
Face à la demande croissante d'équipements et de machines performants, la détection précoce des pannes et l'amélioration de l'efficacité de la maintenance sont devenues des enjeux majeurs. Les fabricants d'équipements recherchent des solutions permettant une surveillance en temps réel de l'état de fonctionnement, tout en s'affranchissant des inconvénients liés à la latence du réseau et aux risques de sécurité. Cependant, les modèles de traitement d'IA classiques reposent souvent sur des processeurs haute performance et une connectivité réseau, ce qui peut s'avérer coûteux et complexe à déployer.
En réponse, ROHM a développé des microcontrôleurs innovants dotés d'intelligence artificielle, permettant un apprentissage et une inférence autonomes directement sur le dispositif. Ces solutions indépendantes du réseau électrique permettent la détection précoce des anomalies avant toute panne d'équipement, contribuant ainsi à un fonctionnement plus stable et efficace du système en réduisant les coûts de maintenance et le risque d'arrêts de ligne.
Les nouveaux produits utilisent un algorithme de réseau neuronal simple à trois couches pour implémenter la solution d'IA embarquée exclusive « Solist-AI™ » de ROHM. Cela permet aux microcontrôleurs d'effectuer l'apprentissage et l'inférence de manière autonome, sans nécessiter de connexion au cloud ou au réseau.
Les modèles de traitement de l'IA sont généralement classés en trois catégories : l'IA basée sur le cloud, l'IA en périphérie et l'IA sur terminal. L'IA basée sur le cloud effectue l'entraînement et l'inférence dans le cloud, tandis que l'IA en périphérie utilise une combinaison de systèmes cloud et sur site, tels que des équipements d'usine et des automates programmables, connectés via un réseau. L'IA sur terminal effectue généralement l'entraînement dans le cloud et l'inférence sur des appareils locaux, nécessitant ainsi une connexion réseau. De plus, ces modèles réalisent souvent l'inférence par logiciel, ce qui requiert l'utilisation de GPU ou de CPU hautes performances.

À l'inverse, les microcontrôleurs IA de ROHM, bien que classés comme IA de terminal, peuvent effectuer l'apprentissage et l'inférence de manière autonome grâce à un apprentissage embarqué. Ceci permet une adaptation flexible aux différents environnements d'installation et aux variations entre les unités, même au sein d'un même modèle d'équipement. Dotés de l'accélérateur IA exclusif « AxlCORE-ODL » de ROHM, ces microcontrôleurs offrent un traitement IA environ 1 000 fois plus rapide que les microcontrôleurs logiciels classiques de ROHM (valeur théorique à 12 MHz), permettant la détection en temps réel et la production de données numériques pour les anomalies. De plus, un apprentissage haute vitesse (sur site) est possible lors de l'installation, ce qui les rend idéaux pour la modernisation d'équipements existants.
Ces microcontrôleurs dotés d'intelligence artificielle intègrent un cœur Arm® Cortex®-M0+ 32 bits, un contrôleur CAN FD, un module de modulation de largeur d'impulsion (PWM) pour la commande de moteurs triphasés et deux convertisseurs analogique-numérique (CAN), ce qui leur permet d'atteindre une faible consommation d'énergie d'environ 40 mW. Ils sont ainsi parfaitement adaptés à la prédiction des pannes et à la détection d'anomalies dans les équipements industriels, les installations résidentielles et les appareils électroménagers.
La gamme comprendra 16 produits aux capacités de mémoire, types de boîtier, nombres de broches et spécifications d'emballage variés. La production en série de huit modèles en boîtier TQFP a débuté progressivement en février 2025. Parmi eux, deux modèles dotés de 256 Ko de mémoire flash et conditionnés sur bande sont disponibles à l'achat, accompagnés d'une carte d'évaluation MCU, auprès de revendeurs en ligne.
ROHM a mis en ligne sur son site web un outil de simulation d'IA (Solist-AI™ Sim) permettant d'évaluer l'efficacité de l'apprentissage et de l'inférence avant la mise en œuvre d'un microcontrôleur (MCU) doté d'IA. Les données générées par cet outil peuvent également servir de données d'entraînement pour le MCU, permettant ainsi de valider l'implémentation initiale et d'améliorer la précision de l'inférence.
Pour faciliter l'adoption, ROHM a créé un écosystème en collaboration avec des entreprises partenaires, offrant un accompagnement complet pour le développement et l'intégration des modèles. À l'avenir, ROHM continuera d'enrichir cet écosystème en proposant des environnements plus conviviaux, en facilitant la création de données d'entraînement et en suggérant des méthodes d'implémentation optimales.
À propos de Solist-AI™ (Solution de circuit intégré d'apprentissage embarqué pour l'IA autonome) :
Solist-AI™ est la solution d'IA embarquée de ROHM conçue pour les applications de calcul en périphérie. Inspirée du terme musical « soliste », désignant une performance en solo, cette solution innovante permet l'apprentissage et l'inférence en temps réel directement sur des dispositifs périphériques autonomes, sans dépendre de serveurs cloud. Dotée de la technologie d'IA d'apprentissage embarquée propriétaire de ROHM, Solist-AI™ se caractérise par sa conception compacte et sa faible consommation d'énergie, contribuant ainsi au développement d'une innovation durable en matière d'IA.
