Selain itu, seiring para industrialis dan organisasi medis berupaya memanfaatkan otomatisasi, sistem – mulai dari perangkat, edge, hingga cloud – diintegrasikan dengan AI, ML, software analitik data, dan layar cerdas.
Hal ini mendorong kebutuhan akan komputasi yang lebih terdiversifikasi. Pendekatan baru yang dimungkinkan oleh platform komputasi adaptif yang dirancang untuk aplikasi kontrol kaya sensor dapat mempercepat pengembangan, menyederhanakan integrasi hardware-software, dan mempertahankan kinerja sekaligus memungkinkan kontrol yang ketat atas konsumsi daya.
Tren komputasi PC Embedded
Digitalisasi aplikasi edge yang sedang berjalan mencakup beberapa elemen termasuk sensorisasi, penggabungan AI dan pembelajaran mesin di seluruh edge dan komputasi awan, antarmuka manusia-mesin, pengalaman multimedia, jaringan dan integrasi domain Operational Technology (OT) dan Information Technology (IT), yang sering kali membutuhkan elemen komputasi berbeda agar dapat bekerja secara optimal.
Sebagai contoh sistem pencitraan medis. Sistem ini biasanya mencakup probe yang perlu dihubungkan dan diproses menggunakan berbagai algoritma, yang membutuhkan komputasi dalam jumlah besar mengingat kompleksitas beban kerjanya. Data yang dihasilkan oleh operasi ini baru berguna bagi pengguna medis seperti ahli radiologi dan ahli jantung setelah dibersihkan, diorganisir, dan diproses.
Mesin analitik data dan inferensi AI juga dapat menghasilkan wawasan untuk mempercepat proses analisis hasil. Semua informasi ini harus ditampilkan dan divisualisasikan pada monitor untuk membantu analis medis dan disalurkan ke basis data medis melalui jaringan organisasi.
Ini hanyalah salah satu contoh proses di mana sensorisasi ekstensif memungkinkan banyak perubahan yang dapat meningkatkan efisiensi dan produktivitas untuk aplikasi embedded. Sensor-sensor yang beragam ini perlu dihubungkan dan diproses secara tepat waktu, biasanya dalam rentang milidetik, untuk mencapai responsivitas maksimum.
Penerapan sensor secara masif juga memberi masukan bagi algoritma Big Data yang mengekstrak kecerdasan tentang proses dan menghasilkan wawasan yang mendorong peningkatan dan pengembangan produk generasi mendatang.
Sejumlah besar instans edge yang memiliki sensor dan platform komputasi adaptif juga memiliki PC yang terintegrasi atau terhubung ke sistem mereka. Menyatukan komputasi x86, AI, kontrol, antarmuka dan pemrosesan sensor, visualisasi, dan jaringan memberikan keuntungan penting, termasuk pengurangan ukuran yang memudahkan penerapan dan instalasi.
Selain itu, penghematan konsumsi daya menyederhanakan desain catu daya dan memungkinkan aplikasi bertenaga baterai seperti AMR yang digunakan untuk memindahkan komponen, material, dan produk jadi di dalam pabrik untuk beroperasi lebih lama dengan sekali pengisian daya.
Meskipun pemasangan baterai yang lebih besar untuk mencapai waktu proses yang hilang akibat konsumsi daya yang berlebihan pada mesin pemrosesan akan menambah biaya dan bobot sistem, solusi yang lebih terintegrasi memungkinkan biaya kepemilikan yang lebih rendah.
Namun, integrasi menuntut upaya rekayasa hardware dan software yang intensif, yang terus berlanjut seiring semakin banyaknya saluran sensor yang ditambahkan demi mencapai produktivitas, keamanan, dan perencanaan bisnis yang lebih efisien.
Integrasi Fleksibel
Pendekatan yang umum adalah memanfaatkan ekosistem yang kaya di sekitar arsitektur prosesor x86, yang umum digunakan dalam komputasi industri dan medis, bersama dengan platform komputasi adaptif yang dapat menjalankan kontrol mesin secara real-time, antarmuka sensor, dan jaringan. Kombinasi ini dapat diterapkan pada kasus-kasus seperti visi mesin, jaringan industri, pengendali robot, pencitraan medis, kota pintar, keamanan, dan analitik ritel.
