状态监测和预测维护系统在设备中包括多个智能传感器节点，这些节点直接连接到云端或通过中间网关连接。
计算均在智能传感器内部或本地微处理器上执行，无论是在网关还是在云端，这取决于预期的延迟以及原始数据和处理数据通过连接发送的距离。
直接在智能传感器节点或网关中进行数据计算时会进行边缘处理，以节省功耗并确保数据保密，从而使公司可以在节点层面分析关键信息并减少异常检测时间。
将边缘计算和云计算技术相结合有助于开发预测性维护技术并提高其效率和有效性。 的确，处理传感器附近的边缘数据使公司可以在节点层面检测到机器的损坏，并立即采取相应的纠正措施，从而防止进一步的损坏和机器故障。可以在云端对长期分析以及确定趋势和优化本地分析模型的操作进行管理，从而对来自多个节点的大量预处理数据进行更复杂的分析。
边缘处理具有以下优点：
- 机密性：数据不会发送到云端，而是存储在本地设备上
- 降低成本：显著优化了大量时间序列资产数据的延迟和吞吐量。减少云端发送和存储的无用机器数据量会带来显著效益，因其支持实时分布式应用并消除了对复杂系统的需求
- 低延迟：设备维修的最小延误对于关键任务资产至关重要。
为了便于在MCU和MPU边缘设备上实现预测性维护算法，STM32工具中增加了STM32Cube.AI生态系统，通过自动转换预训练的神经网络扩展了STM32CubeMX软件功能。STM32Cube.AI支持多种深度学习框架并包含优化库，可在嵌入式应用层面实现人工智能算法。
意法半导体还为工业网关提供完整的微处理器和优化的电源管理解决方案，作为现场聚合处理的关键推动力。用于边缘和云端处理的软件开发套件和云应用程序（入门套件），以及AI Studio工具，例如STM32Cube.AI软件和代码示例包含在我们的功能包和解决方案中。
精选 视频
| Picture | Solution |
|---|---|
|
Vibration, ultrasound and environmental sensor nodes for condition monitoring with Wi-Fi and cellular connectivity to cloud applications
SL-PREDMNT-S2C
批量生产
|
|
A Condition monitoring cloud gateway solution, using smart sensor nodes and edge processing
SL-PREDMNT-E2C
批量生产
|
Vibration, ultrasound and environmental sensor nodes for condition monitoring with Wi-Fi and cellular connectivity to cloud applications
SL-PREDMNT-S2C
批量生产
A Condition monitoring cloud gateway solution, using smart sensor nodes and edge processing
SL-PREDMNT-E2C
批量生产
All resources
应用手册 (1)
| Resource title | Latest update | |||
|---|---|---|---|---|
| 14 Apr 2020 |
14 Apr 2020
|
简报 (3)
| Resource title | Latest update | |||
|---|---|---|---|---|
| 12 Jun 2020 |
12 Jun 2020
|
|||
| 19 Oct 2020 |
19 Oct 2020
|
|||
| 14 Apr 2020 |
14 Apr 2020
|
宣传册 (2)
| Resource title | Latest update | |||
|---|---|---|---|---|
| 14 Apr 2020 |
14 Apr 2020
|
|||
| 17 Jul 2020 |
17 Jul 2020
|
手册 (1)
| Resource title | Latest update | |||
|---|---|---|---|---|
| 13 Aug 2020 |
13 Aug 2020
|
