DH electronics: AWS Greengras Qualified IoT Gateway basierend auf STM32MP15 ermöglicht Anomalieerkennung im industriellen Umfeld

Experten von DH electronics, Klika Tech, STMicroelectronics und AWS haben eine Lösung entwickelt, die Anomalien auf Geräteebene erkennt. Die Lösung basiert auf dem AWS Greengras Qualified Industrial IoT Gateway von DH electronics, das ein STM32MP15-basiertes System on Module zur Vorverarbeitung von Daten auf Maschinenebene verwendet. Der IIoT Anomaly Development Solution Accelerator führt tinyML und Amazon Sage-Maker NEO on the Edge aus, um abnormales Verhalten zu erkennen und eine kontinuierliche ML-Modelloptimierung sicherzustellen. Diese fortschrittlichen Technologien ermöglichen es Kunden, Systemineffizienzen zu beseitigen, die Betriebszeit und Auslastung von Anlagen zu erhöhen und die Lebenszyklen von Geräten zu verlängern. Das IIoT Gateway ist für industrielle Umgebungen konzipiert: Das robuste Gehäuse kann auf einer Hutschiene montiert werden, die Betriebstemperatur beträgt 0 bis +50 °C, Dual Ethernet ermöglicht höchste Sicherheit, die Langzeitverfügbarkeit von 10+ Jahren ist garantiert und die Software wird gewartet.

Der 3D-Drucker ist mit zwei Beschleunigungssensoren ausgestattet, deren Bewegungsdaten über Wireless Bluetooth und Wireless LoRa an zwei ST Nucleo-Boards weitergeleitet werden. Der NUCLEO-WB55RG ist drahtlos mit dem STM32MP15-basierten IIoT-Gateway von DH electronics mit zertifiziertem Greengrass 2.0 Build verbunden. Der Machine Learning Algortithmus für die Anomalieerkennung des NUCLEO-WB55RG wird auf dem IIoT-Gateway ausgeführt. Ergänzend dazu wird der Machine Learning Algortithmus zur Erkennung von Anomalien in den Bewegungsdaten des LoRa-Sensors auf dem NUCLEO-WL55JC1 ausgeführt, um die Kommunikationsbandbreite zu reduzieren. NUCLEO-WL55JC1 ist über das IIoT-Gateway mit der LoRa-Basisstation und dem IoT Corn für LoRaWAN verbunden. Eine grafische Displayeinheit zur Anzeige von Anmoalien wird in der AWS-Cloud umgesetzt. Der Machine Learning Algortithmus wurde mit demselben Aufbau im Datenerfassungsmodus unter Verwendung von AWS Sagemaker, Sagemaker neo und Cube.AI erstellt.

Diese Produkte sind Teil der Demo

STM32MP1x mit Dual Cortex-A7 und Cortex-M4

DHCOM STM32MP15

Leistungsfähiges Dual Core Modul basierend auf STM32MP1x

Vom Sensor in die Cloud

IoT Gateway DRC02

Austauschbares SOM für maximale Skalierbarkeit und Flexibilität. Erweiterbar um EnOcean und RS485.

zu unserer Partnerseite bei ST

Name	Zweck	Ablauf	Typ	Anbieter
CookieConsent	Speichert Ihre Einwilligung zur Verwendung von Cookies.	1 Jahr	HTML	Website
fe_typo_user	Ordnet Ihren Browser einer Session auf dem Server zu. Diese Daten beeinflussen die Inhalte, die Sie sehen und werden nicht von uns ausgewertet oder verarbeitet.	Session	HTTP	Website

Name	Zweck	Ablauf	Typ	Anbieter
_ga	Wird zur Unterscheidung von Nutzern verwendet.	2 Jahre	HTML	Google
_gat	Wird zur Drosselung der Anfragerate verwendet.	1 Tag	HTML	Google
_gid	Wird zur Unterscheidung von Nutzern verwendet.	1 Tag	HTML	Google
_ga_--container-id--	Speichert den aktuellen Status der Session.	2 Jahre	HTML	Google
_gac_--property-id--	Wird zur Auswertung von den mit Google Analytics erstellten Kampagnen verwendet.	3 Monate	HTML	Google
_gcl_au	Wird von Google AdSense verwendet, um die Effizienz der Werbung auf Websites, die ihre Dienste nutzen, zu testen.	3 Monate	HTML	Google
AMP_TOKEN	Enthält ein Token, mit dem eine Client-ID vom AMP-Client-ID-Dienst abgerufen werden kann. Andere mögliche Werte sind Opt-Out, Inflight Request oder ein Fehler beim Abrufen einer Client-ID vom AMP Client ID-Dienst.	1 Jahr	HTML	Google
_dc_gtm_--property-id--	Bestimmte Daten werden nur maximal einmal pro Minute an Google Analytics gesendet. Das Cookie hat eine Lebensdauer von einer Minute. Solange es gesetzt ist, werden bestimmte Datenübertragungen unterbunden.	2 Jahre	HTML	Google

3D-Druck: Anomalieerkennung mit STM32MP15-basiertem IoT-Gateway und AWS Greengrass