Secara konvensional, PC industri bertindak sebagai gatekeeper, menangani masuknya data sensor dan menentukan apakah pemrosesan akan ditangani pada core x86 atau, jika tersedia, kartu akselerator berbasis FPGA yang diakses melalui antarmuka PCIe.
Latensi merupakan masalah utama yang dihadapi dengan pendekatan ini. Waktu yang dibutuhkan untuk menyerap, memproses, dan mentransfer data sensor ke akselerator menambah penundaan yang dapat membuat respons sistem secara real-time menjadi mustahil.
Usulan untuk mengintegrasikan antarmuka sensor, prosesor AI, dan pemrosesan jaringan ke dalam platform komputasi adaptif berbasis FPGA sangat menjanjikan. Menggabungkan fungsi-fungsi ini ke dalam satu motherboard meningkatkan efisiensi komputasi dan mengurangi latensi, sehingga menghilangkan kebutuhan data untuk melintasi komponen-komponen yang berbeda. Pendekatan terintegrasi ini menawarkan potensi respons yang lebih cepat dan akurasi yang lebih tinggi, serta konsumsi daya yang lebih rendah.
Ekosistem yang mendukung
Platform komputasi adaptif yang mampu menangani pemrosesan sensor, kontrol, jaringan, dan inferensi AI secara real-time dapat membantu meminimalkan latensi, daya, dan ukuran solusi secara keseluruhan. Hasilnya menciptakan platform yang efisien dan tangguh untuk pemrosesan embedded.
Memperluas prinsip ini, yang diwujudkan dalam perangkat seperti prosesor heterogen adaptif AMD Versal, dapat membantu menyederhanakan pembangunan platform komputasi tertanam untuk mendukung tren sensorisasi sekaligus mengatasi beban kerja yang beragam. Dengan penambahan IP prosesor x86, pemanfaatan solusi komputasi adaptif khusus, serta sejumlah besar I/O yang sesuai untuk antarmuka sensor, tingkat integrasi, efisiensi daya, dan respons sistem berikutnya dapat dicapai.
Sejumlah besar I/O memungkinkan untuk menghubungkan berbagai jenis sensor dan mengarahkan sinyal secara langsung untuk diproses. Hal ini dapat diterapkan pada berbagai jenis sensor seperti kamera GMSL (Gigabit Multimedia Serial Link), 10/25GE, LiDAR, probe medis seperti endoskopi dan ultrasound. Selain itu, saluran sensor tambahan dapat dikonfigurasi dengan relatif mudah saat dibutuhkan, sehingga membantu skalabilitas.
Pendekatan ini menggabungkan keunggulan antarmuka sensor yang skalabel dan akselerasi heterogen dengan keunggulan ekosistem besar yang mendukung pemrosesan industri pada platform x86 untuk menyederhanakan software penginderaan, AI, serta kontrol dan jaringan. Dengan demikian, para insinyur dapat membangun komputer tertanam yang dioptimalkan dan tepat memenuhi kebutuhan mereka.
Mereka dapat menyesuaikan jumlah I/O sensor, membawa setiap kanal secara individual ke dalam mesin akselerasi yang paling sesuai, baik itu CPU, inti waktu nyata (real-time core), DSP, atau mesin AI, logika terprogram, dan menyempurnakan implementasi untuk konsumsi daya dan kinerja yang optimal.
Fleksibilitas untuk menghubungkan sinyal pada kanal input apa pun ke mesin pemrosesan yang paling sesuai pada chip juga membantu para insinyur menangani kekritisan sensor campuran, berdasarkan kepentingan dan ketergantungan pada determinisme waktu nyata (real-time determinism).
Ekosistem luas yang mendukung komputasi embedded x86 menyediakan sumber daya yang kaya untuk mendukung pengembangan aplikasi seperti visi mesin, pemindaian gambar medis, kontrol robot, dan lainnya.
(Steven Fong, Corporate Vice President, APJ Embedded Business)
Cek Berita dan Artikel yang lain di
Google News
Viral! 18 Kampus ternama memberikan beasiswa full sampai lulus untuk S1 dan S2 di Beasiswa OSC. Info lebih lengkap klik : osc.medcom.id
