Embedded Board mit langer Verfügbarkeit

Bild: Spectra GmbH & Co. KG

Die Entwicklung passgenauer Embedded-Systeme z.B. für die Automation, KI oder Bildverarbeitung kostet Zeit und Geld, deshalb kommen diese Lösungen meist mehrere Jahre zum Einsatz. Die Langzeitverfügbarkeit der zentralen Komponente – dem Embedded Board – ist aus diesem Grund sehr wichtig. Für kompakte Embedded-Lösungen bietet Spectra die 3.5″ Board Serie IB919 an, die über einen

Zeitraum von 15 Jahren verfügbar ist. Zur Auswahl stehen vier Prozessorvarianten (Core i7/i5/i3/ Celeron) der Whiskey Lake Generation. Alle Boards der Serie verfügen über zwei DDR4-2400 SO-DIMMs für bis zu 16GB Arbeitsspeicher und eine auf dem Chip integrierte Intel UHD Grafik, mit der bis zu drei unabhängige Displays über zwei DisplayPorts (DP & Typ C) und eine eDP- oder 24-Bit Dual-Channel LVDS-Schnittstelle angesteuert werden können. Ein schneller Datentransfer wird mittels Dual Intel GBit Ethernet LAN realisiert. Trotz der geringen Abmessungen von 102x147mm steht eine große Auswahl an Schnittstellen zur Verfügung: Zwei m.2 Steckplätze (M2280 & E2230) für NVMe-Laufwerke und CNVi-Wireless-Konnektivität, vier COM, zwei SATA III, vier USB3.1 Gen2 (10Gb/s), zwei USB2.0 und ein USB Typ C Anschluss. Die IB919 Boards bieten ein Remote-Systemmanagement mit iAMT und eine verbesserte Systemsicherheit durch einen TPM-Chip (Trusted Platform Module). Das Wärmekonzept, bei dem alle wärmeerzeugenden Komponenten auf einer Boardseite vereint sind, und ein TDP von 15W ermöglichen einen Betriebstemperaturbereich von 0 bis 60°C. Und auch der 9 bis 24VDC-Eingangsspannungsbereich unterstützt die Anforderungen eines industriellen Einsatzes.

Thematik: Technologie
Spectra GmbH & Co. KG

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige