Da der Bedarf an effizientem Anlagen- und Maschinenbetrieb stetig wächst, sind die frühzeitige Fehlererkennung und die verbesserte Wartungseffizienz zu zentralen Herausforderungen geworden. Anlagenhersteller suchen nach Lösungen, die eine Echtzeitüberwachung des Betriebszustands ermöglichen und gleichzeitig die Nachteile von Netzwerklatenz und Sicherheitsrisiken vermeiden. Standardmäßige KI-Verarbeitungsmodelle benötigen jedoch häufig leistungsstarke CPUs und Netzwerkverbindungen, deren Implementierung kostspielig und aufwendig sein kann.
Als Reaktion darauf hat ROHM innovative KI-gestützte Mikrocontroller entwickelt, die autonomes KI-Lernen und -Inferenzen direkt auf dem Gerät ermöglichen. Diese netzunabhängigen Lösungen erlauben die Früherkennung von Anomalien vor Geräteausfällen und tragen so zu einem stabileren und effizienteren Systembetrieb bei, indem sie Wartungskosten und das Risiko von Leitungsstillständen reduzieren.
Die neuen Produkte nutzen einen einfachen dreischichtigen neuronalen Netzwerkalgorithmus zur Implementierung der exklusiven On-Device-KI-Lösung „Solist-AI™“ von ROHM. Dadurch können die Mikrocontroller selbstständig lernen und Inferenz durchführen, ohne dass eine Cloud- oder Netzwerkverbindung erforderlich ist.
KI-Verarbeitungsmodelle werden im Allgemeinen in drei Typen unterteilt: Cloud-basierte KI, Edge-KI und Endpunkt-KI. Cloud-basierte KI führt Training und Inferenz in der Cloud durch, während Edge-KI eine Kombination aus Cloud- und On-Premise-Systemen nutzt, beispielsweise Fabrikanlagen und SPSen, die über ein Netzwerk verbunden sind. Typische Endpunkt-KI führt das Training in der Cloud und die Inferenz auf lokalen Geräten durch, sodass weiterhin eine Netzwerkverbindung erforderlich ist. Darüber hinaus führen diese Modelle die Inferenz häufig mithilfe von Software durch, was den Einsatz leistungsstarker GPUs oder CPUs bedingt.
Im Gegensatz dazu können die KI-Mikrocontroller von ROHM, obwohl sie als Endpunkt-KI klassifiziert sind, durch On-Device-Learning sowohl selbstständig lernen als auch Inferenz durchführen. Dies ermöglicht eine flexible Anpassung an unterschiedliche Installationsumgebungen und Geräteabweichungen, selbst innerhalb desselben Gerätemodells. Ausgestattet mit dem exklusiven KI-Beschleuniger „AxlCORE-ODL“ von ROHM bieten diese Mikrocontroller eine etwa 1000-mal schnellere KI-Verarbeitung als die herkömmlichen softwarebasierten Mikrocontroller von ROHM (theoretischer Wert bei 12 MHz). Dadurch können Anomalien, die von der Norm abweichen, in Echtzeit erkannt und numerisch ausgegeben werden. Darüber hinaus ist ein schnelles Lernen direkt vor Ort bei der Installation möglich, wodurch sie sich ideal für die Nachrüstung bestehender Anlagen eignen.
Diese KI-gestützten Mikrocontroller verfügen über einen 32-Bit Arm® Cortex®-M0+ Kern, einen CAN-FD-Controller, eine dreiphasige Motorsteuerung mit PWM und zwei A/D-Wandler, wodurch sie einen geringen Stromverbrauch von ca. 40 mW erreichen. Dies macht sie ideal für die Fehlerprognose und Anomalieerkennung in Industrieanlagen, Wohngebäuden und Haushaltsgeräten.
Das Sortiment umfasst 16 Produkte mit unterschiedlichen Speicherkapazitäten, Gehäusetypen, Pin-Anzahlen und Verpackungsspezifikationen. Die Serienproduktion von acht Modellen im TQFP-Gehäuse begann im Februar 2025. Darunter sind zwei Modelle mit 256 KB Code-Flash-Speicher und Gurtverpackung sowie ein MCU-Evaluierungsboard über Online-Händler erhältlich.
ROHM hat auf seiner Website ein KI-Simulationstool (Solist-AI™ Sim) veröffentlicht, mit dem Anwender die Effektivität von Lern- und Inferenzprozessen vor der Implementierung eines KI-gestützten Mikrocontrollers (MCU) evaluieren können. Die von diesem Tool generierten Daten können auch als Trainingsdaten für den eigentlichen KI-gestützten MCU dienen und ermöglichen so die Validierung der ersten Implementierung sowie die Verbesserung der Inferenzgenauigkeit.
Um die Akzeptanz zu fördern, hat ROHM in Zusammenarbeit mit Partnerunternehmen ein Ökosystem geschaffen, das umfassende Unterstützung für die Modellentwicklung und -integration bietet. Zukünftig wird ROHM dieses Ökosystem weiter ausbauen, benutzerfreundlichere Umgebungen bereitstellen, bei der Erstellung von Trainingsdaten helfen und optimale Implementierungsmethoden vorschlagen.
Über Solist-AI™ (On-Device Learning IC Solution for Autonomous AI)
: Solist-AI™ ist die On-Device-KI-Lösung von ROHM für Edge-Computing-Anwendungen. Inspiriert vom musikalischen Begriff „Solist“, der eine Solodarbietung bezeichnet, ermöglicht diese innovative Lösung Echtzeit-Lernen und -Inferenz direkt auf autonomen Edge-Geräten, ohne auf Cloud-Server angewiesen zu sein. Ausgestattet mit der proprietären On-Device-Learning-KI-Technologie von ROHM zeichnet sich Solist-AI™ durch sein kompaktes Design und seinen geringen Stromverbrauch aus und trägt so zur Förderung nachhaltiger KI-Innovationen bei.
