，它都会降低运营成本，提高效率。

　　要实现这种智能运动组合，需要整合两个关键要素。

　　第一个关键因素是高效模拟驱动技术，实现高压运行，提供当地环境的运行状态和状态，优化电机，实现高效率和更快吞吐量的平衡。

　　第二个关键因素是提供运动控制算法，以支持稳定的运动范围。这包括在运行过程中检测电机负载，避免生产线故障，降低功耗。

　　运动控制算法提供稳定准确的运动，而截断算法则侧重于提高电机的能效。此外，检测电枢的位置对于了解电机是否移动到正确的位置非常重要。通常，这可以通过磁性检测霍尔传感器或一些光学编码解决方案来完成。

以下两个新示例显示了下一代智能执行器的价值：PD42-1-1243-IOLINK和最近发布的机械手终端工具(EOAT)夹具参考TMCM-1617-GRIP-REF的设计。这两种解决方案展示了ADI与Trinamic智能运动、驱动器与IOLink通信技术相结合带来的强大性能。这些新的智能执行器允许工业自动化工程师通过IOLink通信接口访问50%以上的配置和性能参数，简化调试，提高工厂生产力。最后，为了适应运行环境的变化和人工智能技术，可以动态调整这些智能执行器，实现先进的生产力解决方案。根据操作环境塑造执行器性能的能力是智能运动控制的未来。

智能执行器-122-123-IOLINK步进电机和EOAT夹具(TMCM-16-GRIPREF)

　　诊断和实时决

　　为了提高基于边缘的实时决策，提高工厂车间的生产力和运营完整性，不断提供更丰富的数据集。根据2019年1月发布的一份名为制造市场人工智能的报告，预计到2025年，这些制造业强大的人工智能算法平台的收入将从2018年的10亿美元增加到170亿美元以上，或者近50%的CAGR。在此期间，由于智能工厂的快速投资，机器学习有望成为人工智能领域增长最快的部分。该增长背后的驱动力来自机器视觉摄像头，支持设备网络生成的大量运行状态和状态信息，提供预测分析算法，监控产品质量，评估机器状态和运行状态。

　　越来越多的信息将通过SPI总线和微处理器进行监控和收集。由于携带设备温度状态、过压、过流、开路检测、短路检测、高温警告、热切断、CRC等关键信息，这些IC数据信息的数量继续翻倍。现在，如果我们退一步，在工厂车间的各种设备中显著增加半导体芯片的数量，那么很明显，工厂车间的诊断地图可以用来预测、识别和诊断生产线故障。

　　智能工厂可以利用这些新功能来提高吞吐量和生产力。随着这些新技术的成熟，下一代人工智能算法将利用这些解决方案生成更高质量的实时数据。因此，这些具有自我意识的新机器将自动实现人工智能生成的解决方案，以保持生产线的正常运行，直到技术人员需要维护或维护。机器时代的自我意识将刺激工业自动化领域的下一个重大事件。