針對國防、採礦、農業、林業和建築等高要求應用的堅固平台,歷史上都受到高效能處理器和其他關鍵系統元件的有限操作溫度範圍限制。這些應用通常需要在 -40°C 至 70°C 的環境範圍內的操作溫度(因此,甚至更高的接點溫度),而最高效能、最理想的處理器通常不會在這些操作溫度範圍中提供。

全新 NVIDIA 捷森 AGX 奧林工業系統上模組(SOM)開啟了解新的大門 堅固耐用的可部署 深度學習和串流 I/O 平台。
雖然高端的溫度範圍往往會受到最大的關注,但由於需要將熱量從組件中轉移出來,但 iron子的是,低端 -40°C 的要求通常面臨最大的挑戰。電氣元件在 -40°C 下長時間冷卻後啟動時,它們會開始發生不可預測的作用,通常會中斷設計的電源排序,而且只是無法正確啟動。這可以通過引入預加熱機制來解決這個問題,但這需要時間、動力和額外組件來驅動成本。在這些低溫下設計可靠的冷啟動設計更好。
全新 Jetson AGX Orin 工業 SOM 可為 15W、35W、60W、最高達 75W 提供三種功率預算的設定,可為其消耗的功率(以及產生的熱量)提供令人印象深刻的控制。如果應用程式不需要處理器的 100% 工作週期才能滿足其處理需求,開發人員可以將工業級模組設定為較低的電源預算,以降低可部署系統的整體熱負載。這可能意味著需要主動式冷卻套件(即風扇)和能夠依賴被動式無風扇對流冷卻之間的區別。
在上述應用中,國防應用傳統上在堅固的系統設計中引領先地位。各種標準,例如 MIL-STD-810,定義了電子元件必須可靠運作的環境要求,以及驗證元件實際上是否符合要求所需的測試方法。
除了溫度範圍之外,堅固耐用的系統還需要應對極端的振動和衝擊、濕度、雨水和冰凍、吹沙和灰塵、靜電放電(ESD)以及暴露於燃料、液壓液等液體污染物,甚至像咖啡或蘇打水等普通(但令人驚訝的破壞性)的東西。隨著 AI 驅動的自動化在非防禦堅固的應用程序中的興起,轉向可部署的防禦平台,以獲取有關如何針對這些類似要求的非防禦應用程序堅固化的指導是很自然的。
Elma Electronic 採用了我們最新的堅固型集成系統採用這種方法, 噴氣系統 -5330。我們利用多年的設計經驗 堅固耐用的可部署 AI/嵌入式計算系統可確保堅固的平台即使在最嚴苛的情況下也可靠地運行。讓我們來看一下這可能很重要的一些例子:
- 操作溫度: 明顯的應用如採礦,農業,建築和林業(本文稱為 MACF)需要在廣泛的溫度範圍內操作。加拿大北部的冬季中期可能會使 MACF 車輛暴露在攝氏 -40°C 範圍內,而澳大利亞或中非洲採礦車的電子系統必須承受 45°C 的環境和車輛產生的額外熱量。捷森 AGX 奧林工業系統可在 TTP 表面支援 -40 度至 85 度。
- 衝擊和振動:MACF 平台通常在不斷的振動和衝擊下生活中生活。
- 濕度、雨、冰霜、吹沙和灰塵以及其他液體污染物:入侵防護代碼(或 IP 代碼)是一種通常接受的方法,用於定義(和驗證)電子系統可靠地承受哪種污染物入侵。MACF 系統通常在需要高達 IP67 級進入保護的環境中運行(無灰塵進入,並且完全浸入 1 米水中 30 分鐘)。對液體污染物進行額外測試通常是一項操作要求。雖然可以通過將敏感計算系統放置在環境控制的機櫃中保護,但是自由放置系統在需要的地方,而不必擔心暴露於環境污染物的情況下是一項重要的特點。
- 靜電放電: MACF 系統在塵土環境中運作,以及人類操作員周圍運作,這些系統經常會將敏感電子系統暴露在 ESD 事件中。因此,先進的人工智慧/串流視訊系統必須容忍 ESD 事件。
為了可靠地利用 AGX Orin 的前所未有的嵌入式 AI 和串流視覺處理能力,以滿足環境要求的 MACF 應用,系統整合商和車輛 OEM 應考慮具有可部署防禦運算系統經驗的供應商。艾爾瑪的 噴氣系統 -5330憑藉其 NVIDIA Jetson AGX 奧林工業 SOM,為許多 MACF 自動駕駛汽車或操作自動化應用推出引人入勝的 AI 和視覺處理解決方案。
您可以在網站上找到更多關於 JetSYS-5330 的詳細信息 產品頁面。
英維亞、捷森和奧林均為 NVIDIA 公司的商標
AI 在工業環境中使用,直接在邊緣處理來自感測器、攝像頭和控制系統的複雜資料,從而實現預測性維護、品質檢測、異常偵測、機器人控制和自適應自動化的實時決策。
主要挑戰包括電源限制、散熱、惡劣的環境條件(溫度、灰塵、振動)、空間有限,以及儘管有這些壓力因素,確保可靠性能。工業 AI 系統必須設計以處理這些限制,同時保持正常運行時間和準確性。
Edge AI 可讓系統在本機分析資料 (接近產生的地方),減少延遲、減少對網路連線的依賴、改善資料隱私,並提供更快速回應關鍵事件。這些優勢對於關鍵任務和安全關鍵工業操作至關重要。
工業 AI 系統通常在專為極端環境中運行而設計的堅固嵌入式主機板上使用高效能 CPU、GPU、FPGA 和專用 AI 加速器。這些元件可提供執行複雜的機器學習和神經網路工作所需的運算能力。
高效能 AI 處理器可產生大量熱量。如果沒有有效的散熱管理 (例如傳導冷卻、通風設計或先進的散熱片策略),系統效能和可靠性可能會降低,尤其是在密閉式堅固的機箱中。

How is proven interoperability strengthening the MOSA ecosystem and what challenges have been addressed through successful partner demonstrations?