Solist-AI™ ist eine Marke oder eingetragene Marke der ROHM Co., Ltd.
Produktpalette:
Diese KI-gestützten Mikrocontroller integrieren einen 32-Bit Arm® Cortex®-M0+ Kern (maximale Betriebsfrequenz: 48 MHz) und ROHMs proprietären AxlCORE-ODL KI-Beschleuniger, der mithilfe eines dreischichtigen neuronalen Netzes lernt und inferiert. Durch die Nutzung vielseitiger Timing-Funktionen, wie z. B. der PWM-Steuerung von Drehstrommotoren, sowie einer breiten Palette serieller Schnittstellen, darunter CAN FD und ein 12-Bit-A/D-Wandler, ermöglichen sie flexible Unterstützung für Steuerung und Datenverarbeitung in Industrieanlagen, Wohngebäuden und Haushaltsgeräten.
Unterstützungstools für die KI-Mikrocontroller-Entwicklung:
Die KI-Mikrocontroller von ROHM nutzen einen Standard-Arm®-Kern und gewährleisten so die Kompatibilität mit handelsüblichen Tools und der einzigartigen integrierten Entwicklungsumgebung von ROHM. Zur Bewertung von Lern- und Inferenzprozessen steht ein KI-Leistungsverifizierungssimulator sowie ein Echtzeit-Viewer zur Verfügung, mit dem die KI-Effektivität evaluiert werden kann.
Weitere Details zum MCU AI-Entwicklungsunterstützungssystem und eine Übersicht über die einzelnen Produkte finden Sie auf der ROHM-Seite zum MCU AI-Entwicklungsunterstützungssystem (unten).
https://www.rohm.com/lapis-tech/product/micon/solistai-software
Verfügbare Produkte
Arm® Integrated Development Environment: Arm® Keil® MDK;
Arm® Debug Adapter: Debugger zum Anschluss eines Computers an den Arm®-Kern;
USB-SPI-Konverteradapter: Adapter zum Anschluss des AI-Mikrocontrollers an das Solist-AI™ Scope
Sowohl die MCU AI- als auch die MCU-Evaluierungsboards werden über Online-Distributoren angeboten, sobald sie verfügbar sind. (Veröffentlichungsdatum: März 2025)
Produktinformationen MCU AI
: Verkaufsreferenznummern: ML63Q2537-NNNTBZWBY, ML63Q2557-NNNTBZWBY.
Informationen zum MCU-Evaluierungsboard
: Verkaufsreferenznummern: RB-D63Q2537TB48, RB-D63Q2557TB64.
Anwendungsbeispiele
Sensoren für die industrielle Automatisierung (FA), Motoren, Batterien, Elektrowerkzeuge, Hausinstallationen, Haushaltsgeräte, Roboter. Weitere Einsatzgebiete sind Geräte, die eine Fehlervorhersage erfordern, Anlagen, bei denen Ausfallzeiten inakzeptabel sind, und Systeme, die eine hohe Vorhersagegenauigkeit verlangen.
Anwendungsfälle für KI-gestützte Mikrocontroller:
Durch die Kombination von KI-gestützten Mikrocontrollern mit verschiedenen Sensoren sind hochpräzise Anomalieerkennung und Zustandsüberwachung möglich.
FA-Sensor + KI-Mikrocontroller:
Nutzt Daten wie Licht, Temperatur, Durchflussrate und Schall, um den Gerätezustand zu überwachen und Anomalien zu erkennen. Er führt außerdem Anomalieerkennung und Verschleißprognosen für die Sensoreinheiten selbst durch, einschließlich FA-Sensoren.
Motor + KI-Mikrocontroller:
Überwacht Motorstrom, Temperatur und Drehzahl, um Lastanomalien und Lagerschäden zu erkennen.
Beschleunigungsmesser + KI-Mikrocontroller
: Erfasst Schwingungspegel, um zustandsorientierte Instandhaltung (CBM) anhand von auf die jeweilige Maschine zugeschnittenen Kriterien durchzuführen.
AE-Sensor (Schallemissionssensor) + KI-Mikrocontroller:
Ermöglicht die frühzeitige Erkennung mechanischer Anomalien durch die Analyse wichtiger AE-Indikatoren (Spitzenamplitude, Mittelwert, Energie und Anzahl).
Hausinstallationen/Geräte + KI-Mikrocontroller:
Nutzt Daten vorhandener Sensoren, um Geräteanomalien frühzeitig zu erkennen, den Wartungsbedarf zu ermitteln, unentdeckte Parameter abzuschätzen und den Zeitaufwand für bestimmte Vorgänge vorherzusagen.
Industrieroboter + KI-Mikrocontroller:
Erkennt Anomalien und den optimalen Zeitpunkt für die Anpassung verschiedener Roboterkomponenten mithilfe von Peripheriesensoren (Endpunkten) und dem KI-Mikrocontroller und übermittelt ausschließlich die Ergebnisse an die Haupt-CPU.
Hinweis: DigiKey™, Mouser™ und Farnell™ sind Marken oder eingetragene Marken der jeweiligen Unternehmen. Arm®, Cortex® und Keil® sind eingetragene Marken von Arm Limited (oder deren Tochtergesellschaften) in den USA und anderen Ländern.
* ROHM-Studie vom 4. Juni 2025 über MCU-Produkte.
