SMRI利用意法半导体的生态系统开发了一套基于人工智能的解决方案,通过为工业设备增添预测性维护特性,缩短设备停机时间,提高生产率,并减少人为干预。

我们需要一种在工业领域无可争议的高效预测性维护技术,可以敏捷实施到设备中。在比较了市场上的几种解决方案后,我们选择了意法半导体的NanoEdge AI,这是唯一能够保证我们获得最优结果、快速实施,并且能保护我们客户工业数据私密性并为其提供巨大创新价值的解决方案。

Luc Frison, SMRI公司总裁

方法

得益于嵌入式机器学习,SMRI开发并快速实施了一套预测性维护解决方案,能够在现场学习不同序列并实时、准确地检测偏差,以在发生重大故障之前及时作出干预。
该解决方案在超低功耗的STM32微控制器上运行。

传感器

意法半导体加速度计。
模型创建工具
NanoEdge AI Studio
NanoEdge AI Studio
兼容
STM32
STM32
资源

模型创建工具 NanoEdge AI Studio

一款免费的AutoML软件,用于向嵌入式项目添加AI,并逐步引导用户轻松找到符合其需求的最佳AI模型。

NanoEdge AI Studio NanoEdge AI Studio NanoEdge AI Studio

兼容 STM32

STM32系列32位微控制器基于Arm Cortex®-M处理器,旨在为MCU用户提供新的开发自由度。它包括一系列产品,集高性能、实时功能、数字信号处理、低功耗/低电压操作、连接性等特性于一身,同时还保持了集成度高和易于开发的特点。

STM32 STM32 STM32
以下案例可能对您也有所启发

工业 | 智慧城市 | 视觉 | STM32Cube.AI | STM32 AI MCU | 合作伙伴 | 视频 | 交通运输 | Model zoo

Smart rear view camera running on batteries

STM32N6 如何提升盲区内人员、汽车、卡车及骑行者的实时检测性能

视觉 | STM32Cube.AI | STM32 AI MCU | 视频 | 客户案例 | 加速度计 | 可穿戴设备

How ultralight AR glasses are redefined with Edge AI

莫界科技利用STM32N6 MCU搭载的边缘AI和计算机视觉技术提升AR眼镜性能

教程 | 演示 | MEMS MLC | 陀螺仪 | 加速度计 | 预测性维护 | 可穿戴设备 | ST AIoT Craft

使用超低功耗传感器识别可穿戴设备的头部动作

通过MEMS传感器中的机器学习内核,识别头部动作,如点头、摇头及其他一般头部动作。