Solist-AI™ est une marque commerciale ou une marque déposée de ROHM Co., Ltd.
Gamme de produits :
Ces microcontrôleurs dotés d’intelligence artificielle intègrent un cœur Arm® Cortex®-M0+ 32 bits (fréquence de fonctionnement maximale : 48 MHz) et l’accélérateur d’IA propriétaire AxlCORE-ODL de ROHM, qui réalise l’apprentissage et l’inférence grâce à un réseau neuronal à trois couches. De plus, grâce à leurs fonctions de synchronisation polyvalentes, telles que la commande PWM des moteurs triphasés, et à une large gamme d’interfaces série, notamment CAN FD et un convertisseur analogique-numérique 12 bits, ils offrent une prise en charge flexible du contrôle et du traitement des données dans les équipements industriels, les installations résidentielles et les appareils électroménagers.

Outils de support pour le développement de microcontrôleurs IA :
les microcontrôleurs IA de ROHM utilisent un cœur Arm® standard, garantissant la compatibilité avec les outils disponibles sur le marché et l’environnement de développement intégré exclusif de ROHM. Pour évaluer l’apprentissage et l’inférence, un simulateur de vérification des performances IA est fourni, ainsi qu’un visualiseur en temps réel permettant d’évaluer l’efficacité de l’IA.
Pour plus de détails sur le système de support au développement de l'IA MCU et un aperçu de chaque produit, veuillez vous référer à la page dédiée du système de support au développement de l'IA MCU de ROHM (ci-dessous).
https://www.rohm.com/lapis-tech/product/micon/solistai-software
Produits disponibles
Environnement de développement intégré Arm® : Arm® Keil® MDK ;
Adaptateur de débogage Arm® : débogueur permettant de connecter un ordinateur au cœur Arm® ;
Adaptateur de conversion USB-SPI : adaptateur permettant de connecter le microcontrôleur d’IA à l’oscilloscope Solist-AI™
Les cartes d'évaluation MCU et MCU AI sont disponibles auprès des distributeurs en ligne dès leur sortie. (Date de sortie : mars 2025)
Informations produit MCU AI
: Références commerciales : ML63Q2537-NNNTBZWBY, ML63Q2557-NNNTBZWBY
Informations cartes d'évaluation MCU
: Références commerciales : RB-D63Q2537TB48, RB-D63Q2557TB64
Exemples d'applications :
Automatisation industrielle (capteurs, moteurs, batteries, outils électriques), installations résidentielles, appareils électroménagers, robots. Autres applications : Dispositifs nécessitant la prédiction des pannes, équipements où les temps d'arrêt sont inacceptables et systèmes exigeant une précision de prédiction élevée.
Cas d'utilisation des microcontrôleurs (MCU) dotés d'IA :
La détection d'anomalies et la surveillance de l'état des équipements avec une grande précision sont possibles grâce à la combinaison de microcontrôleurs dotés d'IA et de divers capteurs.
Capteur FA + MCU IA :
utilise des données telles que la lumière, la température, le débit et le son pour surveiller l'état des équipements et détecter les anomalies. Il effectue également la détection d'anomalies et la prédiction de la dégradation des capteurs eux-mêmes, y compris les capteurs FA.
Moteur + MCU IA :
Ce système surveille le courant, la température et la vitesse de rotation du moteur afin de détecter les anomalies de charge et les dommages aux roulements.
Accéléromètre + MCU IA
: Ce système suit les niveaux de vibration pour mettre en œuvre la maintenance conditionnelle (CBM) selon des critères adaptés à chaque machine.
Capteur d'émissions acoustiques (EA) + MCU IA :
Ce système permet une détection ultra-précoce des anomalies mécaniques grâce à l'analyse collective des principaux indicateurs d'EA (amplitude de crête, valeur moyenne, énergie et nombre d'émissions).
Installations/Appareils résidentiels + MCU IA :
Ce système exploite les données des capteurs existants pour détecter rapidement les anomalies des équipements, déterminer les besoins de maintenance, estimer les paramètres non détectés et prédire le temps nécessaire à des opérations spécifiques.
Robots industriels + microcontrôleur IA :
détecte les anomalies et le moment optimal pour le réglage des différents composants du robot grâce aux capteurs périphériques (points de terminaison) et au microcontrôleur IA, puis transmet uniquement les résultats au processeur principal.
Remarque : DigiKey™, Mouser™ et Farnell™ sont des marques commerciales ou des marques déposées de leurs sociétés respectives. Arm®, Cortex® et Keil® sont des marques déposées d’Arm Limited (ou de ses filiales) aux États-Unis et dans d’autres pays.
* Étude ROHM du 4 juin 2025 sur les produits MCU.
